过程工业故障诊断PDF电子书下载

第1章 绪论 1

1.1概述 1

1.1.1研究意义 1

1.1.2故障诊断的任务 3

1.1.3故障诊断的实现过程 3

1.1.4故障诊断方法分类 4

1.2基于解析模型的方法 5

1.3基于定性知识的方法 7

1.4基于历史数据的方法 9

1.4.1基于信号处理的方法 9

1.4.2多元统计方法 10

1.4.3多元统计方法与模式识别方法的关系 11

1.5过程工业故障诊断研究进展 12

1.5.1多元统计方法应用于非线性问题 13

1.5.2核多元统计方法在过程工业应用中的几个关键问题 13

1.6本书内容安排 16

参考文献 17

第2章 过程工业故障检测与诊断的多元统计方法 23

2.1引言 23

2.2多元统计方法 23

2.2.1 PCA 23

2.2.2 FDA 25

2.2.3 PIS 28

2.2.4 CCA 30

2.2.5 ICA 32

2.3多元统计方法之间关系的统一框架 34

2.3.1几种多元统计方法的关系 34

2.3.2瑞利商下的统一 37

2.3.3优化问题的转化 37

2.4故障的检测和辨识 38

2.4.1基于T2统计量和Q统计量的故障检测 38

2.4.2基于I2统计量的故障检测 39

2.4.3基于Bayes分类器的故障辨识 40

2.4.4线性分类器与Bayes分类器的关系 42

2.5仿真算例 42

2.5.1仿真数据介绍 42

2.5.2故障检测和诊断步骤 45

2.5.3仿真结果与分析 47

2.6小结 53

参考文献 53

第3章 过程工业故障诊断的核化多元统计方法 56

3.1引言 56

3.2核空间的定义与性质 56

3.3核空间上的一些运算 58

3.4算法可以核化的条件 59

3.4.1特征向量的对偶表示形式 59

3.4.2算法核化的条件 59

3.5多元统计方法的核化算法 60

3.5.1 KPCA 60

3.5.2 KFDA 61

3.5.3 KPLS 62

3.5.4 KCCA 65

3.5.5 KICA 66

3.5.6对KCCA和KICA的变形和一些关系 68

3.5.7核化算法的正则化 70

3.5.8几种核化算法的联系 70

3.6核参数的确定 75

3.7多故障诊断问题 76

3.7.1引言 76

3.7.2基于核的Bayes决策函数 77

3.7.3 KPCA和KFDA的故障诊断流程 78

3.8仿真结果及分析 79

3.9小结 82

参考文献 82

第4章 过程工业故障诊断的特征选取方法 86

4.1引言 86

4.2基于能量差异的小波包特征选取 86

4.2.1算法思路 88

4.2.2算法实现 89

4.3基于组合测度的特征选取 90

4.3.1基于B距离的特征选取 90

4.3.2组合测度特征选取步骤 90

4.4基于显著性检验和优化准则结合的双向可增删特征搜索 92

4.4.1 t-检验 92

4.4.2具体实现步骤 92

4.5仿真结果 94

4.5.1特征选取结果 95

4.5.2在线故障诊断结果比较 103

4.6小结 135

参考文献 135

第5章 过程工业故障诊断的小样本问题 137

5.1引言 137

5.2几种正则化KFDA算法及其比较 137

5.2.1算法一——广义特征值方法 137

5.2.2算法二——解方程组方法 138

5.2.3算法三——凸优化解法 140

5.3其他核算法的正则化 142

5.3.1 RKCCA 142

5.3.2 RKPLS 143

5.4 SVM方法 144

5.4.1硬间隔分类器 144

5.4.2 1范数软间隔分类器 145

5.4.3 2范数软间隔分类器 146

5.5算法仿真 146

5.6小结 151

参考文献 152

第6章 算法的模式稳定性 153

6.1引言 153

6.2模式稳定性概述 153

6.3分类器的模式稳定性 156

6.3.1线性分类函数的模式稳定性 156

6.3.2 Bayes分类函数的模式稳定性 158

6.3.3正则化FDA模式稳定性的变化 160

6.4核Bayes分类函数的模式稳定性 160

6.4.1线性函数类的模式稳定性 160

6.4.2基于核的Bayes函数类的模式稳定性 162

6.4.3算法模式稳定性分析 163

6.5模式稳定性指标 164

6.5.1误分差和百分比 165

6.5.2误分均值偏离度 165

6.6算法模式稳定性仿真分析 165

6.6.1 KPCA与KFDA算法的模式稳定性 165

6.6.2正则化KFDA算法的模式稳定性 170

6.7核化算法参数的优化 172

6.8小结 173

参考文献 173

第7章 基于解析模型的故障诊断 175

7.1引言 175

7.2故障描述 176

7.2.1传感器故障模型 176

7.2.2执行器故障模型 177

7.2.3系统状态故障模型 178

7.2.4未知输入系统故障模型 178

7.2.5双水箱系统描述 178

7.3状态估计法 181

7.3.1观测器方法 181

7.3.2滤波器方法 186

7.3.3基于未知输入观测器的方法 190

7.4参数估计法 193

7.5等价空间法 199

7.6鲁棒残差产生问题 201

7.7小结 202

参考文献 202

第8章 基于信号处理的故障诊断 203

8.1引言 203

8.2时域分析方法 203

8.3傅里叶分析方法 204

8.4小波分析方法 206

8.4.1短时傅里叶变换 206

8.4.2小波变换 206

8.5 Hilbert-Huang变换方法 208

8.5.1经验模态分解 209

8.5.2经验模态分解的特性 210

8.5.3 Hilbert谱 212

8.5.4端点效应问题 213

8.5.5 Hilbert-Huang分析示例 213

8.6 BSS分析方法 215

8.6.1 ICA 217

8.6.2基于二阶统计量的BSS算法 218

8.6.3特征矩阵联合近似对角化算法 222

8.6.4基于时频分析的BSS算法 223

8.6.5卷积混合B355方法 225

8.6.6 BSS分析示例 226

8.7小结 228

参考文献 229

第9章 总结与展望 2

9.1全书总结 231

9.2展望 235

参考文献 235