數(shù)據(jù)驅(qū)動(dòng)的工業(yè)過(guò)程在線監(jiān)測(cè)與故障診斷

第1章　概述 001
1.1　在線監(jiān)測(cè)與故障診斷研究背景與意義 002
1.1.1　研究背景 002
1.1.2　研究意義 004
1.2　在線監(jiān)測(cè)與故障診斷定義 004
1.2.1　什么是故障 004
1.2.2　過(guò)程監(jiān)測(cè)定義 005
1.3　在線監(jiān)測(cè)與故障診斷方法 007
1.3.1　基于知識(shí)的方法 007
1.3.2　基于解析模型的方法 008
1.3.3　基于數(shù)據(jù)驅(qū)動(dòng)的方法 009
1.4　數(shù)據(jù)驅(qū)動(dòng)在線監(jiān)測(cè)與故障診斷發(fā)展現(xiàn)狀 012
1.4.1　發(fā)展歷史 012
1.4.2　研究現(xiàn)狀及其存在的主要問(wèn)題 013
參考文獻(xiàn) 015
第2章　大規(guī)模多單元過(guò)程的分布式監(jiān)測(cè) 021
2.1　大規(guī)模多單元過(guò)程定義和特性 022
2.2　大規(guī)模多單元過(guò)程監(jiān)測(cè)研究現(xiàn)狀 022
2.3　基于性能驅(qū)動(dòng)的分塊分布式監(jiān)測(cè)方法 026
2.3.1　故障相關(guān)變量?jī)?yōu)選 026
2.3.2　故障相關(guān)變量?jī)?yōu)選分布式PCA故障檢測(cè)  027
2.3.3　故障相關(guān)變量?jī)?yōu)選分布式PCA故障隔離 028
2.3.4　實(shí)驗(yàn)分析與結(jié)果討論 030
2.4　基于變量相關(guān)關(guān)系分塊的分布式監(jiān)測(cè)方法 042
2.4.1　基于互信息與譜聚類分塊的分布式監(jiān)測(cè)方法 042
2.4.2　仿真案例及分析 046
2.5　基于正則化典型相關(guān)分析的分布式監(jiān)測(cè)方法 058
2.5.1　相關(guān)基礎(chǔ)知識(shí) 059
2.5.2　面向分布式故障檢測(cè)的GA-正則化CCA 064
2.5.3　數(shù)值模擬案例和應(yīng)用研究 068
參考文獻(xiàn) 077
第3章　多模態(tài)工業(yè)過(guò)程在線監(jiān)測(cè) 081
3.1　多模態(tài)過(guò)程定義和特性 082
3.2　多模態(tài)過(guò)程監(jiān)測(cè)研究現(xiàn)狀 082
3.2.1　多模型方法研究現(xiàn)狀 083
3.2.2　單模型方法研究現(xiàn)狀 085
3.3　離線模態(tài)劃分與在線結(jié)果確定方法 086
3.3.1　增廣矩陣和局部離群因子相結(jié)合的模態(tài)劃分方法 090
3.3.2　時(shí)間窗口與遞歸局部離群因子相結(jié)合的模態(tài)劃分方法 093
3.3.3　基于兩步貝葉斯融合的模型整合策略 099
3.3.4　基于局部離群因子的模型選擇策略 100
3.3.5　仿真案例及分析 101
3.4　多模態(tài)過(guò)程監(jiān)測(cè)單模型方法 107
3.4.1　理論基礎(chǔ) 108
3.4.2　時(shí)空局部保持協(xié)調(diào)方法 109
3.4.3　統(tǒng)計(jì)量及控制限 115
3.4.4　時(shí)空局部保持協(xié)調(diào)仿真案例及分析 116
參考文獻(xiàn) 121
第4章　非線性過(guò)程在線監(jiān)測(cè) 127
4.1　非線性過(guò)程定義與特征 128
4.2　基于并行PCA-KPCA的非線性過(guò)程監(jiān)測(cè)方法 129
4.2.1　相關(guān)基礎(chǔ)知識(shí) 129
4.2.2　基于P-PCA-KPCA的非線性過(guò)程監(jiān)測(cè) 132
4.2.3　應(yīng)用實(shí)例研究 136
4.3　基于局部加權(quán)典型相關(guān)分析的非線性過(guò)程監(jiān)測(cè)方法 147
4.3.1　CCA故障檢測(cè)基礎(chǔ)知識(shí) 147
4.3.2　局部加權(quán)模型必要性分析 148
4.3.3　JITL-LWCCA過(guò)程監(jiān)測(cè) 150
4.3.4　實(shí)驗(yàn)研究 152
4.4　基于獨(dú)立-聯(lián)合學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的非線性過(guò)程監(jiān)測(cè)方法 164
4.4.1　SAE基礎(chǔ)知識(shí) 165
4.4.2　動(dòng)機(jī)和問(wèn)題描述 166
