數(shù)據(jù)驅(qū)動(dòng)的工業(yè)過(guò)程監(jiān)測(cè)與故障診斷

第1章數(shù)據(jù)驅(qū)動(dòng)的過(guò)程監(jiān)測(cè)和故障診斷概述/1
1.1研究背景與意義/1
1.2國(guó)內(nèi)外研究現(xiàn)狀/3
1.2.1工業(yè)過(guò)程故障檢測(cè)研究現(xiàn)狀/3
1.2.2工業(yè)過(guò)程故障診斷研究現(xiàn)狀/8
1.3本書內(nèi)容/9
本章參考文獻(xiàn)/10
第2章工業(yè)數(shù)據(jù)分析的基本理論與方法/18
2.1引言/18
2.2數(shù)據(jù)處理方法/19
2.2.1數(shù)據(jù)的標(biāo)準(zhǔn)化/19
2.2.2基于稀疏字典學(xué)習(xí)的特征提取/21
2.2.3基于非對(duì)稱加權(quán)DTW的非線性整定/23
2.2.4基于CA的特征提取/25
2.3數(shù)據(jù)驅(qū)動(dòng)的故障檢測(cè)方法/26
2.3.1基于PCA的故障檢測(cè)方法/26
2.3.2基于SFA的故障檢測(cè)方法/29
2.4數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法/31
2.4.1基于RBC的故障診斷方法/31
2.4.2基于貝葉斯決策的故障診斷方法/33
2.4.3基于CNN的故障分類方法/35
2.5結(jié)束語(yǔ)/37
本章參考文獻(xiàn)/37
數(shù)據(jù)驅(qū)動(dòng)的工業(yè)過(guò)程監(jiān)測(cè)與故障診斷目錄第3章基于時(shí)間加權(quán)核稀疏表示方法的非線性多模態(tài)過(guò)程實(shí)時(shí)監(jiān)測(cè)/40
3.1引言/40
3.2時(shí)間加權(quán)核稀疏表示/41
3.2.1模型構(gòu)建/41
3.2.2優(yōu)化求解/43
3.2.3收斂性分析/44
3.2.4復(fù)雜度分析/45
3.3多模態(tài)過(guò)程離線建模/45
3.3.1離線模態(tài)辨識(shí)/45
3.3.2字典更新/46
3.4多模態(tài)過(guò)程在線監(jiān)測(cè)/47
3.4.1在線模態(tài)辨識(shí)/47
3.4.2在線故障檢測(cè)/48
3.4.3非線性多模態(tài)過(guò)程監(jiān)測(cè)框架/49
3.5案例研究/49
3.5.1數(shù)值仿真/49
3.5.2污水處理過(guò)程/52
3.6結(jié)束語(yǔ)/56
本章參考文獻(xiàn)/57
第4章基于軌跡的過(guò)渡模態(tài)辨識(shí)與操作異常監(jiān)測(cè)/60
4.1引言/60
4.2基于軌跡的過(guò)渡模態(tài)辨識(shí)與過(guò)程監(jiān)測(cè)/61
4.2.1基于最慢慢特征的過(guò)渡模態(tài)辨識(shí)/62
4.2.2基于軌跡的過(guò)程建模與故障檢測(cè)/63
4.3多模態(tài)操作故障的定義/65
4.4案例研究/67
4.4.1數(shù)值仿真研究/67
4.4.2TE過(guò)程仿真研究/72
4.5結(jié)束語(yǔ)/83
本章參考文獻(xiàn)/84
第5章基于非對(duì)稱加權(quán)動(dòng)態(tài)時(shí)間規(guī)整的非平穩(wěn)過(guò)程監(jiān)測(cè)/86
5.1引言/86
5.2過(guò)程數(shù)據(jù)整定/87
5.2.1基于投影規(guī)則的過(guò)程數(shù)據(jù)在線整定/87
5.2.2約束設(shè)定/90
5.3在線過(guò)程監(jiān)測(cè)/92
5.3.1基于近鄰相似度變化率的監(jiān)控指標(biāo)/92
5.3.2基于尾端計(jì)次的監(jiān)控指標(biāo)/95
5.3.3操作步驟/96
5.4案例研究/96
5.4.1TE過(guò)程仿真案例/96
5.4.2半導(dǎo)體刻蝕過(guò)程實(shí)例/104
5.5結(jié)束語(yǔ)/106
本章參考文獻(xiàn)/107
第6章多操作階段的全流程工業(yè)過(guò)程廣義監(jiān)測(cè)/109
6.1引言/109
6.2基于平穩(wěn)映射的全流程工業(yè)過(guò)程廣義監(jiān)測(cè)/111
6.2.1基于變量間相關(guān)性的階段辨識(shí)/111
