掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
基于數據的故障分離 版權信息
- ISBN：9787551714716
- 條形碼：9787551714716 ; 978-7-5517-1471-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于數據的故障分離 內容簡介
《基于數據的故障分離》主要介紹基于數據驅動的故障監測和診斷方法，重點是對PCA，ICA和PLS方法的改進，根據數據不同的特點，將不同的方法有效融合，進而給出有效的故障監測和診斷效果。另外介紹了基于數據的過程監測及故障分離方法。目錄第1章故障監測與診斷技術概述，第2章基于自適應核主元分析的過程監測，第3章基于方向核偏*小二乘的過程監測方法，第4章基于故障特征方向的KICA故障分離方法，第5章基于數據的過程監測及故障分離方法。
基于數據的故障分離 目錄
第1章 故障監測與診斷技術概述
1．1 多元統計過程故障監測概述
1．1．1 多元統計過程監測技術概述
1．1．2 多元統計過程監測方法概述
1．1．3 多元統計過程監測國內外研究現狀
1．2 多元統計過程故障診斷概述
1．2．1 多元統計過程故障診斷技術概述
1．2．2 多元統計過程故障診斷方法概述
1．2．3 多元統計過程故障診斷國內外研究現狀
本章參考文獻
第2章 基于自適應核主元分析的過程監測
2．1 自適應核主元分析方法基礎理論
2．1．1 基于滑動窗口機制的核主元分析
2．1．2 指數加權核主元分析方法
2．2 基于自適應核主元分析的過程監測
2．2．1 自適應核主元分析方法的建模過程
2．2．2 基于自適應核主元分析的在線過程監測
2．2．3 仿真研究與結果分析
2．3 基于特征空間損失函數的核主元分析方法
2．3．1 特征空間中的損失函數
2．3．2 基于特征空間損失函數的核主元分析方法
2．4 基于遺忘因子的核主元分析模型更新
2．5 迭代形式的核主元分析算法
2．5．1 迭代形式的核主元分析算法
2．5．2 加入懲罰因子的迭代核主元分析算法
2．6 基于懲罰因子的自適應核主元分析過程監測
2．7 仿真研究與結果分析
2．8 本章小結
本章參考文獻
第3章 基于方向核偏*小二乘的過程監測方法
3．1 方向偏*小二乘算法的推導
3．1．1 PLS殘差與輸出變量之間的相關性證明
3．1．2 相關部分的求取
3．1．3 殘差剩余部分與輸出變量之間的相關性證明
3．2 基于DKPLS的過程監測方法
3．2．1 核函數方法
3．2．2 基于DKPLS的過程監測
3．3 實驗結果
3．3．1 電熔鎂爐工作原理
3．3．2 實驗結果分析
3．4 基于方向核偏*小二乘（DKPLS）的故障診斷方法
3．4．1 故障主元方向的選擇方法
3．4．2 基于DKPLS的重構方法
3．5 基于方向核偏*小二乘（DKPLS）的故障重構診斷方法
3．6 仿真實驗
3．6．1 故障主元方向的選擇
3．6．2 故障的重構診斷
3．7 本章小結
本章參考文獻
第4章 基于故障特征方向的KICA故障分離方法
4．1 經典重構中的故障方向
4．2 獨立元空間故障特征方向提取的仿真分析
4．3 改進的KICA故障分離原理
4．3．1 故障相關方向的提取
4．3．2 在線故障分離
4．4 仿真和結果分析
4．4．1 電熔鎂爐的生產過程描述
4．4．2 仿真結果分析
4．5 多模式核獨立元分析方法
4．5．1 公共模型和特殊模型分析
4．5．2 獨立元空間公共模型和特殊模型的建立
4．5．3 殘差空間的公共模型和特殊模型的建立
4．5．4 MKICA在線監測
4．6 仿真研究與結果分析
4．6．1 田納西過程介紹
4．6．2 田納西數據仿真結果分析
4．7 本章小結
本章參考文獻
第5章 基于數據的過程監測及故障分離方法
5．1 基于KPCA的子空間劃分方法
5．2 基于KPCA的故障重構方法
5．2．1 基于T2統計量重構的故障特征方向的提取
5．2．2 基于SPE統計量重構的故障特征方向的提取
5．2．3 故障重構方法
5．3 基于KPcA方法的在線故障分離
5．4 仿真研究
5．4．1 電熔鎂爐工作過程
5．4．2 仿真結果分析
5．4．3 故障特征方向的特性討論
5．5 基于KLSR的故障分離方法
