流程工业智能制造丛书钢铁生产监测与质量控制

前言
第1章 绪论
1.1 钢铁生产流程安全运行概述
1.1.1 冶炼工序流程安全运行
1.1.2 轧制工序流程安全运行
1.2 运行过程监测简介
1.2.1 基于模型的过程监测技术
1.2.2 基于数据的过程监测技术
1.2.3 基于知识的过程监测技术
1.3 钢铁生产运行过程质量管控
1.3.1 质量管理发展历程
1.3.2 钢铁企业生产方式
1.3.3 钢铁企业全流程质量管控
1.3.4 钢铁企业质量过程控制特点
1.4 钢铁流程过程监控方法分类
1.5 运行监测技术与质量监控技术研究现状
1.5.1 工业过程运行监测技术研究现状
1.5.2 工业过程质量监控技术研究现状
1.5.3 工业过程质量管控研究现状
1.6 本书概况
参考文献
第2章 基于模型的钢铁流程过程监测与故障诊断技术
2.1 工业过程监测与故障诊断技术基本问题
2.2 钢铁工业过程控制系统故障分类
2.2.1 传感器或仪表故障
2.2.2 执行器故障
2.2.3 过程对象故障
2.2.4 控制器故障
2.3 基于模型的过程监测与故障诊断技术
2.3.1 状态估计方法
2.3.2 参数估计方法
2.3.3 等价空间方法
2.4 钢铁生产流程典型对象监测实例分析
2.4.1 精轧控制I／O层
2.4.2 嵌入式软PLC层
2.4.3 PLC程序开发和编译系统层
2.4.4 控制模型实时仿真
2.4.5 液压辨识模型实时仿真
参考文献
第3章 基于数据的钢铁流程过程监测与故障诊断技术
3.1 基于数据的过程监测与故障诊断方法在钢铁流程中的应用概述
3.2 基于多元统计的过程监测与故障诊断技术
3.2.1 基于PCA方法的过程监测与故障诊断技术
3.2.2 基于CCA方法的过程监测与故障诊断技术
3.2.3 基于PLS方法的过程监测与故障诊断技术
3.3 钢铁流程分布参数系统过程监测与故障诊断
3.3.1 分布参数系统及其过程监测与故障诊断概述
3.3.2 基于分布参数系统的过程监测与故障诊断技术
3.3.3 层流冷却过程中分布参数系统的过程监测与故障诊断
3.4 机器学习在钢铁流程过程监测与故障诊断中的应用
3.4.1 基于机器学习的过程监测与故障诊断概述
3.4.2 基于机器学习的钢铁流程过程监测与故障诊断技术
3.5 信息融合技术在钢铁流程过程监测与故障诊断中的应用
3.5.1 基于信息融合的过程监测与故障诊断
3.5.2 基于信息融合的钢铁流程过程监测与故障诊断
3.6 大数据驱动的过程监测与故障诊断技术及其应用
3.6.1 大数据驱动技术概述
3.6.2 基于大数据处理系统的过程监测与故障诊断技术
3.6.3 基于大数据分析方法的过程监测与故障诊断技术
参考文献
第4章 钢铁流程关键设备的状态监测、故障诊断与健康管理
4.1 设备状态监测与健康管理概述
4.1.1 设备的状态监测与故障诊断
4.1.2 设备的故障预测与健康管理
4.2 钢铁流程关键设备状态监测与故障诊断
4.2.1 轴承与齿轮状态监测与故障诊断
4.2.2 电机状态监测与故障诊断
4.2.3 钢铁工业炉窑状态监测与故障诊断
4.3 钢铁流程设备的故障预测与健康管理
4.3.1 设备剩余寿命预测
4.3.2 设备故障预测技术
4.3.3 关键设备的健康管理
4.3.4 智能运维系统在钢铁行业的应用
参考文献
第5章 钢铁流程的质量监测与故障诊断技术
5.1 质量监测与故障诊断技术的发展历程
5.2 多模态工业过程质量相关故障诊断
5.2.1 多模态的研究现状
5.2.2 多模态的划分
5.2.3 多模态*佳聚类数的确定
5.2.4 多模态质量监测方法
5.3 工业过程质量相关的乘性故障检测与诊断
5.4 .知识与数据联合驱动的质量相关故障诊断
5.5 钢铁工业全流程质量监测与故障诊断
5.5.1 研究现状
5.5.2 面向系统层级的复杂工业过程全流程故障诊断
5.5.3 “三维”视角下钢铁工业全流程质量监测与故障诊断
参考文献
第6章 面向钢铁流程智能制造的智能监控与健康管理
6.1 大数据分析技术在钢铁流程智能监控与健康管理中的应用
6.2 人工智能技术在智能监控与健康管理中的应用
6.2.1 基于机器学习的智能监控与健康管理技术
6.2.2 基于深度学习的智能监控与健康管理技术
6.2.3 宽度学习在智能监控中的应用
6.3 带钢冷／热连轧智能监控与健康管理技术应用
6.3.1 轧制过程监控技术
6.3.2 轧制过程工况管理、预测与维护技术
6.3.3 轧制过程全流程质量监控与管理技术
6.4 数据驱动的转炉炼钢模型与控制研究
6.4.1 转炉炼钢的终点控制技术
6.4.2 转炉炼钢过程的多时态建模
参考文献