类似推荐
编辑推荐
本书介绍多元统计方法在流程工业故障诊断中的应用,包括PCA和神经网络方法。
内容简介
本书针对流程工业非线性、过程动态、多模态、数据分布复杂等的特点,介绍了多元统计方法,尤其是PCA方法和神经网络方法在流程工业故障诊断中的应用;第1章介绍故障诊断的概念和常用方法。第2章详细介绍了主元分析法、Fisher判据分析、偏最小二乘法、独立变量分析等之间的区别和联系。第3~4章采用一种局部整体结构保持投影(LGSPP)算法,同时对数据进行标准化处理时引入局部近邻标准化策略,使传统主元分析方法在数据降维中可考虑数据全局结构的问题,并去除多模态数据的多分布特征;第5~7章针对非线性问题,采用核化算法,并对计算量问题和参数时变问题进行了研究。第8~10章介绍了神经网络在故障诊断中的应用,包括学习矢量量化神经网络、概率神经网络、神经网络集成等。第11章针对大数据问题与流程工业的数据建模问题之间的关系进行了探讨。
章节目录
封面
书名页
内容简介
版权页
前 言
目录
第1章 绪 论
1.1 概 述
1.1.1 流程工业故障诊断研究意义
1.1.2 故障诊断的任务
1.1.3 故障诊断的实现过程
1.1.4 故障诊断方法分类
1.2 基于解析模型的方法
1.3 基于历史数据的方法
1.3.1 基于信号处理的方法
1.3.2 多元统计方法[34]
1.3.3 神经网络和专家系统
1.3.4 基于数据的方法与模式识别方法的关系
1.4 流程工业故障诊断研究进展
1.4.1 多元统计方法
1.4.2 基于神经网络的方法
1.5 本书内容安排
参 考 文 献
第2章 流程工业故障检测与诊断的多元统计方法
2.1 引 言
2.2 多元统计方法
2.2.1 主元分析法
2.2.2 Fisher判据分析法
2.2.3 部分最小二乘法
2.2.4 典型相关分析
2.2.5 独立元分析法
2.2.6 几种多元统计方法在瑞利商下的统一
2.3 故障的检测和辨识
2.3.1 基于T2和Q统计量的故障检测
2.3.2 基于I2统计量的故障检测
2.3.3 基于Bayes分类器的故障辨识
2.4 仿 真 算 例
2.4.1 仿真数据介绍
2.4.2 故障检测和诊断步骤
2.5 小 结
参 考 文 献
第3章 基于LGSPP的故障检测与辨识
3.1 引 言
3.2 LGSPP算法
3.2.1 LPP算法描述
3.2.2 LGSPP算法描述
3.3 基于LGSPP的故障检测与辨识
3.3.1 T2和SPE统计量构造
3.3.2 基于Bayes分类器的故障检测与辨识
3.4 基于DLGSPP的故障检测
3.4.1 DLGSPP的基本原理
3.4.2 基于DLGSPP的故障检测
3.5 仿 真 研 究
3.5.1 基于LGSPP的故障检测仿真研究
3.5.2 基于DLGSPP的故障检测仿真研究
3.6 小 结
参 考 文 献
第4章 基于LNS-LGSPP的多模态过程故障检测
4.1 引 言
4.2 局部近邻标准化策略
4.2.1 z-score标准化法
4.2.2 局部近邻标准化处理
4.2.3 局部近邻标准化分析
4.3 基于LNS-LGSPP算法的故障检测
4.4 仿 真 分 析
4.4.1 数值仿真
4.4.2 TE过程
4.5 小 结
参 考 文 献
第5章 基于DKPCA及其改进算法的故障检测研究
5.1 引 言
5.2 KPCA原理[1]
5.3 基于DKPCA的故障检测
5.3.1 动态数据矩阵
5.3.2 核函数及核参的选取
5.3.3 基于DKPCA的故障检测步骤
5.4 基于EFS-DKPCA的故障检测[9]
5.4.1 正交基的构造
5.4.2 输入空间到特征子空间的映射
5.4.3 基于EFS-DKPCA的故障检测步骤
