滿額折
商品簡介
作者簡介
序
目次
相關商品
商品簡介
本書採用DPCA方法解決過程動態的影響，採用局部投影方法與PCA方法結合使樣本的內在特徵得以體現，採用核方法處理非線性問題，並針對核方法的計算複雜問題提出了基於特徵子空間投影的改進算法及基於分塊的方法。本書還對神經網絡及其應用進行研究，包括學習矢量量化神經網絡、概率神經網絡、神經網絡集成等。最後，針對大數據問題與流程工業的數據建模問題之間的關係進行探討。 本書可作為自動化、控制工程、檢測技術等相關領域研究生課程的參考書，也可以作為從事流程工業故障檢測與診斷的研究人員和工程技術人員的參考書。
作者簡介
于春梅，2010年博士畢業于西北工業大學控制科學與工程專業，西南科技大學信息工程學院教授。主要研究方向為系統辨識、故障診斷、模式識別、機器人控制等。承擔"自動控制理論”等本科課程及研究生"系統辨識與建模”的教學工作。參編教材2部，參與多項教學改革項目，獲得多項教學成果獎。發表論文20餘篇，副主編專著1部；作為項目負責人完成四川省教育廳科研項目1項並參與多項縱橫向項目。
序
前 言
流程工業是指加工一些過程性產品的工業，它的主要特點是用不間斷的方式進行生產，以處理連續或間歇物料流為主。流程工業在我國的國民經濟中佔有十分重要的地位，約占國民生產總值的一半，其發展狀況直接影響國家的經濟基礎。流程工業生產各個環節的聯繫非常緊密，相互之間的影響更加複雜，如果發生故障，必定會影響生產的正常進行，有時甚至造成巨大的財產損失和人身傷害。故障診斷技術就是為適應工程需要而形成和發展起來的。本書針對實際流程工業過程中存在的變量多、耦合強、非線性、過程動態、多模態、數據分佈複雜等問題，對流程工業故障診斷方法進行研究。
本書針對流程工業非線性、過程動態、多模態、數據分佈複雜等特點，介紹多元統計方法，尤其是PCA方法和神經網絡方法在流程工業故障診斷中的應用。本書引入近幾年迅速發展的核方法來解決非線性問題，將局部投影方法與PCA方法結合提取樣本的內在特徵，並針對核方法的計算複雜問題提出基於特徵子空間投影的改進算法及基於分塊的方法。最後探討流程工業的數據建模問題與大數據問題的關係。
全書共有10章。第1章為緒論，主要介紹故障診斷的基本概念和常用方法。第2章詳細介紹主元分析法、Fisher判據分析法、偏最小二乘法、獨立變量分析法等之間的區別和聯繫。第3～4章採用一種局部整體結構保持投影(LGSPP)算法，在對數據進行標準化處理時引入局部近鄰標準化策略，使傳統主元分析方法在數據降維中可考慮數據全域結構的問題，並去除多模態數據的多分佈特徵。第5～6章針對非線性問題採用核化算法，並對計算量問題和參數時變問題進行研究。第7～9章介紹神經網絡在故障診斷中的應用，包括學習矢量量化神經網絡、概率神經網絡、神經網絡集成等。第10章針對大數據問題與流程工業的數據建模問題之間的關係進行探討。
本書由於春梅、吳斌著，本書中的大多數仿真程序由作者的研究生劉琴、譚莉、劉春燕完成。
由於作者水平有限，書中難免存在疏漏和不妥之處，熱忱希望各位專家和廣大讀者批評指正。
作 者
2018年5月
流程工業是指加工一些過程性產品的工業，它的主要特點是用不間斷的方式進行生產，以處理連續或間歇物料流為主。流程工業在我國的國民經濟中佔有十分重要的地位，約占國民生產總值的一半，其發展狀況直接影響國家的經濟基礎。流程工業生產各個環節的聯繫非常緊密，相互之間的影響更加複雜，如果發生故障，必定會影響生產的正常進行，有時甚至造成巨大的財產損失和人身傷害。故障診斷技術就是為適應工程需要而形成和發展起來的。本書針對實際流程工業過程中存在的變量多、耦合強、非線性、過程動態、多模態、數據分佈複雜等問題，對流程工業故障診斷方法進行研究。
