數(shù)據(jù)驅動的故障檢測與診斷--以高爐煉鐵過程為例
定 價：158 元
當前圖書已被 1 所學校薦購過！
查看明細
- 作者：楊春節(jié),樓嗣威,孫優(yōu)賢
- 出版時間：2024/10/1
- ISBN：9787030795465
- 出 版 社：科學出版社
- 中圖法分類：TF53
- 頁碼：256
- 紙張：
- 版次：1
- 開本：B5
高爐煉鐵過程故障檢測與診斷是國際公認的挑戰(zhàn)性難題。本書從數(shù)據(jù)驅動角度系統(tǒng)性地總結和闡述作者及其團隊近10余年在高爐煉鐵過程故障檢測與診斷方面的一系列研究成果，主要包括緒論、故障檢測、故障診斷及工業(yè)應用四部分內容。故障檢測部分主要針對過程數(shù)據(jù)強噪聲、非線性和非平穩(wěn)等問題，重點介紹主成分追蹤、平穩(wěn)子空間分析和圖理論等檢測方法；故障診斷部分主要針對多工況、大時變和小樣本等難點，重點介紹隱馬爾可夫模型、核網(wǎng)絡模型、生成對抗網(wǎng)絡和遷移學習等診斷方法；工業(yè)應用部分主要闡述工業(yè)互聯(lián)網(wǎng)基礎上故障檢測與診斷的具體實現(xiàn)，包括工業(yè)互聯(lián)網(wǎng)平臺架構、數(shù)字孿生體構建和應用實例。
更多科學出版社服務，請掃碼獲取。
1992年、1995年、1998年在浙江大學分別獲機械設計與制造專業(yè)工學學士、流體傳動與控制專業(yè)工學碩士、控制理論與控制工程專業(yè)工學博士學位。1998年在浙江大學控制系留校任教至今，2009年晉升浙江大學教授，2010年任博士生導師，2019年受聘為浙江大學求是特聘教授。高端控制裝備及系統(tǒng)設計開發(fā)平臺研究與應用，國家科學技術進步一等獎，2013年，排名第3。
IEEE Senior Member，中國自動化學會高級會員，中國自動化學會過程控制專委會常務委員，技術過程故障診斷與安全性專委會委員，中國通用機械工業(yè)協(xié)會能量回收裝置分會委員，浙江省智能制造專家委員會委員，浙江省節(jié)能減排監(jiān)測控制專委會委員。
目錄
前言
第1章緒論1
1.1引言1
1.2高爐煉鐵過程及其故障檢測與診斷問題描述2
1.2.1高爐煉鐵過程描述2
1.2.2高爐煉鐵過程生產操作制度3
1.2.3不同工況特性闡述4
1.2.4煉鐵過程變量分析6
1.2.5過程數(shù)據(jù)特性分析7
1.3高爐煉鐵過程故障檢測與診斷研究現(xiàn)狀8
1.3.1定性分析方法8
1.3.2定量分析方法10
1.3.3故障檢測與診斷的量化指標12
參考文獻13
第2章高爐煉鐵過程故障檢測的主成分追蹤方法18
2.1主成分追蹤概述19
2.1.1主成分分析概述19
2.1.2魯棒主成分分析概述19
2.1.3主成分追蹤理論20
2.1.4數(shù)據(jù)噪聲處理與故障檢測實現(xiàn)21
2.1.5案例分析27
2.2故障檢測的主成分追蹤方法29
2.2.1問題描述29
2.2.2離群點處理的主成分追蹤方法29
2.2.3基于主成分追蹤的故障檢測方法31
2.2.4案例分析33
2.3故障檢測的魯棒主成分追蹤方法36
2.3.1問題描述37
2.3.2魯棒主成分追蹤求解算法與收斂性證明37
2.3.3基于魯棒主成分追蹤的故障檢測方法42
2.3.4案例分析43
參考文獻45
第3章高爐煉鐵過程故障檢測的平穩(wěn)子空間分析方法47
3.1平穩(wěn)子空間分析概述48
3.2面向動態(tài)非平穩(wěn)過程特性的故障檢測50
3.2.1動態(tài)非平穩(wěn)過程描述50
3.2.2自適應動態(tài)可解釋分析平穩(wěn)子空間分析算法51
3.2.3改進統(tǒng)計量和自適應策略構建54
3.2.4故障可檢測性分析56
3.2.5模型參數(shù)討論59
3.2.6案例分析60
3.3面向非線性非平穩(wěn)過程特性的故障檢測67
3.3.1非線性非平穩(wěn)高爐煉鐵過程故障描述67
3.3.2局部寬度核動態(tài)平穩(wěn)子空間分析算法67
3.3.3非平穩(wěn)對故障檢測性能的影響分析69
3.3.4局部統(tǒng)計量構建與性能分析72
3.3.5案例分析75
3.4面向全局-局部非線性耦合過程特性的故障檢測79
3.4.1復雜非線性問題描述79
