数据驱动的工业过程故障诊断技术 基于主元分析与偏最小二乘的方法【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

数据驱动的工业过程故障诊断技术 基于主元分析与偏最小二乘的方法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 动态系统故障诊断技术概述1

1.1引言1

1.2定性分析方法2

1.2.1图论方法2

1.2.2专家系统3

1.2.3定性仿真4

1.3定量分析方法4

1.3.1基于解析模型的方法4

1.3.2数据驱动的方法6

1.4故障预测11

1.5全书概况11

参考文献14

第2章 主元分析的基本理论22

2.1引言22

2.2主元分析模型23

2.2.1主元分析建模方法23

2.2.2主元分析的性质23

2.2.3主元子空间和残差子空间24

2.3基于主元分析的故障检测25

2.4传感器故障重构27

2.5基于主元分析的故障诊断28

2.5.1基于传统贡献图的故障诊断技术28

2.5.2基于传感器有效度指标的故障诊断技术29

2.5.3基于重构贡献图的故障诊断技术30

2.6 PVC生产过程的故障检测与诊断30

2.6.1 PVC间歇反应过程简介30

2.6.2 PVC生产过程MPCA模型的建立31

2.6.3基于MPCA的PVC生产过程故障检测32

2.7结束语35

参考文献35

第3章 基于子空间技术的多维故障重构及辨识39

3.1引言39

3.2故障检测与可检测性40

3.2.1主元分析与故障检测40

3.2.2故障可检测性的定义41

3.2.3可检测性的必要条件41

3.2.4可检测性的充分条件43

3.3故障重构与可重构性43

3.3.1故障重构43

3.3.2完全可重构性44

3.3.3部分可重构性45

3.3.4完全与部分可重构的关系45

3.4故障辨识46

3.5故障分离与可分离性46

3.5.1故障分离47

3.5.2完全可分离性47

3.5.3部分可分离性48

3.6仿真案例研究50

3.6.1可检测性与可重构性51

3.6.2故障可分离性52

3.7结束语53

参考文献54

附录55

第4章 最优主元个数的选取方法58

4.1引言58

4.2主元模型58

4.3累计方差贡献率准则60

4.4 PRESS检验法模型60

4.5未重构方差模型61

4.5.1重构方差61

4.5.2重构误差方差62

4.5.3未重构方差模型62

4.6 Scree检验法模型63

4.7故障信噪比确定模型63

4.7.1故障信噪比的定义63

4.7.2基于故障信噪比确定主元数的原理65

4.7.3传感器故障方向的确定65

4.8 Tennessee Eastman过程应用研究65

4.8.1 TE过程简介65

4.8.2应用结果与讨论68

4.9结束语75

参考文献76

第5章 动态时间规整理论及应用78

5.1引言78

5.2动态时间规整78

5.3模式间匹配距离79

5.3.1模式间的局部距离79

5.3.2模式间的标准总体距离79

5.3.3模式间最短标准总体距离79

5.4最优路径80

5.5动态时间规整基本算法80

5.5.1对称式算法81

5.5.2非对称式算法81

5.6动态规划约束条件83

5.6.1终点约束83

5.6.2局部约束83

5.6.3全局约束84

5.7动态时间规整理论应用85

5.7.1多元批次轨迹同步化85

5.7.2基于MSDTW的多元批次轨迹的同步化93

5.8结束语99

参考文献99

第6章 基于非正常子域的故障分离101

6.1引言101

6.2基于非正常子域的故障分离原理101

6.2.1正常子域和非正常子域101

6.2.2基于ANSR的故障分离102

6.3基于主元分析的故障可分离性104

6.3.1可分离的充分条件104

6.3.2可分离的必要条件105

6.4基于主元分析的PVC生产过程故障传感器分离106

6.4.1基于非正常子域的故障分离106

6.4.2基于ANSR与基于SPE贡献图和SVI方法故障分离技术比较110

6.5基于非正常子域的故障分离的性能分析111

6.5.1高有效性111

6.5.2低计算复杂度111

6.6结束语113

参考文献113

第7章 基于多块PLS的过程监测和诊断技术116

7.1引言116

7.2低密度聚乙烯过程117

7.3基于PLS的监测和诊断119

7.3.1潜结构投影模型（PLS）119

7.3.2针对LDPE过程的PLS模型120

7.3.3利用PLS对LDPE进行故障检测121

7.3.4利用PLS对LDPE过程进行故障诊断124

7.4多块PLS模型127

7.5基于多块PLS的监测和诊断技术128

7.6结束语134

符号说明135

参考文献136

附录137

