“中国制造2025”出版工程工业过程运行状态智能监控:数据驱动方法 本书特色
本书围绕工业过程运行状态智能监控的若干核心问题展开论述。第1章介绍了工业过程运行状态监控的重要性与前人工作。第2章综述了工业过程运行状态监控的理论基础, 重点阐述以主元分析、偏*小二乘、费舍尔判别分析等为核心的多元统计分析方法。第3～5章主要介绍了针对工业过程正常运行状态优劣的区分与分析, 具体包括基于综合经济指标的运行状态评价方法、分析状态间的优性相关信息的评价方法以及针对非高斯多模态过程的运行状态评价。第6～9章主要介绍了异常检测与诊断方法, 书中主要基于多元统计分析方法对这些问题进行了研究。
本书可供从事自动化过程监控研究、设计、开发和应用的广大工程技术人员阅读, 也可作为自动控制或信息科学等相关专业研究生的教学参考书。
“中国制造2025”出版工程工业过程运行状态智能监控:数据驱动方法 内容简介
本书围绕工业过程运行状态智能监控的若干核心问题展开论述。章介绍了工业过程运行状态监控的重要性与前人工作。第2章综述了工业过程运行状态监控的理论基础, 重点阐述以主元分析、偏很小二乘、费舍尔判别分析等为核心的多元统计分析方法。第3～5章主要介绍了针对工业过程正常运行状态优劣的区分与分析, 具体包括基于综合经济指标的运行状态评价方法、分析状态间的优性相关信息的评价方法以及针对非高斯多模态过程的运行状态评价。第6～9章主要介绍了异常检测与诊断方法, 书中主要基于多元统计分析方法对这些问题进行了研究。
本书可供从事自动化过程监控研究、设计、开发和应用的广大工程技术人员阅读, 也可作为自动控制或信息科学等相关专业研究生的教学参考书。
“中国制造2025”出版工程工业过程运行状态智能监控:数据驱动方法 目录
第1章 绪论 / 1
1.1 概述 / 2
1.2 工业过程运行状态监控的研究现状 / 4
1.2.1 状态评价和非优原因追溯的研究现状 / 4
1.2.2 状态监测与故障诊断的研究现状 / 8
参考文献 / 12
第2章 过程监控的基础理论与方法 / 21
2.1 概述 / 22
2.2 多变量统计过程监控 / 23
2.2.1 数据的标准化处理 / 24
2.2.2 主成分分析 / 25
2.2.3 偏*小二乘 / 27
2.2.4 全潜结构投影模型 / 28
2.2.5 高斯混合模型 / 29
2.2.6 费舍尔判别分析方法 / 31
2.2.7 基于PCA的多变量统计过程监测 / 32
2.2.8 基于变量贡献图的故障诊断 / 34
2.2.9 基于重构的故障诊断方法 / 35
2.2.10 PCA和PLS的衍生方法及其应用 / 37
参考文献 / 38
第3章 基于综合经济指标相关信息的连续过程运行状态在线评价 /
45
3.1 概述 / 46
3.2 基于T-PLS的评价建模和过程运行状态在线评价 / 47
3.2.1 基本思想 / 47
3.2.2 基于T-PLS的评价建模 / 48
3.2.3 基于T-PLS的过程运行状态在线评价 / 50
3.2.4 基于变量贡献率的非优原因追溯 / 51
3.3 氰化浸出工序中的应用研究 / 54
3.3.1 过程描述 / 54
3.3.2 实验设计和建模数据 / 56
3.3.3 算法验证及讨论 / 57
参考文献 / 59
第4章 基于优性相关信息的连续过程运行状态在线评价 / 62
4.1 概述 / 63
4.2 基于优性相关信息的评价建模和过程运行状态在线评价 /
64
4.2.1 基本思想 / 64
4.2.2 ORI的提取及评价建模 / 65
4.2.3 基于优性相关信息的过程运行状态在线评价 /
70
4.2.4 基于变量贡献率的非优原因追溯 / 71
4.3 氰化浸出工序中的应用研究 / 71
4.3.1 实验设计和建模数据 / 71
4.3.2 算法验证及讨论 / 72
附录 组间共性分析算法 / 79
参考文献 / 82
第5章 非高斯多模态过程运行状态在线评价 / 84
5.1 概述 / 85
5.2 基于高斯混合模型的非高斯多模态过程评价建模及运行状态在线评价 / 86
5.2.1 基本思想 / 86
5.2.2 基于GMM-GPR的稳定模态评价建模 / 88
5.2.3 基于GMM的过渡模态评价建模 / 90
5.2.4 在线模态识别 / 91
5.2.5 非高斯多模态过程运行状态在线评价 / 94
5.2.6 基于变量贡献率的非高斯多模态过程非优原因追溯 / 95
5.3 田纳西-伊斯曼过程中的仿真研究 / 101
5.3.1 过程描述 / 101
5.3.2 实验设计和建模数据 / 102
5.3.3 算法验证及讨论 / 107
参考文献 / 113
第6章 基于线性评估与线性变量组划分的过程分层建模与在线监测 /
116
6.1 概述 / 117
6.2 基于PCA和KPCA的过程监测 / 119
6.3 变量相关性评估 / 120
6.3.1 *大相关性潜变量（Maximum-
Correlation Latent Variable,MCLV） / 120
6.3.2 基于弹性网和重采样的变量相关性评估 /
121
6.4 基于变量相关性评估的线性变量组划分 / 123
6.5 分层建模与在线监测 / 126
6.5.1 基于PCA-KPCA的分层建模 / 127
6.5.2 分层在线监测 / 128
6.6 卷烟制丝过程中的应用研究 / 129
6.6.1 过程描述 / 129
6.6.2 算法验证及讨论 / 130
参考文献 / 134
第7章 基于蒙特卡罗和嵌套迭代费舍尔判别分析的工业过程故障诊断方法 / 137
7.1 概述 / 138
7.2 嵌套迭代费舍尔判别分析方法 / 140
7.3 基于嵌套迭代费舍尔判别分析的故障变量隔离与故障诊断 /
144
7.3.1 基于蒙特卡罗和嵌套迭代费舍尔判别分析的故障变量选择 / 144
7.3.2 双重故障诊断模型 / 149
7.3.3 在线概率故障诊断 / 151
7.4 卷烟生产过程中的应用研究 / 153
参考文献 / 162
第8章 基于协整分析的非平稳过程在线故障诊断 / 165
8.1 概述 / 166
8.2 协整分析 / 168
8.3 基于协整分析的非平稳工业过程在线故障诊断方法 /
170
8.3.1 非平稳变量识别 / 171
8.3.2 基于协整分析的故障检测 / 171
8.3.3 基于协整分析的稀疏重构方法 / 172
8.4 火力发电过程中的应用研究 / 175
参考文献 / 182
第9章 基于关键退化变量分析与方向提取的在线故障预测 /
186
9.1 概述 / 187
9.2 方法 / 189
9.2.1 面向故障退化的费舍尔判别分析方法 / 189
9.2.2 稳定性因子的定义 / 192
9.2.3 非平稳变量识别 / 193
9.2.4 基于非平稳变量的故障建模 / 195
9.3 案例研究 / 197
9.3.1 数值仿真 / 198
9.3.2 卷烟制丝过程 / 200
9.3.3 田纳西-伊斯曼过程 / 204
参考文献 / 206
索引 / 209