本書針對流程工業非線性、過程動態、多模態、數據分佈複雜等特點，介紹多元統計方法，尤其是PCA方法和神經網絡方法在流程工業故障診斷中的應用。本書引入近幾年迅速發展的核方法來解決非線性問題，將局部投影方法與PCA方法結合提取樣本的內在特徵，並針對核方法的計算複雜問題提出基於特徵子空間投影的改進算法及基於分塊的方法。最後探討流程工業的數據建模問題與大數據問題的關係。
全書共有10章。第1章為緒論，主要介紹故障診斷的基本概念和常用方法。第2章詳細介紹主元分析法、Fisher判據分析法、偏最小二乘法、獨立變量分析法等之間的區別和聯繫。第3～4章採用一種局部整體結構保持投影(LGSPP)算法，在對數據進行標準化處理時引入局部近鄰標準化策略，使傳統主元分析方法在數據降維中可考慮數據全域結構的問題，並去除多模態數據的多分佈特徵。第5～6章針對非線性問題採用核化算法，並對計算量問題和參數時變問題進行研究。第7～9章介紹神經網絡在故障診斷中的應用，包括學習矢量量化神經網絡、概率神經網絡、神經網絡集成等。第10章針對大數據問題與流程工業的數據建模問題之間的關係進行探討。
本書由於春梅、吳斌著，本書中的大多數仿真程序由作者的研究生劉琴、譚莉、劉春燕完成。
由於作者水平有限，書中難免存在疏漏和不妥之處，熱忱希望各位專家和廣大讀者批評指正。
作 者
2018年5月
目次
目 錄
第1章 緒論 1
1.1 概述 1
1.1.1 流程工業故障診斷研究意義 1
1.1.2 故障診斷的任務 2
1.1.3 故障診斷的實現過程 3
1.1.4 故障診斷方法分類 4
1.2 基於解析模型的方法 4
1.3 基於歷史數據的方法 6
1.3.1 基於信號處理的方法 6
1.3.2 多元統計方法 7
1.3.3 神經網絡和專家系統 8
1.3.4 基於數據的方法與模式識別方法的關係 8
1.4 流程工業故障診斷研究進展 9
1.4.1 多元統計方法 10
1.4.2 基於神經網絡的方法 11
1.5 本書內容安排 14
參考文獻 16
第2章 流程工業故障檢測與診斷的多元統計方法 22
2.1 引言 22
2.2 多元統計方法 22
2.2.1 主元分析法 22
2.2.2 Fisher判據分析法 25
2.2.3 部分最小二乘法 27
2.2.4 典型相關分析 29
2.2.5 獨立元分析法 31
2.2.6 幾種多元統計方法在瑞利商下的統一 32
2.3 故障的檢測和辨識 33
2.3.1 基於T2和Q統計量的故障檢測 33
2.3.2 基於I2統計量的故障檢測 35
2.3.3 基於Bayes分類器的故障辨識 36
2.4 仿真算例 37
2.4.1 仿真數據介紹 37
2.4.2 故障檢測和診斷步驟 40
2.5 小結 41
參考文獻 42
第3章 基於LGSPP的故障檢測與辨識 44
3.1 引言 44
3.2 LGSPP算法 44
3.2.1 LPP算法描述 44
3.2.2 LGSPP算法描述 45
3.3 基於LGSPP的故障檢測與辨識 45
3.3.1 T2和SPE統計量構造 45
3.3.2 基於Bayes分類器的故障檢測與辨識 46
3.4 基於DLGSPP的故障檢測 49
3.4.1 DLGSPP的基本原理 49
3.4.2 基於DLGSPP的故障檢測 49
3.5 仿真研究 50
3.5.1 基於LGSPP的故障檢測仿真研究 50
3.5.2 基於DLGSPP的故障檢測仿真研究 54
3.6 小結 56
參考文獻 56
第4章 基於LNS-LGSPP的多模態過程故障檢測 58
4.1 引言 58
4.2 局部近鄰標准化策略 58
4.2.1 z-score標準化法 58
4.2.2 局部近鄰標準化處理 61
4.2.3 局部近鄰標準化分析 62
4.3 基於LNS-LGSPP算法的故障檢測 63
4.4 仿真分析 64
4.4.1 數值仿真 65
4.4.2 TE過程 71
4.5 小結 74
參考文獻 75
第5章 基於DKPCA及其改進算法的故障檢測研究 76
5.1 引言 76
5.2 KPCA原理 76
5.3 基於DKPCA的故障檢測 78