3.4.2全局-局部非線性平穩(wěn)子空間分析算法80
3.4.3案例分析89
參考文獻98
第4章高爐煉鐵過程故障檢測的圖理論方法101
4.1圖理論方法概述101
4.2故障檢測的半監(jiān)督加權圖方法104
4.2.1問題描述104
4.2.2基于半監(jiān)督加權圖的故障檢測方法105
4.2.3案例分析108
4.3故障檢測的無監(jiān)督加權圖方法112
4.3.1問題描述112
4.3.2基于無監(jiān)督加權圖的故障檢測方法113
4.3.3案例分析114
4.4故障檢測的自適應無監(jiān)督加權圖方法119
4.4.1問題描述119
4.4.2基于自適應無監(jiān)督加權圖的故障檢測方法120
4.4.3案例分析124
參考文獻126
第5章高爐煉鐵過程故障診斷的隱馬爾可夫模型128
5.1隱馬爾可夫模型概述128
5.1.1隱馬爾可夫模型129
5.1.2自適應特征提取的故障診斷130
5.2故障診斷的隱馬爾可夫模型133
5.2.1有效變量選擇與故障診斷133
5.2.2基于隱馬爾可夫模型的故障診斷模型135
5.2.3案例分析136
5.3多工況過程故障診斷的移動窗隱馬爾可夫模型139
5.3.1工況識別140
5.3.2故障檢測指標構建141
5.3.3多工況過程監(jiān)測與診斷算法142
5.3.4案例分析144
參考文獻147
第6章高爐煉鐵過程故障診斷的核網(wǎng)絡方法150
6.1支持向量機概述151
6.1.1支持向量機151
6.1.2核函數(shù)理論性能152
6.2故障診斷的深度平穩(wěn)核學習支持向量機153
6.2.1多層堆砌核網(wǎng)絡的深度平穩(wěn)非線性表示153
6.2.2深度平穩(wěn)核學習支持向量機分類器的構建154
6.2.3模型優(yōu)化求解155
6.2.4故障診斷流程157
6.2.5案例分析157
6.3非線性非平穩(wěn)過程故障診斷的核網(wǎng)絡方法165
6.3.1非線性一致特征構造165
6.3.2融合深度寬度平穩(wěn)核網(wǎng)絡的故障分類器設計168
6.3.3案例分析170
參考文獻175
第7章高爐煉鐵過程故障診斷的生成對抗網(wǎng)絡方法178
7.1主動學習與生成對抗網(wǎng)絡概述179
7.1.1主動學習方法179
7.1.2生成對抗網(wǎng)絡180
7.2少標簽故障診斷的半監(jiān)督生成對抗網(wǎng)絡方法183
7.2.1主動半監(jiān)督學習和生成對抗網(wǎng)絡方法183
7.2.2案例分析189
7.3零樣本故障診斷的條件生成對抗網(wǎng)絡方法195
7.3.1條件生成對抗網(wǎng)絡方法的模型訓練、樣本生成與故障識別算法195
7.3.2案例分析199
參考文獻204
第8章高爐煉鐵過程故障診斷的遷移學習方法206
8.1遷移學習概述207
8.1.1最大均值差異207
8.1.2深度域混淆208
8.1.3深度適應網(wǎng)絡210
8.2時變小樣本故障診斷的深度加權聯(lián)合分布適應網(wǎng)絡211
8.2.1聯(lián)合分布適應基礎概述211
8.2.2深度加權聯(lián)合分布適應網(wǎng)絡框架213
8.2.3案例分析219
8.3時變魯棒故障診斷的極小極大熵協(xié)同訓練方法225
8.3.1遷移學習的泛化誤差分析225
8.3.2極小極大熵協(xié)同訓練算法226
8.3.3案例分析231
8.4故障診斷的非完整多源遷移學習方法235
8.4.1多源學習概述236
8.4.2極小極大熵的非完整多源遷移學習算法236
8.4.3案例分析239
參考文獻243
第9章基于工業(yè)互聯(lián)網(wǎng)的高爐煉鐵過程故障檢測與診斷應用245
9.1工業(yè)互聯(lián)網(wǎng)平臺架構245
9.2工業(yè)互聯(lián)網(wǎng)平臺搭建247
9.2.1容器化技術247
9.2.2容器編排248
9.2.3集群管理249
9.3數(shù)字孿生體構建251
9.4基于工業(yè)互聯(lián)網(wǎng)的高爐煉鐵過程故障檢測與診斷253
9.4.1孿生數(shù)據(jù)驅動的故障檢測與診斷253
9.4.2應用實例254
參考文獻256
彩圖
書單推薦
