基于频谱数据驱动的旋转机械设备负荷软测量PDF|Epub|txt|kindle电子书版本网盘下载

基于频谱数据驱动的旋转机械设备负荷软测量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引言1

1.2软测量技术的研究现状3

1.2.1软测量技术简介3

1.2.2特征提取与特征选择5

1.2.3选择性集成建模6

1.2.4在线集成建模8

1.3旋转机械设备负荷检测方法的研究现状10

1.3.1研磨机理数值仿真与筒体振动分析10

1.3.2仪表检测方法12

1.3.3数据驱动软测量方法17

1.3.4存在问题21

第2章 复杂工业过程旋转机械设备负荷特性分析23

2.1引言23

2.2复杂工业过程旋转机械设备负荷描述23

2.2.1工艺过程描述23

2.2.2负荷与负荷参数25

2.2.3负荷参数与工业过程生产率27

2.3旋转机械设备负荷的专家识别过程描述28

2.4旋转机械设备负荷的特性分析29

2.4.1工作机理29

2.4.2筒体振动分析37

2.4.3振声分析44

2.4.4电流分析47

2.4.5软测量模型输入输出关系48

2.5旋转机械设备负荷软测量模型的难点分析49

第3章 基于筒体振动频谱的特征选择与特征提取方法及其应用51

3.1引言51

3.2随机振动信号处理52

3.2.1振动信号的时域分析53

3.2.2振动信号的频域分析54

3.3维数约简与软测量模型输入特征选择58

3.3.1基于主元分析（PCA）/核PCA （KPCA）的特征提取方法59

3.3.2基于互信息（MI）的特征选择方法62

3.3.3支持向量机（SVM）模型的输入特征选择63

3.3.4上述特征提取与特征选择方法的局限性67

3.4旋转机械振动频谱特征提取与特征选择及其应用68

3.4.1基于组合优化的特征提取与特征选择策略68

3.4.2基于组合优化的特征提取与特征选择方法69

3.4.3算法步骤77

3.4.4实验研究79

第4章 基于频谱数据驱动的旋转机械设备负荷选择性集成建模及其应用92

4.1引言92

4.2选择集成建模与多传感器信息优化融合94

4.2.1神经网络集成理论框架95

4.2.2基于遗传算法的神经网络选择性集成（GASEN）97

4.2.3特征选择与选择性集成建模98

4.2.4基于自适应加权融合（AWF）算法的多传感器信息融合99

4.2.5选择性多源信息融合99

4.3基于偏最小二乘（PLS）/核PLS （KPLS）的集成建模方法及存在的问题100

4.3.1基于PLS/KPLS的集成建模方法101

4.3.2 PLS/KPLS集成建模方法存在的问题104

4.4基于筒体振动频谱的旋转机械设备负荷参数集成建模105

4.4.1基于筒体振动频谱的集成建模策略105

4.4.2基于筒体振动频谱的集成建模算法105

4.4.3实验研究108

4.5基于选择性集成多传感器频谱特征的旋转机械设备负荷参数软测量112

4.5.1基于选择性集成多传感器频谱特征的建模策略112

4.5.2基于选择性集成多传感器频谱特征的建模算法114

4.5.3建模步骤118

4.5.4实验研究119

4.6基于经验模态分解（EMD）和选择性集成学习的旋转机械设备负荷参数软测量133

4.6.1基于EMD和选择性集成学习的建模策略133

4.6.2基于EMD和选择性集成学习的建模算法134

4.6.3实验研究138

第5章 基于频谱数据驱动的旋转机械设备负荷参数在线集成建模及其应用162

5.1引言162

5.2递推更新算法164

5.2.1递推主元分析（RPCA）算法164

5.2.2递推偏最小二乘（RPLS）算法166

5.3更新样本识别算法167

5.3.1基于PCA模型167

5.3.2基于近似线性依靠（ALD）169

5.3.3其它更新样本识别算法及存在问题173

5.4基于ALD的在线建模算法174

5.4.1在线PCA-SVM（OLPCA-SVM）174

5.4.2在线PLS （OLPLS）176

5.4.3在线KPLS （OLKPLS）177

5.4.4算法讨论179

5.4.5实验研究180

5.5基于在线集成建模的旋转机械设备负荷参数软测量方法187

5.5.1建模策略187

5.5.2建模算法188

5.5.3建模步骤190

5.5.4实验研究190

参考文献195