中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
過程工業故障診斷 版權信息
- ISBN：9787030325853
- 條形碼：9787030325853 ; 978-7-03-032585-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
過程工業故障診斷 內容簡介
本書針對過程工業變量多，耦合強的特點，側重于介紹多元統計類方法在過程工業故障診斷中的應用；針對一般多元統計方法難以解決非線性問題的缺點，對其進行核化處理；采用廣義自適應遺傳算法聯合優化核參數和主元數量；提出了故障特征的選擇以及小樣本問題的解決方法；并給出了不同方法的模式穩定性比較，為選擇算法參數提供了參考依據；很后還介紹了基于解析模型和基于知識的方法在過程工業故障診斷中的應用
過程工業故障診斷 目錄
目錄
前言
第1章 緒論 1
1.1 概述 1
1.1.1 研究意義 1
1.1.2 故障診斷的任務 3
1.1.3 故障診斷的實現過程 3
1.1.4 故障診斷方法分類 4
1.2 基于解析模型的方法 5
1.3 基于定性知識的方法 7
1.4 基于歷史數據的方法 9
1.4.1 基于信號處理的方法 9
1.4.2 多元統計方法 10
1.4.3 多元統計方法與模式識別方法的關系 11
1.5 過程工業故障診斷研究進展 12
1.5.1 多元統計方法應用于非線性問題 13
1.5.2 核多元統計方法在過程工業應用中的幾個關鍵問題 13
1.6 本書內容安排 16
參考文獻 17
第2章 過程工業故障檢測與診斷的多元統計方法 23
2.1 引言 23
2.2 多元統計方法 23
2.2.1 PCA 23
2.2.2 FDA 25
2.2.3 PLS 28
2.2.4 CCA 30
2.2.5 CA 32
2.3 多元統計方法之間關系的統一框架 34
2.3.1 幾種多元統計方法的關系 34
2.3.2 瑞利商下的統一 37
2.3.3 優化問題的轉化 37
2.4 故障的檢測和辨識 38
2.4.1 基于T 2統計量和Q統計量的故障檢測 38
2.4.2 基于J 2統計量的故障檢測 39
2.4.3 基于Bayes分類器的故障辨識 40
2.4.4 線性分類器與Bayes分類器的關系 42
2.5 仿真算例 42
2.5.1 仿真數據介紹 42
2.5.2 故障檢測和診斷步驟 45
2.5.3 仿真結果與分析 47
2.6 小結 53
參考文獻 53
第3章 過程工業故障診斷的核化多元統計方法 56
3.1 引言 56
3.2 核空間的定義與性質 56
3.3 核空間上的一些運算 58
3.4 算法可以核化的條件 59
3.4.1 特征向量的對偶表示形式 59
3.4.2 算法核化的條件 59
3.5 多元統計方法的核化算法 60
3.5.1 KPCA 60
3.5.2 KFDA 61
3.5.3 KPLS 62
3.5.4 KCCA 65
3.5.5 KICA 66
3.5.6 對KCCA和KICA的變形和一些關系 68
3.5.7 核化算法的正則化 70
3.5.8 幾種核化算法的聯系 70
3.6 核參數的確定 75
3.7 多故障診斷問題 76
3.7.1 引言 76
3.7.2 基于核的Bayes決策函數 77
3.7.3 KPCA和KFDA的故障診斷流程 78
3.8 仿真結果及分析 79
3.9 小結 82
參考文獻 82
第4章 過程工業故障診斷的特征選取方法 86
4.1 引言 86
4.2 基于能量差異的小波包特征選取 86
4.2.1 算法思路 88
4.2.2 算法實現 89
4.3 基于組合測度的特征選取 90
4.3.1 基于B距離的特征選取 90
4.3.2 組合測度特征選取步驟 90
4.4 基于顯著性檢驗和優化準則結合的雙向可增刪特征搜索 92
4.4.1 t-檢驗 92
4.4.2 具體實現步驟 92
4.5 仿真結果 94
4.5.1 特征選取結果 95
4.5.2 在線故障診斷結果比較 103
4.6 小結 135
參考文獻 135
第5章 過程工業故障診斷的小樣本問題 137
5.1 引言 137
5.2 幾種正則化KFDA算法及其比較 137
5.2.1 算法一——廣義特征值方法 137
5.2.2 算法二——解方程組方法 138
5.2.3 算法三——凸優化解法 140
5.3 其他核算法的正則化 142
5.3.1 RKCCA 142
5.3.2 RKPLS 143
5.4 SVM方法 144
5.4.1 硬間隔分類器 144
5.4.21 范數軟間隔分類器 145
5.4.32 范數軟間隔分類器 146