第8章 基于递推PLS算法的自适应数据建模140

8.1引言140

8.2 PLS与递推PLS141

8.2.1 PLS回归141

8.2.2递推PLS回归143

8.2.3非零均值的递推PLS回归145

8.3分块的递推PLS算法与自适应策略146

8.3.1分块递推PLS算法146

8.3.2带移动窗口的自适应技术147

8.3.3带遗忘因子的自适应技术149

8.4交叉验证和最终的递推分块PLS建模150

8.5动态和非线性的递推PLS回归建模152

8.5.1动态过程建模152

8.5.2非线性过程建模153

8.6在化工过程建模中的应用153

8.7结束语156

参考文献157

附录158

第9章 偏最小二乘模型用于过程监控时的几何特性研究160

9.1引言160

9.2偏最小二乘模型（PLS）161

9.3 PLS对X空间的分解特性及其与PCA的比较162

9.4 PLS对X空间分解的几何解释164

9.4.1 PCA的空间分解结构164

9.4.2 PLS的空间分解结构164

9.4.3其他PLS变形算法的空间分解结构165

9.4.4从空间分解的角度比较三种PLS模型166

9.5不同的PLS模型用于过程监控时的比较167

9.5.1基于标准PLS的过程监控策略167

9.5.2基于SIMPLS的过程监控策略168

9.5.3基于WPLS的过程监控策略168

9.5.4三种监控策略的比较169

9.6仿真及案例研究170

9.6.1数值仿真研究170

9.6.2 TE过程案例研究172

9.7结束语173

参考文献173

附录174

第10章 全潜结构投影模型及其在过程监控上的应用177

10.1引言177

10.2潜结构投影模型（PLS）178

10.3全潜结构投影模型179

10.3.1单变量输出下的全潜结构投影算法（T-PLS1）179

10.3.2 T-PLS模型的性质180

10.3.3 T-PLS与O-PLS的关系181

10.3.4 T-PLS的投影结构182

10.3.5多变量输出下的T-PLS模型（T-PLS2）184

10.4基于T-PLS模型的故障检测技术184

10.5数值仿真和TE过程案例研究186

10.5.1数值仿真研究186

10.5.2 TE过程案例研究193

10.6结束语195

参考文献195

附录196

第11章 基于T-PLS的输出相关故障重构技术及其应用198

11.1引言198

11.2输出相关的故障检测与可检测性199

11.2.1基于T-PLS的故障检测199

11.2.2一种新的混合检测指标？200

11.2.3基于？的故障可检测性201

11.3输出相关的故障重构与可重构性202

11.3.1基于混合指标的故障重构和估计202

11.3.2重构误差和故障估计误差203

11.4故障子空间的抽取203

11.4.1故障子空间的抽取204

11.4.2和Y相关的故障子空间抽取204

11.4.3降维的故障子空间抽取205

11.5基于重构的贡献图技术的故障诊断205

11.5.1基于重构的贡献图技术205

11.5.2基于T-PLS的广义重构贡献图方法206

11.5.3 RBC的几何意义207

11.5.4广义RBC方法总结208

11.6仿真及案例研究208

11.6.1数值仿真研究208

11.6.2 TE过程案例研究209

11.7结束语221

参考文献222

附录223

第12章 基于PCA重构的连续过程故障预测225

12.1引言225

12.2问题描述226

12.3基于重构的故障估计226

12.3.1基于PCA的故障检测227

12.3.2基于重构的故障估计227

12.3.3一个新的故障检测指标228

12.4基于小波和向量自回归模型的故障预测技术228

12.4.1基于小波的去噪技术228

12.4.2基于向量自回归模型的故障预测229

12.4.3剩余有效寿命预测230

12.4.4故障预测方法小结230

12.5案例研究231

12.5.1 CSTR案例研究231

12.5.2 TE过程案例研究236

12.6结束语240

参考文献241

第13章 基于T-PLS和向量AR模型的输出相关故障预测243

13.1引言243

13.2问题描述244

13.3基于T-PLS的输出相关故障估计245

13.3.1全潜结构投影模型245

13.3.2输出相关的故障检测与诊断245

13.3.3输出相关的故障估计246

13.4基于带噪声VAR模型的故障预测246

13.4.1带噪声的向量自回归模型246

13.4.2模型参数的估计246

13.4.3基于Kalman滤波的故障预测248

13.4.4剩余有效寿命的预测249

13.5案例研究249

13.5.1一个数值仿真例子249

13.5.2 TE过程案例研究257

13.6结束语260

参考文献260

附录262