过程工业故障诊断PDF|Epub|txt|kindle电子书版本网盘下载

过程工业故障诊断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研究意义1

1.1.2故障诊断的任务3

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5

1.3基于定性知识的方法7

1.4基于历史数据的方法9

1.4.1基于信号处理的方法9

1.4.2多元统计方法10

1.4.3多元统计方法与模式识别方法的关系11

1.5过程工业故障诊断研究进展12

1.5.1多元统计方法应用于非线性问题13

1.5.2核多元统计方法在过程工业应用中的几个关键问题13

1.6本书内容安排16

参考文献17

第2章 过程工业故障检测与诊断的多元统计方法23

2.1引言23

2.2多元统计方法23

2.2.1 PCA23

2.2.2 FDA25

2.2.3 PIS28

2.2.4 CCA30

2.2.5 ICA32

2.3多元统计方法之间关系的统一框架34

2.3.1几种多元统计方法的关系34

2.3.2瑞利商下的统一37

2.3.3优化问题的转化37

2.4故障的检测和辨识38

2.4.1基于T2统计量和Q统计量的故障检测38

2.4.2基于I2统计量的故障检测39

2.4.3基于Bayes分类器的故障辨识40

2.4.4线性分类器与Bayes分类器的关系42

2.5仿真算例42

2.5.1仿真数据介绍42

2.5.2故障检测和诊断步骤45

2.5.3仿真结果与分析47

2.6小结53

参考文献53

第3章 过程工业故障诊断的核化多元统计方法56

3.1引言56

3.2核空间的定义与性质56

3.3核空间上的一些运算58

3.4算法可以核化的条件59

3.4.1特征向量的对偶表示形式59

3.4.2算法核化的条件59

3.5多元统计方法的核化算法60

3.5.1 KPCA60

3.5.2 KFDA61

3.5.3 KPLS62

3.5.4 KCCA65

3.5.5 KICA66

3.5.6对KCCA和KICA的变形和一些关系68

3.5.7核化算法的正则化70

3.5.8几种核化算法的联系70

3.6核参数的确定75

3.7多故障诊断问题76

3.7.1引言76

3.7.2基于核的Bayes决策函数77

3.7.3 KPCA和KFDA的故障诊断流程78

3.8仿真结果及分析79

3.9小结82

参考文献82

第4章 过程工业故障诊断的特征选取方法86

4.1引言86

4.2基于能量差异的小波包特征选取86

4.2.1算法思路88

4.2.2算法实现89

4.3基于组合测度的特征选取90

4.3.1基于B距离的特征选取90

4.3.2组合测度特征选取步骤90

4.4基于显著性检验和优化准则结合的双向可增删特征搜索92

4.4.1 t-检验92

4.4.2具体实现步骤92

4.5仿真结果94

4.5.1特征选取结果95

4.5.2在线故障诊断结果比较103

4.6小结135

参考文献135

第5章 过程工业故障诊断的小样本问题137

5.1引言137

5.2几种正则化KFDA算法及其比较137

5.2.1算法一——广义特征值方法137

5.2.2算法二——解方程组方法138

5.2.3算法三——凸优化解法140

5.3其他核算法的正则化142

5.3.1 RKCCA142

5.3.2 RKPLS143

5.4 SVM方法144

5.4.1硬间隔分类器144

5.4.2 1范数软间隔分类器145

5.4.3 2范数软间隔分类器146

5.5算法仿真146

5.6小结151

参考文献152

第6章 算法的模式稳定性153

6.1引言153

6.2模式稳定性概述153

6.3分类器的模式稳定性156

6.3.1线性分类函数的模式稳定性156

6.3.2 Bayes分类函数的模式稳定性158

6.3.3正则化FDA模式稳定性的变化160

6.4核Bayes分类函数的模式稳定性160

6.4.1线性函数类的模式稳定性160

6.4.2基于核的Bayes函数类的模式稳定性162

6.4.3算法模式稳定性分析163

6.5模式稳定性指标164

6.5.1误分差和百分比165

6.5.2误分均值偏离度165

6.6算法模式稳定性仿真分析165

6.6.1 KPCA与KFDA算法的模式稳定性165

6.6.2正则化KFDA算法的模式稳定性170

6.7核化算法参数的优化172

6.8小结173

参考文献173

第7章 基于解析模型的故障诊断175

7.1引言175

7.2故障描述176

7.2.1传感器故障模型176

7.2.2执行器故障模型177

7.2.3系统状态故障模型178

7.2.4未知输入系统故障模型178

7.2.5双水箱系统描述178

7.3状态估计法181

7.3.1观测器方法181

7.3.2滤波器方法186

7.3.3基于未知输入观测器的方法190

7.4参数估计法193

7.5等价空间法199

7.6鲁棒残差产生问题201

7.7小结202

参考文献202

第8章 基于信号处理的故障诊断203

8.1引言203

8.2时域分析方法203

8.3傅里叶分析方法204

8.4小波分析方法206

8.4.1短时傅里叶变换206

8.4.2小波变换206

8.5 Hilbert-Huang变换方法208

8.5.1经验模态分解209

8.5.2经验模态分解的特性210

8.5.3 Hilbert谱212

8.5.4端点效应问题213

8.5.5 Hilbert-Huang分析示例213

8.6 BSS分析方法215

8.6.1 ICA217

8.6.2基于二阶统计量的BSS算法218

8.6.3特征矩阵联合近似对角化算法222

8.6.4基于时频分析的BSS算法223

8.6.5卷积混合B355方法225

8.6.6 BSS分析示例226

8.7小结228

参考文献229

第9章 总结与展望2

9.1全书总结231

9.2展望235

参考文献235