5．5．1 核*小二乘回歸（KLSR）算法
5．5．2 基于KLsR的故障分離
5．6 基于DS-KLsR的故障分離方法
5．6．1 基于核*小二乘回歸的數據提取算法
5．6．2 基于DS-KLSR的故障分離
5．7 仿真研究
5．7．1 算法分類特性分析
5．7．2 仿真結果分析
5．8 本章小結
本章參考文獻
1．1 多元統計過程故障監測概述
1．1．1 多元統計過程監測技術概述
1．1．2 多元統計過程監測方法概述
1．1．3 多元統計過程監測國內外研究現狀
1．2 多元統計過程故障診斷概述
1．2．1 多元統計過程故障診斷技術概述
1．2．2 多元統計過程故障診斷方法概述
1．2．3 多元統計過程故障診斷國內外研究現狀
本章參考文獻
第2章 基于自適應核主元分析的過程監測
2．1 自適應核主元分析方法基礎理論
2．1．1 基于滑動窗口機制的核主元分析
2．1．2 指數加權核主元分析方法
2．2 基于自適應核主元分析的過程監測
2．2．1 自適應核主元分析方法的建模過程
2．2．2 基于自適應核主元分析的在線過程監測
2．2．3 仿真研究與結果分析
2．3 基于特征空間損失函數的核主元分析方法
2．3．1 特征空間中的損失函數
2．3．2 基于特征空間損失函數的核主元分析方法
2．4 基于遺忘因子的核主元分析模型更新
2．5 迭代形式的核主元分析算法
2．5．1 迭代形式的核主元分析算法
2．5．2 加入懲罰因子的迭代核主元分析算法
2．6 基于懲罰因子的自適應核主元分析過程監測
2．7 仿真研究與結果分析
2．8 本章小結
本章參考文獻
第3章 基于方向核偏*小二乘的過程監測方法
3．1 方向偏*小二乘算法的推導
3．1．1 PLS殘差與輸出變量之間的相關性證明
3．1．2 相關部分的求取
3．1．3 殘差剩余部分與輸出變量之間的相關性證明
3．2 基于DKPLS的過程監測方法
3．2．1 核函數方法
3．2．2 基于DKPLS的過程監測
3．3 實驗結果
3．3．1 電熔鎂爐工作原理
3．3．2 實驗結果分析
3．4 基于方向核偏*小二乘（DKPLS）的故障診斷方法
3．4．1 故障主元方向的選擇方法
3．4．2 基于DKPLS的重構方法
3．5 基于方向核偏*小二乘（DKPLS）的故障重構診斷方法
3．6 仿真實驗
3．6．1 故障主元方向的選擇
3．6．2 故障的重構診斷
3．7 本章小結
本章參考文獻
第4章 基于故障特征方向的KICA故障分離方法
4．1 經典重構中的故障方向
4．2 獨立元空間故障特征方向提取的仿真分析
4．3 改進的KICA故障分離原理
4．3．1 故障相關方向的提取
4．3．2 在線故障分離
4．4 仿真和結果分析
4．4．1 電熔鎂爐的生產過程描述
4．4．2 仿真結果分析
4．5 多模式核獨立元分析方法
4．5．1 公共模型和特殊模型分析
4．5．2 獨立元空間公共模型和特殊模型的建立
4．5．3 殘差空間的公共模型和特殊模型的建立
4．5．4 MKICA在線監測
4．6 仿真研究與結果分析
4．6．1 田納西過程介紹
4．6．2 田納西數據仿真結果分析
4．7 本章小結
本章參考文獻
第5章 基于數據的過程監測及故障分離方法
5．1 基于KPCA的子空間劃分方法
5．2 基于KPCA的故障重構方法
5．2．1 基于T2統計量重構的故障特征方向的提取
5．2．2 基于SPE統計量重構的故障特征方向的提取
5．2．3 故障重構方法
5．3 基于KPcA方法的在線故障分離
5．4 仿真研究
5．4．1 電熔鎂爐工作過程
5．4．2 仿真結果分析
5．4．3 故障特征方向的特性討論
5．5 基于KLSR的故障分離方法
5．5．1 核*小二乘回歸（KLSR）算法
5．5．2 基于KLsR的故障分離
5．6 基于DS-KLsR的故障分離方法
5．6．1 基于核*小二乘回歸的數據提取算法
5．6．2 基于DS-KLSR的故障分離
5．7 仿真研究
5．7．1 算法分類特性分析
5．7．2 仿真結果分析
5．8 本章小結
本章參考文獻
展開全部
書友推薦
- >
我從未如此眷戀人間
- >
龍榆生：詞曲概論/大家小書
- >
唐代進士錄
- >
李白與唐代文化
- >
隨園食單
- >
名家帶你讀魯迅:故事新編
- >
月亮與六便士
- >
煙與鏡
本類暢銷