5.5 算法仿真 146
5.6 小結 151
參考文獻 152
第6章 算法的模式穩定性 153
6.1 引言 153
6.2 模式穩定性概述 153
6.3 分類器的模式穩定性 156
6.3.1 線性分類函數的模式穩定性 156
6.3.2 Bayes分類函數的模式穩定性 158
6.3.3 正則化FDA模式穩定性的變化 160
6.4 核Bayes分類函數的模式穩定性 160
6.4.1 線性函數類的模式穩定性 160
6.4.2 基于核的Bayes函數類的模式穩定性 162
6.4.3 算法模式穩定性分析 163
6.5 模式穩定性指標 164
6.5.1 誤分差和百分比 165
6.5.2 誤分均值偏離度 165
6.6 算法模式穩定性仿真分析 165
6.6.1 KPCA與KFD.A算法的模式穩定性 165
6.6.2 正則化KFD.A算法的模式穩定性 170
6.7 核化算法參數的優化 172
6.8 小結 173
參考文獻 173
第7章 基于解析模型的故障診斷 175
7.1 引言 175
7.2 故障描述 176
7.2.1 傳感器故障模型 176
7.2.2 執行器故障模型 177
7.2.3 系統狀態故障模型 178
7.2.4 未知輸人系統故障模型 178
7.2.5 雙水箱系統描述 178
7.3 狀態估計法 181
7.3.1 觀測器方法 181
7.3.2 濾波器方法 186
7.3.3 基于未知輸人觀測器的方法 190
7.4 參數估計法 193
7.5 等價空間法 199
7.6 魯棒殘差產生問題 201
7.7 小結 202
參考文獻 202
第8章 基于信號處理的故障診斷 203
8.1 引言 203
8.2 時域分析方法 203
8.3 傅里葉分析方法 204
8.4 小波分析方法 206
8.4.1 短時傅里葉變換 206
8.4.2 小波變換 206
8.5 Hilbert-Huang變換方法 208
8.5.1 經驗模態分解 209
8.5.2 經驗模態分解的特性 210
8.5.3 Hilbert譜 212
8.5.4 端點效應問題 213
8.5.5 Hilbcrt-Huang分析示例 213
8.6 BSS分析方法 215
8.6.1 ICA 217
8.6.2 基于二階統計量的BSS算法 218
8.6.3 特征矩陣聯合近似對角化算法 222
8.6.4 基于時頻分析的BSS算法 223
8.6.5 卷積混合BSS方法 225
8.6.6 BSS分析示例 226
8.7 小結 228
參考文獻 229
第9章 總結與展望 231
9.1 全書總結 231
9.2 展望 235
參考文獻 235
前言
第1章 緒論 1
1.1 概述 1
1.1.1 研究意義 1
1.1.2 故障診斷的任務 3
1.1.3 故障診斷的實現過程 3
1.1.4 故障診斷方法分類 4
1.2 基于解析模型的方法 5
1.3 基于定性知識的方法 7
1.4 基于歷史數據的方法 9
1.4.1 基于信號處理的方法 9
1.4.2 多元統計方法 10
1.4.3 多元統計方法與模式識別方法的關系 11
1.5 過程工業故障診斷研究進展 12
1.5.1 多元統計方法應用于非線性問題 13
1.5.2 核多元統計方法在過程工業應用中的幾個關鍵問題 13
1.6 本書內容安排 16
參考文獻 17
第2章 過程工業故障檢測與診斷的多元統計方法 23
2.1 引言 23
2.2 多元統計方法 23
2.2.1 PCA 23
2.2.2 FDA 25
2.2.3 PLS 28
2.2.4 CCA 30
2.2.5 CA 32
2.3 多元統計方法之間關系的統一框架 34
2.3.1 幾種多元統計方法的關系 34
2.3.2 瑞利商下的統一 37
2.3.3 優化問題的轉化 37
2.4 故障的檢測和辨識 38
2.4.1 基于T 2統計量和Q統計量的故障檢測 38
2.4.2 基于J 2統計量的故障檢測 39
2.4.3 基于Bayes分類器的故障辨識 40
2.4.4 線性分類器與Bayes分類器的關系 42
2.5 仿真算例 42
2.5.1 仿真數據介紹 42
2.5.2 故障檢測和診斷步驟 45
2.5.3 仿真結果與分析 47
2.6 小結 53
參考文獻 53
第3章 過程工業故障診斷的核化多元統計方法 56
3.1 引言 56
3.2 核空間的定義與性質 56
3.3 核空間上的一些運算 58
3.4 算法可以核化的條件 59
3.4.1 特征向量的對偶表示形式 59
3.4.2 算法核化的條件 59
3.5 多元統計方法的核化算法 60
3.5.1 KPCA 60
3.5.2 KFDA 61
