工業過程運行狀態智能監控：數據驅動方法（簡體書）

本書圍繞工業過程運行狀態智能監控的若干核心問題展開論述。第1章介紹了工業過程運行狀態監控的重要性與前人工作。第2章綜述了工業過程運行狀態監控的理論基礎, 重點闡述以主元分析、偏最小二乘、費舍爾判別分析等為核心的多元統計分析方法。第3～5章主要介紹了針對工業過程正常運行狀態優劣的區分與分析, 具體包括基於綜合經濟指標的運行狀態評價方法、分析狀態間的優性相關信息的評價方法以及針對非高斯多模態過程的運行狀態評價。第6～9章主要介紹了異常檢測與診斷方法, 書中主要基於多元統計分析方法對這些問題進行了研究。
本書可供從事自動化過程監控研究、設計、開發和應用的廣大工程技術人員閱讀, 也可作為自動控制或信息科學等相關專業研究生的教學參考書。

趙春暉，浙江大學控制科學與工程系，特聘研究員，浙江大學特聘研究員研究方向：基於多元統計分析的數據處理與建模；化工過程監測、故障診斷、質量預測；糖尿病人工胰臟血糖監測及預測。

第1章 緒論 / 1
1.1 概述 / 2
1.2 工業過程運行狀態監控的研究現狀 / 4
1.2.1 狀態評價和非優原因追溯的研究現狀 / 4
1.2.2 狀態監測與故障診斷的研究現狀 / 8
參考文獻 / 12
第2章 過程監控的基礎理論與方法 / 21
2.1 概述 / 22
2.2 多變量統計過程監控 / 23
2.2.1 數據的標準化處理 / 24
2.2.2 主成分分析 / 25
2.2.3 偏最小二乘 / 27
2.2.4 全潛結構投影模型 / 28
2.2.5 高斯混合模型 / 29
2.2.6 費舍爾判別分析方法 / 31
2.2.7 基於PCA的多變量統計過程監測 / 32
2.2.8 基於變量貢獻圖的故障診斷 / 34
2.2.9 基於重構的故障診斷方法 / 35
2.2.10 PCA和PLS的衍生方法及其應用 / 37
參考文獻 / 38
第3章 基於綜合經濟指標相關信息的連續過程運行狀態在線評價 / 45
3.1 概述 / 46
3.2 基於T-PLS的評價建模和過程運行狀態在線評價 / 47
3.2.1 基本思想 / 47
3.2.2 基於T-PLS的評價建模 / 48
3.2.3 基於T-PLS的過程運行狀態在線評價 / 50
3.2.4 基於變量貢獻率的非優原因追溯 / 51
3.3 氰化浸出工序中的應用研究 / 54
3.3.1 過程描述 / 54
3.3.2 實驗設計和建模數據 / 56
3.3.3 算法驗證及討論 / 57
參考文獻 / 59
第4章 基於優性相關信息的連續過程運行狀態在線評價 / 62
4.1 概述 / 63
4.2 基於優性相關信息的評價建模和過程運行狀態在線評價 / 64
4.2.1 基本思想 / 64
4.2.2 ORI的提取及評價建模 / 65
4.2.3 基於優性相關信息的過程運行狀態在線評價 / 70
4.2.4 基於變量貢獻率的非優原因追溯 / 71
4.3 氰化浸出工序中的應用研究 / 71
4.3.1 實驗設計和建模數據 / 71
4.3.2 算法驗證及討論 / 72
附錄 組間共性分析算法 / 79
參考文獻 / 82
第5章 非高斯多模態過程運行狀態在線評價 / 84
5.1 概述 / 85
5.2 基於高斯混合模型的非高斯多模態過程評價建模及運行狀態在線評價 / 86
5.2.1 基本思想 / 86
5.2.2 基於GMM-GPR的穩定模態評價建模 / 88
5.2.3 基於GMM的過渡模態評價建模 / 90
5.2.4 在線模態識別 / 91
5.2.5 非高斯多模態過程運行狀態在線評價 / 94
5.2.6 基於變量貢獻率的非高斯多模態過程非優原因追溯 / 95
5.3 田納西-伊斯曼過程中的仿真研究 / 101
5.3.1 過程描述 / 101
5.3.2 實驗設計和建模數據 / 102
5.3.3 算法驗證及討論 / 107
參考文獻 / 113
第6章 基於線性評估與線性變量組劃分的過程分層建模與在線監測 / 116
6.1 概述 / 117
6.2 基於PCA和KPCA的過程監測 / 119
6.3 變量相關性評估 / 120
6.3.1 最大相關性潛變量(Maximum- Correlation Latent Variable,MCLV) / 120
6.3.2 基於彈性網和重採樣的變量相關性評估 / 121
6.4 基於變量相關性評估的線性變量組劃分 / 123
6.5 分層建模與在線監測 / 126
6.5.1 基於PCA-KPCA的分層建模 / 127
6.5.2 分層在線監測 / 128
6.6 捲煙制絲過程中的應用研究 / 129
6.6.1 過程描述 / 129
6.6.2 算法驗證及討論 / 130
參考文獻 / 134
第7章 基於蒙特卡羅和嵌套迭代費舍爾判別分析的工業過程故障診斷方法 / 137
7.1 概述 / 138
7.2 嵌套迭代費舍爾判別分析方法 / 140
7.3 基於嵌套迭代費舍爾判別分析的故障變量隔離與故障診斷 / 144
7.3.1 基於蒙特卡羅和嵌套迭代費舍爾判別分析的故障變量選擇 / 144
7.3.2 雙重故障診斷模型 / 149
7.3.3 在線概率故障診斷 / 151
7.4 捲煙生產過程中的應用研究 / 153
參考文獻 / 162
第8章 基於協整分析的非平穩過程在線故障診斷 / 165
8.1 概述 / 166
8.2 協整分析 / 168
8.3 基於協整分析的非平穩工業過程在線故障診斷方法 / 170
8.3.1 非平穩變量識別 / 171
8.3.2 基於協整分析的故障檢測 / 171
8.3.3 基於協整分析的稀疏重構方法 / 172
8.4 火力發電過程中的應用研究 / 175
參考文獻 / 182
第9章 基於關鍵退化變量分析與方向提取的在線故障預測 / 186
9.1 概述 / 187
9.2 方法 / 189
9.2.1 面向故障退化的費舍爾判別分析方法 / 189
9.2.2 穩定性因子的定義 / 192
9.2.3 非平穩變量識別 / 193
9.2.4 基於非平穩變量的故障建模 / 195
9.3 案例研究 / 197
9.3.1 數值仿真 / 198
9.3.2 捲煙制絲過程 / 200
9.3.3 田納西-伊斯曼過程 / 204
參考文獻 / 206
索引 / 209