冶金生產(chǎn)過程質(zhì)量監(jiān)控理論與方法

符號表
1 緒論
1.1 冶金生產(chǎn)過程的特點
1.2 質(zhì)量監(jiān)控技術的現(xiàn)狀與發(fā)展趨勢
1.3 本書各章節(jié)內(nèi)容
2 數(shù)據(jù)樣本的基礎知識
2.1 向量
2.1.1 向量的定義
2.1.2 向量的長度
2.1.3 向量的夾角
2.1.4 向量的投影
2.2 矩陣
2.2.1 矩陣的定義
2.2.2 矩陣的運算
2.2.3 行列式
2.2.4 逆矩陣
2.2.5 特征值與特征向量
2.3 樣本空間
2.3.1 基本定義
2.3.2 樣本點間的歐氏距離
2.3.3 樣本點間的統(tǒng)計距離
2.3.4 樣本點間的馬氏距離
2.4 變量空間
2.4.1 變量的均值
2.4.2 變量的方差
2.4.3 變量間的協(xié)方差
2.4.4 變量間的相關系數(shù)
2.5 數(shù)據(jù)的預處理
2.5.1 中心化處理
2.5.2 無量綱化處理
2.5.3 標準化處理
2.6 應用舉例
2.6.1 均值
2.6.2 方差
2.6.3 協(xié)方差
2.6.4 相關系數(shù)
2.6.5 歐氏距離
2.6.6 統(tǒng)計距離
2.6.7 馬氏距離
2.6.8 無量綱化
2.7 小結
3 數(shù)理統(tǒng)計的基礎知識
3.1 基本概念
3.1.1 總體與個體
3.1.2 概率密度函數(shù)
3.1.3 數(shù)學期望和方差
3.2 幾個重要分布
3.2.1 正態(tài)分布
3.2.2 X2分布
3.2.3 F分布
3.2.4 β分布
3.2.5 t分布
3.3 參數(shù)估計
3.3.1 總體均值的點估計
3.3.2 總體方差的點估計
3.3.3 總體均值的區(qū)間估計
3.3.4 總體方差的區(qū)間估計
3.4 假設檢驗
3.4.1 零假設與研究假設
3.4.2 顯著性水平
3.4.3 假設檢驗與置信區(qū)間的關系
3.5 應用舉例
3.5.1 回歸模型的線性關系檢驗——F檢驗
3.5.2 總體回歸參數(shù)的檢驗——t檢驗
3.6 小結
4 單變量統(tǒng)計過程控制
4.1 統(tǒng)計過程控制簡介
4.1.1 統(tǒng)計過程控制的基本概念
4.1.2 工業(yè)過程中的各種變化
4.2 統(tǒng)計控制圖
4.2.1 控制圖的定義
4.2.2 控制圖的基本原理
4.2.3 常用控制圖
4.2.4 控制圖的風險
4.2.5 判穩(wěn)準則和判異準則
4.2.6 應用統(tǒng)計控制圖時需要注意的問題
4.3 過程能力指數(shù)
4.3.1 過程能力
4.3.2 過程能力指數(shù)的計算
4.3.3 過程能力指數(shù)與不合格品率之間的關系
4.3.4 給定置信度下的過程能力指數(shù)
4.3.5 過程能力分析的功能與步驟
4.4 應用舉例
4.4.1 實例1
4.4.2 實例2
4.5 小結
5 多變量統(tǒng)計過程控制
5.1 多變量統(tǒng)計過程的意義和研究現(xiàn)狀
5.2 霍特林T2控制圖
5.2.1 霍特林T2控制圖的提出
5.2.2 T2統(tǒng)計量的分布特性
5.2.3 T2的正交分解
5.3 基于主元模型的多變量統(tǒng)計控制圖
5.3.1 主成分分析方法（PCA）
5.3.2 偏最小二乘法（PLS）
5.3.3 多變量統(tǒng)計過程的監(jiān)控
5.3.4 多變量統(tǒng)計過程的診斷
5.4 多變量統(tǒng)計過程應用實例
5.4.1 鍍鋅板表面粗糙度統(tǒng)計過程控制
5.4.2 某化工過程統(tǒng)計過程控制
5.5 三種統(tǒng)計量之間的關系
5.5.1 幾何解釋
5.5.2 數(shù)學推導
5.6 小結
6 歷史數(shù)據(jù)集的建立
6.1 建立歷史數(shù)據(jù)集的過程及數(shù)據(jù)預處理
6.2 數(shù)據(jù)采集
6.2.1 冶金生產(chǎn)數(shù)據(jù)的基本特征
6.2.2 數(shù)據(jù)的采集方式
6.2.3 數(shù)據(jù)的預處理
6.3 變量間的多重相關性
