基于数据的流程工业故障诊断方法研究【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

基于数据的流程工业故障诊断方法研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 概述1

1.1.1 流程工业故障诊断研究意义1

1.1.2 故障诊断的任务2

1.1.3 故障诊断的实现过程3

1.1.4 故障诊断方法分类4

1.2 基于解析模型的方法4

1.3 基于历史数据的方法6

1.3.1 基于信号处理的方法6

1.3.2 多元统计方法7

1.3.3 神经网络和专家系统8

1.3.4 基于数据的方法与模式识别方法的关系8

1.4 流程工业故障诊断研究进展9

1.4.1 多元统计方法10

1.4.2 基于神经网络的方法11

1.5 本书内容安排14

参考文献16

第2章 流程工业故障检测与诊断的多元统计方法22

2.1 引言22

2.2 多元统计方法22

2.2.1 主元分析法22

2.2.2 Fisher判据分析法25

2.2.3 部分最小二乘法27

2.2.4 典型相关分析29

2.2.5 独立元分析法31

2.2.6 几种多元统计方法在瑞利商下的统一32

2.3 故障的检测和辨识33

2.3.1 基于T2和Q统计量的故障检测33

2.3.2 基于I2统计量的故障检测35

2.3.3 基于Bayes分类器的故障辨识36

2.4 仿真算例37

2.4.1 仿真数据介绍37

2.4.2 故障检测和诊断步骤40

2.5 小结41

参考文献42

第3章 基于LGSPP的故障检测与辨识44

3.1 引言44

3.2 LGSPP算法44

3.2.1 LPP算法描述44

3.2.2 LGSPP算法描述45

3.3 基于LGSPP的故障检测与辨识45

3.3.1 T2和SPE统计量构造45

3.3.2 基于Bayes分类器的故障检测与辨识46

3.4 基于DLGSPP的故障检测49

3.4.1 DLGSPP的基本原理49

3.4.2 基于DLGSPP的故障检测49

3.5 仿真研究50

3.5.1 基于LGSPP的故障检测仿真研究50

3.5.2 基于DLGSPP的故障检测仿真研究54

3.6 小结56

参考文献56

第4章 基于LNS-LGSPP的多模态过程故障检测58

4.1 引言58

4.2 局部近邻标准化策略58

4.2.1 z-score标准化法58

4.2.2 局部近邻标准化处理61

4.2.3 局部近邻标准化分析62

4.3 基于LNS-LGSPP算法的故障检测63

4.4 仿真分析64

4.4.1 数值仿真65

4.4.2 TE过程71

4.5 小结74

参考文献75

第5章 基于DKPCA及其改进算法的故障检测研究76

5.1 引言76

5.2 KPCA原理76

5.3 基于DKPCA的故障检测78

5.3.1 动态数据矩阵78

5.3.2 核函数及核参的选取78

5.3.3 基于DKPCA的故障检测步骤80

5.4 基于EFS-DKPCA的故障检测81

5.4.1 正交基的构造81

5.4.2 输入空间到特征子空间的映射82

5.4.3 基于EFS-DKPCA的故障检测步骤83

5.5 仿真研究83

5.5.1 基于DKPCA的故障检测仿真分析84

5.5.2 基于EFS-DKPCA的故障检测仿真分析87

5.6 小结90

参考文献90

第6章 基于BDKPCA及其改进算法的故障检测研究92

6.1 引言92

6.2 基于BDKPCA的故障检测92

6.2.1 移动时间窗92

6.2.2 BDKPCA基本原理93

6.2.3 基于BDKPCA的故障检测步骤93

6.3 基于小波去噪与EFS-BDKPCA的故障检测94

6.3.1 小波去噪简介94

6.3.2 基于小波去噪与EFS-BDKPCA的故障检测步骤96

6.4 仿真研究96

6.4.1 基于BDKPCA的故障检测仿真分析97

6.4.2 基于小波与EFS-BDKPCA的故障检测仿真分析97

6.5 小结102

参考文献102

第7章 学习矢量量化神经网络103

7.1 引言103

7.2 神经网络简介103

7.2.1 人工神经元模型103

7.2.2 多层前馈神经网络模型104

7.3 LVQ神经网络105

7.3.1 LVQ神经网络结构105

7.3.2 LVQ神经网络实现规则106

7.4 PCA-LVQ神经网络107

7.4.1 基于PCA-LVQ的故障检测仿真分析108

7.4.2 基于PCA-LVQ的故障诊断仿真分析111

7.5 小结112

参考文献112

第8章 基于IIWPSO-PNN的故障诊断113

8.1 引言113

8.2 PNN简介113

8.2.1 模式识别Bayes判决理论113

8.2.2 PNN网络结构114

8.2.3 PNN算法115

8.3 IIWPSO算法118

8.3.1 PSO的基本形式118

8.3.2 PSO控制参数119

8.3.3 IIWPSO算法120

8.4 IIWPSO-PNN训练过程121

8.5 仿真分析123

8.5.1 数值仿真123

8.5.2 基于IIWPSO-PNN的故障检测仿真分析125

8.5.3 基于IIWPSO-PNN的故障诊断仿真分析128

8.6 小结129

参考文献129

第9章 基于神经网络集成的故障诊断131

9.1 引言131

9.2 集成神经网络131

9.2.1 神经网络集成的机理研究131

9.2.2 个体生成方式研究133

9.2.3 结论生成方式研究134

9.3 IIWPSO-PNN集成算法135

9.4 仿真分析136

9.4.1 UCI标准机器学习库136

9.4.2 基于IIWPSO-PNN集成的故障检测仿真分析136

9.4.3 基于IIWPSO-PNN集成的故障诊断仿真分析138

9.5 小结139

参考文献139

第1 0章 流程工业数据建模方法与大数据建模140

10.1 引言140

10.2 大数据概述140

10.2.1 大数据的定义140

10.2.2 我国的大数据发展141

10.2.3 大数据的研究意义142

10.2.4 大数据发展趋势143

10.3 大数据的特点与研究领域145

10.3.1 大数据的特点从3V到6V大数据定义演变145

10.3.2 大数据的研究领域146

10.3.3 流程工业大数据的特点147

10.4 数据建模方法149

10.4.1 流程工业数据建模方法149

10.4.2 互联网公司大数据建模方法149

10.4.3 流程工业大数据建模150

10.5 流程工业大数据的挑战和机遇150

10.5.1 流程工业大数据特点给传统数据建模方法带来的挑战150

10.5.2 计算机学科大数据最新进展带来的机遇151

10.6 流程工业大数据建模最新进展与研究展望151

10.6.1 多层面潜结构建模151

10.6.2 多时空时间序列数据建模152

10.6.3 含有不真实数据的鲁棒建模153

10.6.4 支持实时建模的大容量数据计算架构与方法154

10.7 结论154

参考文献155