基于数据的复杂工业过程监测
出版时间：2011年版
内容简介
《基于数据的复杂工业过程监测》主要介绍基于数据的故障检测方法，重点放在基于PCA、ICA和PLS的方法。主要是根据数据的不同特点，将各种不同的方法进行有效的融合，进而给故障诊断带来新的结果。
目录
第1章 故障检测技术概述
1.1 引言
1.2 多元统计过程监控简介
1.2.1 过程监控技术概述
1.2.2 工业过程监控方法的分类
1.2.3 监控技术的研究现状
1.3 本书概况
第2章 基于KPCA的过程监测方法
2.1 概述
2.2 滑动中值滤波
2.2.1 工作原理
2.2.2 滑动中值滤波算法
2.3 核主元分析（KPCA）
2.3.1 核主元分析算法
2.3.2 基于KPCA的过程监控
2.4 动态核主元分析（DKPCA）算法
2.4.1 DKPCA基本原理介绍
2.4.2 DKPCA监控流程
2.5 基于SMF-MsKPcA过程监控算法
2.5.1 SMF-MSKPCA模型建立过程
2.5.2 SMF-MSKPCA故障检测过程
2.6 基于SMF-MSKPCA的仿真研究
2.6.1 非线性数学模型应用仿真
2.6.2 田纳西过程的应用仿真
2.6.3 青霉素发酵过程的应用仿真
2.7 基于SMF-MSDKPCA的过程监控方法
2.8 SMF-MSDKPCA监控算法
2.9 仿真研究
2.9.1 动态非线性模型的应用仿真
2.9.2 田纳西过程的应用仿真
2.10 本章小结
第3章 多模式过程监控方法
3.1 概述
3.2 主元分析
3.2.1 主元分析建模
3.2.2 基于主元分析的过程监控
3.3 多变量指数加权平均（MEwMA）
3.4 基于提取公共特性的多模式过程监控方法
3.5 提取公共特性的多模式过程监测方法
3.5.1 提取多模式公共基础信息建立模型
3.5.2 将MEWMA引入多模式过程监控方法
3.5.3 提取公共特性的多模式过程监控方法在线监测
3.6 仿真研究和结果分析
3.6.1 连续退火过程
3.6.2 仿真结果分析
3.7 非线性核多模式过程监控方法
3.7.1 非线性核多模式过程监控法离线建模
3.7.2 非线性核多模式方法与MEwMA结合
3.7.3 非线性核多模式过程监控方法在线监测
3.8 仿真研究和结果分析
3.8.1 电熔镁炉工作过程
3.8.2 仿真结果分析
3.9 本章小结
第4章 非高斯过程的过程监测方法
4.1 独立元分析方法
4.1.1 独立元分析的定义
4.1.2 数据预处理
4.1.3 独立元分析算法
4.2 核独立元分析算法
4.2.1 在特征空间中自化数据
4.2.2 利用改进的ICA提取非线性独立元
4.3 基于MBKICA的故障检测方法
4.3.1 核矩阵分块
4.3.2 利用MBKPCA算法求白化矩阵
4.3.3 用ICA算法进行故障检测
4.4 基于多模态KICA的故障检测方法
4.4.1 提取各个模态的全局主要向量
4.4.2 引入核方法提取各模态全局主要向量
4.4.3 多模态KICA算法的基本原理
4.5 仿真分析
4.5.1 冷轧连续退火机组的生产过程描述
4.5.2 对MBKICA方法的仿真分析
4.5.3 对多模态KICA方法的仿真分析
4.6 本章小结
第5章 基于多尺度核偏最小二乘法的过程监测方法研究
5.1 在线测量模型及相关算法研究
5.2 多尺度核偏最小二乘算法（MSKPLS）的研究
5.2.1 核偏最小二乘法
5.2.2 核偏最小二乘法的基本思想
5.2.3 核偏最小二乘算法建模机理
5.2.4 核函数的选择
5.2.5 MSKPLS算法研究
5.3 过程监测与故障诊断中的应用规模和可变贡献
5.4 实验设计与结果分析
5.5 本章小结
第6章 工业过程的故障幅值估计
6.1 工业过程的故障幅值问题
6.2 故障幅值的估计
6.3 仿真研究
6.3.1 蒙特卡罗模拟
6.3.2 实验结果分析与比较
6.4 本章小结
