基于数据的复杂工业过程监测

第1章 故障检测技术概述1.1 引言1.2 多元统计过程监控简介1.2.1 过程监控技术概述1.2.2 工业过程监控方法的分类1.2.3 监控技术的研究现状1.3 本书概况 第2章 基于KPCA的过程监测方法2.1 概述2.2 滑动中值滤波2.2.1 工作原理2.2.2 滑动中值滤波算法2.3 核主元分析（KPCA）2.3.1 核主元分析算法2.3.2 基于KPCA的过程监控2.4 动态核主元分析（DKPCA）算法2.4.1 DKPCA基本原理介绍2.4.2 DKPCA监控流程2.5 基于SMF-MsKPcA过程监控算法2.5.1 SMF-MSKPCA模型建立过程2.5.2 SMF-MSKPCA故障检测过程2.6 基于SMF-MSKPCA的仿真研究2.6.1 非线性数学模型应用仿真2.6.2 田纳西过程的应用仿真2.6.3 青霉素发酵过程的应用仿真2.7 基于SMF-MSDKPCA的过程监控方法2.8 SMF-MSDKPCA监控算法2.9 仿真研究2.9.1 动态非线性模型的应用仿真2.9.2 田纳西过程的应用仿真2.10 本章小结第3章 多模式过程监控方法3.1 概述3.2 主元分析3.2.1 主元分析建模3.2.2 基于主元分析的过程监控3.3 多变量指数加权平均（MEwMA）3.4 基于提取公共特性的多模式过程监控方法3.5 提取公共特性的多模式过程监测方法3.5.1 提取多模式公共基础信息建立模型3.5.2 将MEWMA引入多模式过程监控方法3.5.3 提取公共特性的多模式过程监控方法在线监测3.6 仿真研究和结果分析3.6.1 连续退火过程3.6.2 仿真结果分析3.7 非线性核多模式过程监控方法3.7.1 非线性核多模式过程监控法离线建模3.7.2 非线性核多模式方法与MEwMA结合3.7.3 非线性核多模式过程监控方法在线监测3.8 仿真研究和结果分析3.8.1 电熔镁炉工作过程3.8.2 仿真结果分析3.9 本章小结第4章 非高斯过程的过程监测方法4.1 独立元分析方法4.1.1 独立元分析的定义4.1.2 数据预处理4.1.3 独立元分析算法4.2 核独立元分析算法4.2.1 在特征空间中自化数据4.2.2 利用改进的ICA提取非线性独立元4.3 基于MBKICA的故障检测方法4.3.1 核矩阵分块4.3.2 利用MBKPCA算法求白化矩阵4.3.3 用ICA算法进行故障检测4.4 基于多模态KICA的故障检测方法4.4.1 提取各个模态的全局主要向量4.4.2 引入核方法提取各模态全局主要向量4.4.3 多模态KICA算法的基本原理4.5 仿真分析4.5.1 冷轧连续退火机组的生产过程描述4.5.2 对MBKICA方法的仿真分析4.5.3 对多模态KICA方法的仿真分析4.6 本章小结第5章 基于多尺度核偏*小二乘法的过程监测方法研究5.1 在线测量模型及相关算法研究5.2 多尺度核偏*小二乘算法（MSKPLS）的研究5.2.1 核偏*小二乘法5.2.2 核偏*小二乘法的基本思想5.2.3 核偏*小二乘算法建模机理5.2.4 核函数的选择5.2.5 MSKPLS算法研究5.3 过程监测与故障诊断中的应用规模和可变贡献5.4 实验设计与结果分析5.5 本章小结第6章 工业过程的故障幅值估计6.1 工业过程的故障幅值问题6.2 故障幅值的估计6.3 仿真研究6.3.1 蒙特卡罗模拟6.3.2 实验结果分析与比较6.4 本章小结