6.2.2基于平穩(wěn)映射的離線建模/114
6.2.3基于局部思想的在線監(jiān)測(cè)/115
6.2.4算法流程/117
6.3連續(xù)與間歇工業(yè)過(guò)程案例應(yīng)用/119
6.3.1拓展TE過(guò)程仿真/119
6.3.2青霉素發(fā)酵過(guò)程/125
6.4結(jié)束語(yǔ)/132
本章參考文獻(xiàn)/132
第7章基于貝葉斯與多維重構(gòu)貢獻(xiàn)的故障變量溯源/135
7.1引言/135
7.2參數(shù)估計(jì)與非參數(shù)估計(jì)/136
7.3特征屬性及其類條件概率密度函數(shù)/137
7.4貝葉斯理論與多維重構(gòu)貢獻(xiàn)的融合/140
7.5基于貝葉斯與多維重構(gòu)的故障變量溯源/141
7.6案例研究/143
7.6.1數(shù)值仿真/143
7.6.2TE過(guò)程性能監(jiān)控/147
7.6.3CSTR過(guò)程性能監(jiān)控/152
7.7結(jié)束語(yǔ)/155
本章參考文獻(xiàn)/156
第8章基于類間差異分析的故障變量溯源/158
8.1引言/158
8.2基于類間差異分析與多維重構(gòu)貢獻(xiàn)的故障變量溯源/159
8.2.1基于PCA的類間差異分析/159
8.2.2基于FDA的類間差異分析/160
8.2.3基于類間差異分析的故障變量溯源/163
8.3案例研究/164
8.3.1數(shù)值仿真/164
8.3.2TE過(guò)程/165
8.4結(jié)束語(yǔ)/170
本章參考文獻(xiàn)/171
第9章基于深度學(xué)習(xí)的工業(yè)過(guò)程故障分類/173
9.1引言/173
9.2MHSENet模型架構(gòu)/174
9.3工業(yè)空調(diào)系統(tǒng)案例研究/176
9.3.1工業(yè)空調(diào)系統(tǒng)案例數(shù)據(jù)介紹/176
9.3.2工業(yè)空調(diào)系統(tǒng)故障分類模型的建立方法/177
9.3.3實(shí)驗(yàn)結(jié)果及分析/178
9.4TE過(guò)程案例研究/180
9.4.1TE過(guò)程數(shù)據(jù)集介紹/180
9.4.2實(shí)驗(yàn)結(jié)果與分析/181
9.5結(jié)束語(yǔ)/184
本章參考文獻(xiàn)/184
第10章工業(yè)過(guò)程零樣本故障辨識(shí)/187
10.1引言/187
10.2問(wèn)題定義/189
10.3特征提取/189
10.3.1卷積模塊/190
10.3.2多任務(wù)學(xué)習(xí)/191
10.3.3故障辨識(shí)/192
10.3.4零樣本故障辨識(shí)方法框架/193
10.4TE過(guò)程案例研究/194
10.4.1模型建立方法/196
10.4.2多任務(wù)學(xué)習(xí)的影響分析/197
10.4.3實(shí)驗(yàn)結(jié)果與分析/197
10.5工業(yè)空調(diào)系統(tǒng)案例研究/199
10.5.1工業(yè)空調(diào)系統(tǒng)的故障屬性/200
10.5.2實(shí)驗(yàn)結(jié)果與分析/201
10.6結(jié)束語(yǔ)/202
本章參考文獻(xiàn)/202
第11章基于脈沖特征和似然概率比較的健康預(yù)警/205
11.1引言/205
11.2基于離散小波變換的脈沖特征提取/206
11.2.1離散小波變換/206
11.2.2脈沖特征提取/207
11.3基于似然概率比較的退化點(diǎn)檢測(cè)/208
11.3.1指數(shù)韋布爾分布擬合/208
11.3.2似然概率比較預(yù)警方法/209
11.4實(shí)驗(yàn)驗(yàn)證/210
11.4.1ADSCI特征提取/211
11.4.2軸承預(yù)警結(jié)果/214
11.4.3預(yù)警結(jié)果對(duì)比/220
11.5結(jié)束語(yǔ)/221
本章參考文獻(xiàn)/222
第12章可視化工業(yè)產(chǎn)品多級(jí)能力分析/224
12.1引言/224
12.2基于多元分布特征的數(shù)據(jù)擴(kuò)充/226
12.3可視化分級(jí)模型/228
12.4PCI的構(gòu)建/232
12.5案例研究/235
12.6結(jié)束語(yǔ)/242
本章參考文獻(xiàn)/243