基于數(shù)據(jù)的復(fù)雜工業(yè)過程監(jiān)測

第1章 故障檢測技術(shù)概述
1.1 引言
1.2 多元統(tǒng)計過程監(jiān)控簡介
1.2.1 過程監(jiān)控技術(shù)概述
1.2.2 工業(yè)過程監(jiān)控方法的分類
1.2.3 監(jiān)控技術(shù)的研究現(xiàn)狀
1.3 本書概況
第2章 基于KPCA的過程監(jiān)測方法
2.1 概述
2.2 滑動中值濾波
2.2.1 工作原理
2.2.2 滑動中值濾波算法
2.3 核主元分析（KPCA）
2.3.1 核主元分析算法
2.3.2 基于KPCA的過程監(jiān)控
2.4 動態(tài)核主元分析（DKPCA）算法
2.4.1 DKPCA基本原理介紹
2.4.2 DKPCA監(jiān)控流程
2.5 基于SMF-MsKPcA過程監(jiān)控算法
2.5.1 SMF-MSKPCA模型建立過程
2.5.2 SMF-MSKPCA故障檢測過程
2.6 基于SMF-MSKPCA的仿真研究
2.6.1 非線性數(shù)學(xué)模型應(yīng)用仿真
2.6.2 田納西過程的應(yīng)用仿真
2.6.3 青霉素發(fā)酵過程的應(yīng)用仿真
2.7 基于SMF-MSDKPCA的過程監(jiān)控方法
2.8 SMF-MSDKPCA監(jiān)控算法
2.9 仿真研究
2.9.1 動態(tài)非線性模型的應(yīng)用仿真
2.9.2 田納西過程的應(yīng)用仿真
2.10 本章小結(jié)
第3章 多模式過程監(jiān)控方法
3.1 概述
3.2 主元分析
3.2.1 主元分析建模
3.2.2 基于主元分析的過程監(jiān)控
3.3 多變量指數(shù)加權(quán)平均（MEwMA）
3.4 基于提取公共特性的多模式過程監(jiān)控方法
3.5 提取公共特性的多模式過程監(jiān)測方法
3.5.1 提取多模式公共基礎(chǔ)信息建立模型
3.5.2 將MEWMA引入多模式過程監(jiān)控方法
3.5.3 提取公共特性的多模式過程監(jiān)控方法在線監(jiān)測
3.6 仿真研究和結(jié)果分析
3.6.1 連續(xù)退火過程
3.6.2 仿真結(jié)果分析
3.7 非線性核多模式過程監(jiān)控方法
3.7.1 非線性核多模式過程監(jiān)控法離線建模
3.7.2 非線性核多模式方法與MEwMA結(jié)合
3.7.3 非線性核多模式過程監(jiān)控方法在線監(jiān)測
3.8 仿真研究和結(jié)果分析
3.8.1 電熔鎂爐工作過程
3.8.2 仿真結(jié)果分析
3.9 本章小結(jié)
第4章 非高斯過程的過程監(jiān)測方法
4.1 獨立元分析方法
4.1.1 獨立元分析的定義
4.1.2 數(shù)據(jù)預(yù)處理
4.1.3 獨立元分析算法
4.2 核獨立元分析算法
4.2.1 在特征空間中自化數(shù)據(jù)
4.2.2 利用改進(jìn)的ICA提取非線性獨立元
4.3 基于MBKICA的故障檢測方法
4.3.1 核矩陣分塊
4.3.2 利用MBKPCA算法求白化矩陣
4.3.3 用ICA算法進(jìn)行故障檢測
4.4 基于多模態(tài)KICA的故障檢測方法
4.4.1 提取各個模態(tài)的全局主要向量
4.4.2 引入核方法提取各模態(tài)全局主要向量
4.4.3 多模態(tài)KICA算法的基本原理
4.5 仿真分析
4.5.1 冷軋連續(xù)退火機(jī)組的生產(chǎn)過程描述
4.5.2 對MBKICA方法的仿真分析
4.5.3 對多模態(tài)KICA方法的仿真分析
4.6 本章小結(jié)
第5章 基于多尺度核偏最小二乘法的過程監(jiān)測方法研究
5.1 在線測量模型及相關(guān)算法研究
5.2 多尺度核偏最小二乘算法（MSKPLS）的研究
5.2.1 核偏最小二乘法
5.2.2 核偏最小二乘法的基本思想
5.2.3 核偏最小二乘算法建模機(jī)理
5.2.4 核函數(shù)的選擇
5.2.5 MSKPLS算法研究
5.3 過程監(jiān)測與故障診斷中的應(yīng)用規(guī)模和可變貢獻(xiàn)
5.4 實驗設(shè)計與結(jié)果分析
5.5 本章小結(jié)
第6章 工業(yè)過程的故障幅值估計
6.1 工業(yè)過程的故障幅值問題
6.2 故障幅值的估計
6.3 仿真研究
6.3.1 蒙特卡羅模擬
6.3.2 實驗結(jié)果分析與比較
6.4 本章小結(jié)