5.5 仿 真 研 究
5.5.1 基于DKPCA的故障检测仿真分析
5.5.2 基于EFS-DKPCA的故障检测仿真分析
5.6 小 结
参 考 文 献
第6章 基于BDKPCA及其改进算法的故障检测研究
6.1 引 言
6.2 基于BDKPCA的故障检测[2]
6.2.1 移动时间窗
6.2.2 BDKPCA基本原理
6.2.3 基于BDKPCA的故障检测步骤
6.3 基于小波去噪与EFS-BDKPCA的故障检测
6.3.1 小波去噪简介
6.3.2 基于小波去噪与EFS-BDKPCA的故障检测步骤
6.4 仿 真 研 究
6.4.1 基于BDKPCA的故障检测仿真分析
6.4.2 基于小波与EFS-BDKPCA的故障检测仿真分析
6.5 小 结
参 考 文 献
第7章 学习矢量量化神经网络
7.1 引 言
7.2 神经网络简介
7.2.1 人工神经元模型
7.2.2 多层前馈神经网络模型
7.3 LVQ神经网络
7.3.1 LVQ神经网络结构
7.3.2 LVQ神经网络实现规则
7.4 PCA-LVQ神经网络[2]
7.4.1 基于PCA-LVQ的故障检测仿真分析
7.4.2 基于PCA-LVQ的故障诊断仿真分析
7.5 小 结
参 考 文 献
第8章 基于IIWPSO-PNN的故障诊断
8.1 引 言
8.2 PNN简介
8.2.1 模式识别Bayes判决理论
8.2.2 PNN网络结构
8.2.3 PNN算法
8.3 IIWPSO算法
8.3.1 PSO的基本形式
8.3.2 PSO控制参数
8.3.3 IIWPSO算法[6]
8.4 IIWPSO-PNN训练过程[6]
8.5 仿 真 分 析
8.5.1 数值仿真
8.5.2 基于IIWPSO-PNN的故障检测仿真分析
8.5.3 基于IIWPSO-PNN的故障诊断仿真分析
8.6 小 结
参 考 文 献
第9章 基于神经网络集成的故障诊断
9.1 引 言
9.2 集成神经网络
9.2.1 神经网络集成的机理研究
9.2.2 个体生成方式研究
9.2.3 结论生成方式研究
9.3 IIWPSO-PNN集成算法
9.4 仿 真 分 析
9.4.1 UCI标准机器学习库
9.4.2 基于IIWPSO-PNN集成的故障检测仿真分析
9.4.3 基于IIWPSO-PNN集成的故障诊断仿真分析
9.5 小 结
参 考 文 献
第10章 流程工业数据建模方法与大数据建模
10.1 引 言
10.2 大数据概述
10.2.1 大数据的定义
10.2.2 我国的大数据发展
10.2.3 大数据的研究意义
10.2.4 大数据发展趋势
10.3 大数据的特点与研究领域
10.3.1 大数据的特点从3V到6V大数据定义演变
10.3.2 大数据的研究领域
10.3.3 流程工业大数据的特点
10.4 数据建模方法
10.4.1 流程工业数据建模方法[8]
10.4.2 互联网公司大数据建模方法
10.4.3 流程工业大数据建模[6]
10.5 流程工业大数据的挑战和机遇
10.5.1 流程工业大数据特点给传统数据建模方法带来的挑战
10.5.2 计算机学科大数据最新进展带来的机遇[18]
10.6 流程工业大数据建模最新进展与研究展望
10.6.1 多层面潜结构建模
10.6.2 多时空时间序列数据建模
10.6.3 含有不真实数据的鲁棒建模
10.6.4 支持实时建模的大容量数据计算架构与方法
10.7 结 论
参 考 文 献
反侵权盗版声明
封底
基于数据的流程工业故障诊断方法研究是2018年由电子工业出版社出版,作者 吴斌。
得书感谢您对《基于数据的流程工业故障诊断方法研究》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。