第1篇 绪论 2
第1章 概论 2
1.1 过程监控的步骤 3
1.2 过程监控的量度 4
1.3 过程监控的方法 6
1.4 本书概况 9
第2篇 背景知识 12
第2章 多变量统计 12
2.1 引言 12
2.2 数据预处理 13
2.3 单变量统计监控 14
2.4 T2统计 17
2.5 T2统计量的阈值 18
2.6 数据必要条件 20
2.7 作业题 21
第3章 模式分类 23
3.1 引言 23
3.2 判别分析 24
3.3 特征提取 26
3.4 作业题 27
第3篇 数据驱动方法 30
第4章 主元分析法 30
4.1 引言 30
4.2 主元分析 31
4.3 降阶 36
4.4 故障检测 37
4.5 故障识别 40
4.6 故障诊断 43
4.7 动态PCA 47
4.8 其他基于PCA的方法 49
4.9 作业题 50
第5章 费舍尔判别分析法 52
5.1 引言 52
5.2 费舍尔判别分析 52
5.3 降阶 54
5.4 故障检测与诊断 57
5.5 PCA与FDA的比较 59
5.6 动态FDA 65
5.7 作业题 65
第6章 部分最小二乘法 67
6.1 引言 67
6.2 PLS算法 68
6.3 降阶和PLS预测 73
6.4 故障检测、识别与诊断 74
6.5 PCA与PLS的比较 76
6.6 其他PLS方法 78
6.7 作业题 79
第7章 规范变量分析 81
7.1 引言 81
7.2 CVA定理 83
7.3 CVA算法 85
7.4 状态空间模型与系统可辨识性 87
7.5 滞后阶次的选择与计算 88
7.6 状态阶次选择与Akaike信息判据 90
7.7 子空间算法解释 91
7.8 过程监控统计 92
7.9 作业题 94
第4篇 应用 98
第8章 田纳西-伊斯曼过程 98
8.1 引言 98
8.2 过程工艺流程图 98
8.3 过程变量 100
8.4 过程故障 102
8.5 仿真程序 103
8.6 控制结构 103
8.7 作业题 106
第9章 应用描述 108
9.1 引言 108
9.2 数据集 108
9.3 采样间隔 109
9.4 样本大小 111
9.5 滞后与阶次选择 112
9.6 故障检测 113
9.7 故障识别 114
9.8 故障诊断 115
第10章 结果与讨论 116
10.1 引言 116
10.2 故障1的个案研究 116
10.3 故障4的个案研究 121
10.4 故障S的个案研究 127
10.5 故障11的个案研究 131
10.6 故障检测 135
10.7 故障识别 141
10.8 故障诊断 144
10.9 作业题 163
第5篇 解析法与基于知识的方法 168
第11章 解析法 168
11.1 引言 168
11.2 故障描述 170
11.3 参数估计 174
11.4 基于观测器的方法 185
11.4.1 全阶状态估计器 186
11.4.2 降阶未知输入观测器 189
11.5 等价关系 191
11.5.1 残差的产生 191
11.5.2 残差的检测特性 195
11.5.3 残差的指标 197
11.5.4 残差的实现 198
11.5.5 观测器和等价关系间的联系 203
11.5.6 残差的分离特性 205
11.5.7 残差的评价 209
11.6 作业题 212
第12章 基于知识的方法 217
12.1 引言 217
12.2 因果分析 218
12.2.1 符号定向图 218
12.2.2 症状树模型 221
12.3 专家系统 222
12.3.1 浅知识专家系统 222
12.3.2 深知识专家系统 223
12.3.3 浅知识和深知识专家系统的结合 224
12.3.4 机器学习技术 224
12.3.5 知识的表示 224
12.3.6 推理机 225
12.4 模式识别 226
12.4.1 人工神经网络 226
12.4.2 自组织映射 233
12.5 各种技术的结合 236
12.5.1 神经网络和专家系统 236
12.5.2 模糊逻辑 237
12.5.3 模糊专家系统 238
12.5.4 模糊神经网络 242
12.5.5 模糊符号定向图 243
12.5.6 模糊逻辑和解析法 243
12.5.7 神经网络和解析法 244
12.5.8 数据驱动法、解析法和基于知识的方法 245
12.6 作业题 245
参考文献 248