3.5.3 KPLS 62
3.5.4 KCCA 65
3.5.5 KICA 66
3.5.6 對KCCA和KICA的變形和一些關系 68
3.5.7 核化算法的正則化 70
3.5.8 幾種核化算法的聯系 70
3.6 核參數的確定 75
3.7 多故障診斷問題 76
3.7.1 引言 76
3.7.2 基于核的Bayes決策函數 77
3.7.3 KPCA和KFDA的故障診斷流程 78
3.8 仿真結果及分析 79
3.9 小結 82
參考文獻 82
第4章 過程工業故障診斷的特征選取方法 86
4.1 引言 86
4.2 基于能量差異的小波包特征選取 86
4.2.1 算法思路 88
4.2.2 算法實現 89
4.3 基于組合測度的特征選取 90
4.3.1 基于B距離的特征選取 90
4.3.2 組合測度特征選取步驟 90
4.4 基于顯著性檢驗和優化準則結合的雙向可增刪特征搜索 92
4.4.1 t-檢驗 92
4.4.2 具體實現步驟 92
4.5 仿真結果 94
4.5.1 特征選取結果 95
4.5.2 在線故障診斷結果比較 103
4.6 小結 135
參考文獻 135
第5章 過程工業故障診斷的小樣本問題 137
5.1 引言 137
5.2 幾種正則化KFDA算法及其比較 137
5.2.1 算法一——廣義特征值方法 137
5.2.2 算法二——解方程組方法 138
5.2.3 算法三——凸優化解法 140
5.3 其他核算法的正則化 142
5.3.1 RKCCA 142
5.3.2 RKPLS 143
5.4 SVM方法 144
5.4.1 硬間隔分類器 144
5.4.21 范數軟間隔分類器 145
5.4.32 范數軟間隔分類器 146
5.5 算法仿真 146
5.6 小結 151
參考文獻 152
第6章 算法的模式穩定性 153
6.1 引言 153
6.2 模式穩定性概述 153
6.3 分類器的模式穩定性 156
6.3.1 線性分類函數的模式穩定性 156
6.3.2 Bayes分類函數的模式穩定性 158
6.3.3 正則化FDA模式穩定性的變化 160
6.4 核Bayes分類函數的模式穩定性 160
6.4.1 線性函數類的模式穩定性 160
6.4.2 基于核的Bayes函數類的模式穩定性 162
6.4.3 算法模式穩定性分析 163
6.5 模式穩定性指標 164
6.5.1 誤分差和百分比 165
6.5.2 誤分均值偏離度 165
6.6 算法模式穩定性仿真分析 165
6.6.1 KPCA與KFD.A算法的模式穩定性 165
6.6.2 正則化KFD.A算法的模式穩定性 170
6.7 核化算法參數的優化 172
6.8 小結 173
參考文獻 173
第7章 基于解析模型的故障診斷 175
7.1 引言 175
7.2 故障描述 176
7.2.1 傳感器故障模型 176
7.2.2 執行器故障模型 177
7.2.3 系統狀態故障模型 178
7.2.4 未知輸人系統故障模型 178
7.2.5 雙水箱系統描述 178
7.3 狀態估計法 181
7.3.1 觀測器方法 181
7.3.2 濾波器方法 186
7.3.3 基于未知輸人觀測器的方法 190
7.4 參數估計法 193
7.5 等價空間法 199
7.6 魯棒殘差產生問題 201
7.7 小結 202
參考文獻 202
第8章 基于信號處理的故障診斷 203
8.1 引言 203
8.2 時域分析方法 203
8.3 傅里葉分析方法 204
8.4 小波分析方法 206
8.4.1 短時傅里葉變換 206
8.4.2 小波變換 206
8.5 Hilbert-Huang變換方法 208
8.5.1 經驗模態分解 209
8.5.2 經驗模態分解的特性 210
8.5.3 Hilbert譜 212
8.5.4 端點效應問題 213
8.5.5 Hilbcrt-Huang分析示例 213
8.6 BSS分析方法 215
8.6.1 ICA 217
8.6.2 基于二階統計量的BSS算法 218
8.6.3 特征矩陣聯合近似對角化算法 222
8.6.4 基于時頻分析的BSS算法 223
8.6.5 卷積混合BSS方法 225
8.6.6 BSS分析示例 226
8.7 小結 228
參考文獻 229
第9章 總結與展望 231
9.1 全書總結 231
9.2 展望 235
參考文獻 235
展開全部
書友推薦
- >
李白與唐代文化
- >
龍榆生：詞曲概論/大家小書
- >
【精裝繪本】畫給孩子的中國神話
- >
山海經
- >
回憶愛瑪儂
- >
巴金－再思錄
- >
煙與鏡
- >
史學評論
本類暢銷
