工業(yè)過程運(yùn)行狀態(tài)智能監(jiān)控：數(shù)據(jù)驅(qū)動方法

第1章　緒論　/ 1
　1.1　概述　/ 2
　1.2　工業(yè)過程運(yùn)行狀態(tài)監(jiān)控的研究現(xiàn)狀　/ 4
　　　1.2.1　 狀態(tài)評價和非優(yōu)原因追溯的研究現(xiàn)狀　/ 4
　　　1.2.2　狀態(tài)監(jiān)測與故障診斷的研究現(xiàn)狀　/ 8
　參考文獻(xiàn)　/ 12
第2章　過程監(jiān)控的基礎(chǔ)理論與方法　/ 21
　2.1　概述　/ 22
　2.2　多變量統(tǒng)計過程監(jiān)控　/ 23
　　　2.2.1　數(shù)據(jù)的標(biāo)準(zhǔn)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(jié)構(gòu)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　基于PCA的多變量統(tǒng)計過程監(jiān)測　/ 32
　　　2.2.8　基于變量貢獻(xiàn)圖的故障診斷　/ 34
　　　2.2.9　 基于重構(gòu)的故障診斷方法　/ 35
　　　2.2.10　PCA和PLS的衍生方法及其應(yīng)用　/ 37
　參考文獻(xiàn)　/ 38
第3章　基于綜合經(jīng)濟(jì)指標(biāo)相關(guān)信息的連續(xù)過程運(yùn)行狀態(tài)在線評價　/ 45
　3.1　概述　/ 46
　3.2　基于T-PLS的評價建模和過程運(yùn)行狀態(tài)在線評價　/ 47
　　　3.2.1　基本思想　/ 47
　　　3.2.2　基于T-PLS的評價建?！? 48
　　　3.2.3　基于T-PLS的過程運(yùn)行狀態(tài)在線評價　/ 50
　　　3.2.4　基于變量貢獻(xiàn)率的非優(yōu)原因追溯　/ 51
　3.3　氰化浸出工序中的應(yīng)用研究　/ 54
　　　3.3.1　過程描述　/ 54
　　　3.3.2　實驗設(shè)計和建模數(shù)據(jù)　/ 56
　　　3.3.3　算法驗證及討論　/ 57
　參考文獻(xiàn)　/ 59
第4章　基于優(yōu)性相關(guān)信息的連續(xù)過程運(yùn)行狀態(tài)在線評價　/ 62
　4.1　概述　/ 63
　4.2　基于優(yōu)性相關(guān)信息的評價建模和過程運(yùn)行狀態(tài)在線評價　/ 64
　　　4.2.1　基本思想　/ 64
　　　4.2.2　ORI的提取及評價建?！? 65
　　　4.2.3　基于優(yōu)性相關(guān)信息的過程運(yùn)行狀態(tài)在線評價　/ 70
　　　4.2.4　基于變量貢獻(xiàn)率的非優(yōu)原因追溯　/ 71
　4.3　氰化浸出工序中的應(yīng)用研究　/ 71
　　　4.3.1　實驗設(shè)計和建模數(shù)據(jù)　/ 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(xiàn)　/ 82
第5章　非高斯多模態(tài)過程運(yùn)行狀態(tài)在線評價　/ 84
　5.1　概述　/ 85
　5.2　基于高斯混合模型的非高斯多模態(tài)過程評價建模及運(yùn)行狀態(tài)在線評價　/ 86
　　　5.2.1　基本思想　/ 86
　　　5.2.2　基于GMM-GPR的穩(wěn)定模態(tài)評價建?！? 88
　　　5.2.3　基于GMM的過渡模態(tài)評價建?！? 90
　　　5.2.4　在線模態(tài)識別　/ 91
　　　5.2.5　非高斯多模態(tài)過程運(yùn)行狀態(tài)在線評價　/ 94
　　　5.2.6　基于變量貢獻(xiàn)率的非高斯多模態(tài)過程非優(yōu)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(shè)計和建模數(shù)據(jù)　/ 102
　　　5.3.3　算法驗證及討論　/ 107
　參考文獻(xiàn)　/ 113
第6章　基于線性評估與線性變量組劃分的過程分層建模與在線監(jiān)測　/ 116
　6.1　概述　/ 117
　6.2　基于PCA和KPCA的過程監(jiān)測　/ 119
　6.3　變量相關(guān)性評估　/ 120
　　　6.3.1　最大相關(guān)性潛變量（Maximum- Correlation Latent Variable,MCLV） 　/ 120
　　　6.3.2　基于彈性網(wǎng)和重采樣的變量相關(guān)性評估　/ 121
　6.4　基于變量相關(guān)性評估的線性變量組劃分　/ 123
　6.5　分層建模與在線監(jiān)測　/ 126
　　　6.5.1　基于PCA-KPCA的分層建?！? 127
　　　6.5.2　分層在線監(jiān)測　/ 128
　6.6　卷煙制絲過程中的應(yīng)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(xiàn)　/ 134
第7章　基于蒙特卡羅和嵌套迭代費舍爾判別分析的工業(yè)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　基于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　基于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　卷煙生產(chǎn)過程中的應(yīng)用研究　/ 153
　參考文獻(xiàn)　/ 162
第8章　基于協(xié)整分析的非平穩(wěn)過程在線故障診斷　/ 165
　8.1　概述　/ 166
　8.2　協(xié)整分析　/ 168
　8.3　基于協(xié)整分析的非平穩(wěn)工業(yè)過程在線故障診斷方法　/ 170
　　　8.3.1　非平穩(wěn)變量識別　/ 171
　　　8.3.2　基于協(xié)整分析的故障檢測　/ 171
　　　8.3.3　基于協(xié)整分析的稀疏重構(gòu)方法　/ 172
　8.4　火力發(fā)電過程中的應(yīng)用研究　/ 175
　參考文獻(xiàn)　/ 182
第9章　基于關(guān)鍵退化變量分析與方向提取的在線故障預(yù)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(wěn)定性因子的定義　/ 192
　　　9.2.3　非平穩(wěn)變量識別　/ 193
　　　9.2.4　基于非平穩(wěn)變量的故障建模　/ 195
　9.3　案例研究　/ 197
　　　9.3.1　數(shù)值仿真　/ 198
　　　9.3.2　卷煙制絲過程　/ 200
　　　9.3.3　田納西-伊斯曼過程　/ 204
參考文獻(xiàn)　/ 206
索引　/ 209