5.3.1 動態數據矩陣 78
5.3.2 核函數及核參的選取 78
5.3.3 基於DKPCA的故障檢測步驟 80
5.4 基於EFS-DKPCA的故障檢測 81
5.4.1 正交基的構造 81
5.4.2 輸入空間到特徵子空間的映射 82
5.4.3 基於EFS-DKPCA的故障檢測步驟 83
5.5 仿真研究 83
5.5.1 基於DKPCA的故障檢測仿真分析 84
5.5.2 基於EFS-DKPCA的故障檢測仿真分析 87
5.6 小結 90
參考文獻 90
第6章 基於BDKPCA及其改進算法的故障檢測研究 92
6.1 引言 92
6.2 基於BDKPCA的故障檢測 92
6.2.1 移動時間窗 92
6.2.2 BDKPCA基本原理 93
6.2.3 基於BDKPCA的故障檢測步驟 93
6.3 基於小波去噪與EFS-BDKPCA的故障檢測 94
6.3.1 小波去噪簡介 94
6.3.2 基於小波去噪與EFS-BDKPCA的故障檢測步驟 96
6.4 仿真研究 96
6.4.1 基於BDKPCA的故障檢測仿真分析 97
6.4.2 基於小波與EFS-BDKPCA的故障檢測仿真分析 97
6.5 小結 102
參考文獻 102
第7章 學習矢量量化神經網絡 103
7.1 引言 103
7.2 神經網絡簡介 103
7.2.1 人工神經元模型 103
7.2.2 多層前饋神經網絡模型 104
7.3 LVQ神經網絡 105
7.3.1 LVQ神經網絡結構 105
7.3.2 LVQ神經網絡實現規則 106
7.4 PCA-LVQ神經網絡 107
7.4.1 基於PCA-LVQ的故障檢測仿真分析 108
7.4.2 基於PCA-LVQ的故障診斷仿真分析 111
7.5 小結 112
參考文獻 112
第8章 基於IIWPSO-PNN的故障診斷 113
8.1 引言 113
8.2 PNN簡介 113
8.2.1 模式識別Bayes判決理論 113
8.2.2 PNN網絡結構 114
8.2.3 PNN算法 115
8.3 IIWPSO算法 118
8.3.1 PSO的基本形式 118
8.3.2 PSO控制參數 119
8.3.3 IIWPSO算法 120
8.4 IIWPSO-PNN訓練過程 121
8.5 仿真分析 123
8.5.1 數值仿真 123
8.5.2 基於IIWPSO-PNN的故障檢測仿真分析 125
8.5.3 基於IIWPSO-PNN的故障診斷仿真分析 128
8.6 小結 129
參考文獻 129
第9章 基於神經網絡集成的故障診斷 131
9.1 引言 131
9.2 集成神經網絡 131
9.2.1 神經網絡集成的機理研究 131
9.2.2 個體生成方式研究 133
9.2.3 結論生成方式研究 134
9.3 IIWPSO-PNN集成算法 135
9.4 仿真分析 136
9.4.1 UCI標準機器學習庫 136
9.4.2 基於IIWPSO-PNN集成的故障檢測仿真分析 136
9.4.3 基於IIWPSO-PNN集成的故障診斷仿真分析 138
9.5 小結 139
參考文獻 139
第10章 流程工業數據建模方法與大數據建模 140
10.1 引言 140
10.2 大數據概述 140
10.2.1 大數據的定義 140
10.2.2 我國的大數據發展 141
10.2.3 大數據的研究意義 142
10.2.4 大數據發展趨勢 143
10.3 大數據的特點與研究領域 145
10.3.1 大數據的特點從3V到6V大數據定義演變 145
10.3.2 大數據的研究領域 146
10.3.3 流程工業大數據的特點 147
10.4 數據建模方法 149
10.4.1 流程工業數據建模方法 149
10.4.2 互聯網公司大數據建模方法 149
10.4.3 流程工業大數據建模 150
