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电子书下载

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PLS 141

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