轧钢过程数据驱动故障诊断与质量预报方法研究--基于多元统计方法

目录《博士后文库》序言前言第1章 绪论 11.1 引言 11.2 本书涉及的基本概念 11.3 故障诊断发展现状和研究现状 21.3.1 故障诊断技术的发展现状 21.3.2 轧钢过程故障诊断的研究现状 31.3.3 基于多元统计分析的故障诊断方法的研究现状 91.4 本书主要内容 13第2章 轧钢过程工艺原理及故障分析 152.1 引言 152.2 轧钢过程的工艺阶段 152.2.1 热连轧工艺阶段 152.2.2 冷轧工艺阶段 172.3 轧钢过程主要故障分析 192.4 轧钢过程变量数据特性分析及轧钢机故障特性分析 222.4.1 轧钢过程变量数据特性分析 222.4.2 轧钢机故障特性分析 232.5 轧钢机状态监测 23第3章 多元统计分析故障诊断和质量预报基本理论 243.1 引言 243.2 数据的预处理 243.3 多元统计分析主要方法 253.3.1 主成分分析方法 253.3.2 独立成分分析方法 343.3.3 偏*小二乘方法 453.3.4 费希尔判别分析方法 493.4 基于多元统计的状态监测 533.5 基于多元统计的故障分离 543.6 基于统计回归的质量预报 55第4章 基于马氏距离相对变换偏*小二乘的轧钢过程状态监测 574.1 引言 574.2 基于马氏距离相对变换的偏*小二乘统计建模 584.2.1 马氏距离相对变换的基本思想 584.2.2 基于马氏距离相对变换的偏*小二乘统计建模步骤 614.3 马氏距离相对变换偏*小二乘方法 624.3.1 监测统计量及其控制限的确定 624.3.2 基于马氏距离相对变换偏*小二乘的轧钢过程状态监测步骤 624.3.3 基于马氏距离相对变换偏*小二乘方法的计算复杂度分析 634.4 仿真实例 634.4.1 概述 634.4.2 仿真结果与分析 654.5 本章小结 71第5章 基于MBRTICA的状态监测和故障定位 725.1 引言 725.2 多块理论 735.3 RTICA故障检测方法 745.3.1 相对变换 745.3.2 RTICA方法 775.3.3 RTICA故障检测步骤 785.4 基于多块的RTICA故障诊断方法 795.5 基于MBRTICA方法的轧机轴承裂纹故障诊断 815.6 本章小结 85第6章 基于改进动态核主成分分析方法结合独立成分分析方法的状态监测和故障分离 876.1 引言 876.2 动态主成分分析方法和核主成分分析方法 886.2.1 动态主成分分析方法 886.2.2 核主成分分析方法 896.3 独立成分分析方法 916.3.1 独立成分分析方法基本概念 916.3.2 独立成分分析方法实现步骤 926.3.3 监控统计量及其控制限的确定 936.4 基于改进动态核主成分分析方法结合独立成分分析方法的统计建模、状态监测和故障分离方法 946.4.1 统计建模 946.4.2 状态监测和故障分离方法 956.5 仿真实例 966.5.1 概述 966.5.2 仿真结果与分析 976.6 本章小结 102第7章 基于优化策略的KFDA的状态监测和故障识别 1037.1 引言 1037.2 基于KFDA的故障识别 1047.2.1 FDA的基本原理 1047.2.2 KFDA方法的基本原理 1067.2.3 基于KFDA的状态监测和故障识别 1087.3 基于改进生物地理学优化算法的核参数优化和特征样本选取 1097.3.1 生物地理学优化算法 1097.3.2 改进生物地理学优化算法 1127.3.3 核参数优化和特征样本选取 1147.4 基于优化策略的KFDA方法 1167.5 仿真实例 1177.5.1 概述 1177.5.2 仿真结果与分析 1197.6 本章小结 125第8章 基于非线性特征提取和回归的故障诊断与质量预报 1268.1 引言 1268.2 基于核偏*小二乘的非线性特征提取和回归 1278.2.1 基于核偏*小二乘的非线性特征提取 1278.2.2 基于核偏*小二乘的非线性回归 1288.3 费希尔判别分析方法介绍 1288.4 基于偏*小二乘方法结合费希尔判别分析的方法 1298.4.1 质量预报中核偏*小二乘与费希尔判别分析的关系 1298.4.2 基于非线性特征提取和回归的故障诊断与质量预报统计建模 1308.4.3 算法流程 1318.5 仿真实例 1328.5.1 概述 1328.5.2 仿真结果与分析 1338.6 本章小结 140参考文献 142编后记 151