10.5 流程工業大數據的挑戰和機遇 150
10.5.1 流程工業大數據特點給傳統數據建模方法帶來的挑戰 150
10.5.2 計算機學科大數據最新進展帶來的機遇 151
10.6 流程工業大數據建模最新進展與研究展望 151
10.6.1 多層面潛結構建模 151
10.6.2 多時空時間序列數據建模 152
10.6.3 含有不真實數據的魯棒建模 153
10.6.4 支持實時建模的大容量數據計算架構與方法 154
10.7 結論 154
參考文獻 155
第1章 緒論 1
1.1 概述 1
1.1.1 流程工業故障診斷研究意義 1
1.1.2 故障診斷的任務 2
1.1.3 故障診斷的實現過程 3
1.1.4 故障診斷方法分類 4
1.2 基於解析模型的方法 4
1.3 基於歷史數據的方法 6
1.3.1 基於信號處理的方法 6
1.3.2 多元統計方法 7
1.3.3 神經網絡和專家系統 8
1.3.4 基於數據的方法與模式識別方法的關係 8
1.4 流程工業故障診斷研究進展 9
1.4.1 多元統計方法 10
1.4.2 基於神經網絡的方法 11
1.5 本書內容安排 14
參考文獻 16
第2章 流程工業故障檢測與診斷的多元統計方法 22
2.1 引言 22
2.2 多元統計方法 22
2.2.1 主元分析法 22
2.2.2 Fisher判據分析法 25
2.2.3 部分最小二乘法 27
2.2.4 典型相關分析 29
2.2.5 獨立元分析法 31
2.2.6 幾種多元統計方法在瑞利商下的統一 32
2.3 故障的檢測和辨識 33
2.3.1 基於T2和Q統計量的故障檢測 33
2.3.2 基於I2統計量的故障檢測 35
2.3.3 基於Bayes分類器的故障辨識 36
2.4 仿真算例 37
2.4.1 仿真數據介紹 37
2.4.2 故障檢測和診斷步驟 40
2.5 小結 41
參考文獻 42
第3章 基於LGSPP的故障檢測與辨識 44
3.1 引言 44
3.2 LGSPP算法 44
3.2.1 LPP算法描述 44
3.2.2 LGSPP算法描述 45
3.3 基於LGSPP的故障檢測與辨識 45
3.3.1 T2和SPE統計量構造 45
3.3.2 基於Bayes分類器的故障檢測與辨識 46
3.4 基於DLGSPP的故障檢測 49
3.4.1 DLGSPP的基本原理 49
3.4.2 基於DLGSPP的故障檢測 49
3.5 仿真研究 50
3.5.1 基於LGSPP的故障檢測仿真研究 50
3.5.2 基於DLGSPP的故障檢測仿真研究 54
3.6 小結 56
參考文獻 56
第4章 基於LNS-LGSPP的多模態過程故障檢測 58
4.1 引言 58
4.2 局部近鄰標准化策略 58
4.2.1 z-score標準化法 58
4.2.2 局部近鄰標準化處理 61
4.2.3 局部近鄰標準化分析 62
4.3 基於LNS-LGSPP算法的故障檢測 63
4.4 仿真分析 64
4.4.1 數值仿真 65
4.4.2 TE過程 71
4.5 小結 74
參考文獻 75
第5章 基於DKPCA及其改進算法的故障檢測研究 76
5.1 引言 76
5.2 KPCA原理 76
5.3 基於DKPCA的故障檢測 78
5.3.1 動態數據矩陣 78
5.3.2 核函數及核參的選取 78
5.3.3 基於DKPCA的故障檢測步驟 80
5.4 基於EFS-DKPCA的故障檢測 81
5.4.1 正交基的構造 81
5.4.2 輸入空間到特徵子空間的映射 82
5.4.3 基於EFS-DKPCA的故障檢測步驟 83
5.5 仿真研究 83
5.5.1 基於DKPCA的故障檢測仿真分析 84
5.5.2 基於EFS-DKPCA的故障檢測仿真分析 87
5.6 小結 90
參考文獻 90
第6章 基於BDKPCA及其改進算法的故障檢測研究 92
6.1 引言 92