6.3.1 多重相關性產(chǎn)生的原因
6.3.2 多重相關性的影響
6.3.3 多重相關性的檢驗方法
6.3.4 多重相關性的解決方法
6.4 變量的自相關性
6.4.1 自相關性的數(shù)學描述
6.4.2 自相關性產(chǎn)生的原因
6.4.3 自相關性的影響
6.4.4 自相關性的檢驗方法
6.4.5 自相關性的解決方法
6.5 刪除異常點
6.5.1 異常點產(chǎn)生的原因
6.5.2 異常點的檢驗方法
6.5.3 異常點的剔除方法
6.5.4 應用實例
6.6 小結
7 生產(chǎn)過程的優(yōu)化控制
7.1 優(yōu)化控制的基本概念
7.1.1 優(yōu)化控制的幾個環(huán)節(jié)
7.1.2 優(yōu)化控制的基本框架
7.2 基于規(guī)則的工藝參數(shù)設定與優(yōu)化
7.2.1 常用的工藝參數(shù)設定方法
7.2.2 基于神經(jīng)網(wǎng)絡的規(guī)則提取流程
7.2.3 規(guī)則的提取
7.2.4 工藝參數(shù)的優(yōu)化
7.3 基于數(shù)據(jù)驅動的工藝參數(shù)動態(tài)調(diào)整
7.3.1 數(shù)據(jù)驅動的基本概念
7.3.2 數(shù)據(jù)驅動控制器的設計
7.3.3 數(shù)據(jù)驅動控制器的應用
7.4 工藝流程的優(yōu)化
7.4.1 工藝裝備的能力
7.4.2 工藝裝備的能力分析
7.4.3 工藝裝備的能力優(yōu)化
7.5 小結
8 非線性預測與診斷
8.1 核函數(shù)的基本原理
8.1.1 核函數(shù)
8.1.2 核矩陣
8.1.3 常用的核函數(shù)及其特點
8.1.4 核函數(shù)的性質(zhì)和特征空間的計算
8.1.5 核函數(shù)方法實施步驟
8.2 核主成分分析的過程監(jiān)控與診斷
8.2.1 核矩陣與協(xié)方差矩陣
8.2.2 核主成分
8.2.3 核空間的數(shù)據(jù)重構
8.2.4 基于核方法的監(jiān)控模型
8.2.5 應用實例
8.3 核偏最小二乘的質(zhì)量預測方法
8.3.1 核偏最小二乘法的基本原理
8.3.2 核偏最小二乘的預測模型
8.3.3 應用實例
8.4 支持向量機的質(zhì)量預測方法
8.4.1 支持向量機的基本原理
8.4.2 支持向量回歸
8.4.3 應用實例
8.5 數(shù)據(jù)缺失情況下質(zhì)量預測方法
8.5.1 流形半監(jiān)督學習
8.5.2 核嶺回歸的基本原理
8.5.3 基于流形學習的半監(jiān)督核嶺回歸預測模型
8.5.4 應用實例
8.6 小結
9 案例分析
9.1 汽車用鋼案例分析
9.1.1 質(zhì)量建模方法與流程
9.1.2 IF鋼力學性能分析與預測
9.1.3 質(zhì)量監(jiān)控與診斷
9.2 熱軋帶鋼頭部拉窄案例分析
9.2.1 變量選擇和數(shù)據(jù)采集
9.2.2 變量的匹配
9.2.3 核主成分分析監(jiān)控與診斷
9.3 小結
10 全流程質(zhì)量監(jiān)控系統(tǒng)框架
10.1 系統(tǒng)基本架構
10.1.1 數(shù)據(jù)采集與重整平臺
10.1.2 數(shù)據(jù)集成平臺
10.1.3 實時質(zhì)量監(jiān)控與預警平臺
10.1.4 離線數(shù)據(jù)分析平臺
10.2 數(shù)據(jù)采集、預處理和數(shù)據(jù)利用
10.2.1 數(shù)據(jù)采集與重整
10.2.2 數(shù)據(jù)集成平臺
10.3 主要功能模塊
10.3.1 質(zhì)量監(jiān)控與在線判定
10.3.2 質(zhì)量分析與診斷
1O.3.3 過程質(zhì)量在線優(yōu)化
10.3.4 人工判定與綜合判定
10.3.5 產(chǎn)品質(zhì)量卡建檔
10.3.6 質(zhì)量報表生成
10.3.7 質(zhì)量追溯與診斷
10.3.8 系統(tǒng)仿真與質(zhì)量優(yōu)化
10.4 小結
附錄A 概率分布表
附錄B Mat1ab核心代碼
參考文獻