6.2 基於BDKPCA的故障檢測 92
6.2.1 移動時間窗 92
6.2.2 BDKPCA基本原理 93
6.2.3 基於BDKPCA的故障檢測步驟 93
6.3 基於小波去噪與EFS-BDKPCA的故障檢測 94
6.3.1 小波去噪簡介 94
6.3.2 基於小波去噪與EFS-BDKPCA的故障檢測步驟 96
6.4 仿真研究 96
6.4.1 基於BDKPCA的故障檢測仿真分析 97
6.4.2 基於小波與EFS-BDKPCA的故障檢測仿真分析 97
6.5 小結 102
參考文獻 102
第7章 學習矢量量化神經網絡 103
7.1 引言 103
7.2 神經網絡簡介 103
7.2.1 人工神經元模型 103
7.2.2 多層前饋神經網絡模型 104
7.3 LVQ神經網絡 105
7.3.1 LVQ神經網絡結構 105
7.3.2 LVQ神經網絡實現規則 106
7.4 PCA-LVQ神經網絡 107
7.4.1 基於PCA-LVQ的故障檢測仿真分析 108
7.4.2 基於PCA-LVQ的故障診斷仿真分析 111
7.5 小結 112
參考文獻 112
第8章 基於IIWPSO-PNN的故障診斷 113
8.1 引言 113
8.2 PNN簡介 113
8.2.1 模式識別Bayes判決理論 113
8.2.2 PNN網絡結構 114
8.2.3 PNN算法 115
8.3 IIWPSO算法 118
8.3.1 PSO的基本形式 118
8.3.2 PSO控制參數 119
8.3.3 IIWPSO算法 120
8.4 IIWPSO-PNN訓練過程 121
8.5 仿真分析 123
8.5.1 數值仿真 123
8.5.2 基於IIWPSO-PNN的故障檢測仿真分析 125
8.5.3 基於IIWPSO-PNN的故障診斷仿真分析 128
8.6 小結 129
參考文獻 129
第9章 基於神經網絡集成的故障診斷 131
9.1 引言 131
9.2 集成神經網絡 131
9.2.1 神經網絡集成的機理研究 131
9.2.2 個體生成方式研究 133
9.2.3 結論生成方式研究 134
9.3 IIWPSO-PNN集成算法 135
9.4 仿真分析 136
9.4.1 UCI標準機器學習庫 136
9.4.2 基於IIWPSO-PNN集成的故障檢測仿真分析 136
9.4.3 基於IIWPSO-PNN集成的故障診斷仿真分析 138
9.5 小結 139
參考文獻 139
第10章 流程工業數據建模方法與大數據建模 140
10.1 引言 140
10.2 大數據概述 140
10.2.1 大數據的定義 140
10.2.2 我國的大數據發展 141
10.2.3 大數據的研究意義 142
10.2.4 大數據發展趨勢 143
10.3 大數據的特點與研究領域 145
10.3.1 大數據的特點從3V到6V大數據定義演變 145
10.3.2 大數據的研究領域 146
10.3.3 流程工業大數據的特點 147
10.4 數據建模方法 149
10.4.1 流程工業數據建模方法 149
10.4.2 互聯網公司大數據建模方法 149
10.4.3 流程工業大數據建模 150
10.5 流程工業大數據的挑戰和機遇 150
10.5.1 流程工業大數據特點給傳統數據建模方法帶來的挑戰 150
10.5.2 計算機學科大數據最新進展帶來的機遇 151
10.6 流程工業大數據建模最新進展與研究展望 151
10.6.1 多層面潛結構建模 151
10.6.2 多時空時間序列數據建模 152
10.6.3 含有不真實數據的魯棒建模 153
10.6.4 支持實時建模的大容量數據計算架構與方法 154
10.7 結論 154
參考文獻 155
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。