4.4.3　基于IJL的監(jiān)測(cè) 166
4.4.4　附注 169
4.4.5　實(shí)驗(yàn)研究與應(yīng)用 171
參考文獻(xiàn) 179
第5章　關(guān)鍵性能指標(biāo)相關(guān)過(guò)程在線監(jiān)測(cè)  185
5.1　關(guān)鍵性能指標(biāo)監(jiān)測(cè)意義 186
5.2　關(guān)鍵性能指標(biāo)監(jiān)測(cè)研究現(xiàn)狀 187
5.2.1　關(guān)鍵性能指標(biāo)預(yù)測(cè) 187
5.2.2　關(guān)鍵性能指標(biāo)相關(guān)過(guò)程監(jiān)測(cè) 188
5.3　多類型性能指標(biāo)故障監(jiān)測(cè)方法 191
5.3.1　關(guān)鍵性能指標(biāo)加性故障監(jiān)測(cè)方法 193
5.3.2　關(guān)鍵性能指標(biāo)乘性故障監(jiān)測(cè)方法 196
5.3.3　過(guò)程加性/乘性故障并行在線監(jiān)測(cè) 198
5.3.4　關(guān)鍵性能指標(biāo)加性/乘性故障監(jiān)測(cè)仿真案例及分析 199
5.4　全流程過(guò)程關(guān)鍵性能指標(biāo)監(jiān)測(cè)方法 211
5.4.1　多子塊獨(dú)立元-主元回歸方法 212
5.4.2　多子塊獨(dú)立元-主元回歸方法仿真案例及分析 218
5.5　基于前處理的關(guān)鍵性能指標(biāo)監(jiān)測(cè)方法  227
5.5.1　問(wèn)題描述 227
5.5.2　時(shí)序約束NPE方法描述 228
5.5.3　時(shí)序信息約束嵌入方法描述 231
5.5.4　指標(biāo)相關(guān)特征提取方法 236
5.5.5　指標(biāo)監(jiān)測(cè)策略 238
5.5.6　基于前處理的關(guān)鍵性能指標(biāo)監(jiān)測(cè)方法實(shí)驗(yàn)案例分析 239
5.6　基于后處理的關(guān)鍵性能指標(biāo)監(jiān)測(cè)方法 248
5.6.1　問(wèn)題描述 248
5.6.2　增強(qiáng)典型成分分析 249
5.6.3　算法分析 252
5.6.4　指標(biāo)監(jiān)測(cè)策略 254
5.6.5　基于后處理的指標(biāo)相關(guān)過(guò)程監(jiān)測(cè)方法實(shí)驗(yàn)案例分析 256
參考文獻(xiàn) 269
第6章　動(dòng)態(tài)時(shí)變工業(yè)工程在線監(jiān)測(cè) 275
6.1　動(dòng)態(tài)時(shí)變過(guò)程研究背景及現(xiàn)狀 276
6.2　局部離群概率和局部離群因子 278
6.2.1　局部離群概率算法 278
6.2.2　局部離群因子算法 279
6.3　基于MWLOF和MWLoOP的故障檢測(cè)算法 280
6.3.1　基于MWLOF的在線模型更新 281
6.3.2　基于MWLoOP的在線模型更新 284
6.4　基于MWLOF和MWLoOP的時(shí)變多工況過(guò)程故障檢測(cè) 285
6.4.1　基于MWLOF算法的故障檢測(cè)流程 286
6.4.2　基于MWLoOP算法的故障檢測(cè)流程 287
6.5　仿真案例及分析 289
6.5.1　數(shù)值仿真應(yīng)用研究 289
6.5.2　CSTR過(guò)程仿真應(yīng)用研究 297
參考文獻(xiàn) 310
第7章　非穩(wěn)態(tài)間歇過(guò)程在線監(jiān)測(cè) 313
7.1　非穩(wěn)態(tài)間歇過(guò)程的特點(diǎn)與研究現(xiàn)狀 314
7.2　基于時(shí)間片CCA的間歇過(guò)程關(guān)鍵單元監(jiān)測(cè)方法 316
7.2.1　對(duì)于間歇過(guò)程基于時(shí)間片CCA的故障檢測(cè) 316
7.2.2　時(shí)間片CCA故障檢測(cè)方法的特點(diǎn) 319
7.2.3　應(yīng)用案例 319
參考文獻(xiàn) 328
第8章　故障溯源診斷 331
8.1　故障溯源診斷研究背景和意義 332
8.2　故障溯源診斷方法研究現(xiàn)狀 333
8.3　基于貢獻(xiàn)圖的故障溯源診斷方法研究  334
8.3.1　基于主成分分析的故障檢測(cè) 334
8.3.2　完全分解貢獻(xiàn)圖法 335
8.3.3　部分分解貢獻(xiàn)圖法 336
8.3.4　基于重構(gòu)的貢獻(xiàn)圖法 337
8.3.5　仿真案例分析 338
8.4　基于傳播演化路徑的故障溯源診斷方法研究 342
8.4.1　貝葉斯網(wǎng)絡(luò) 342
8.4.2　格蘭杰因果關(guān)系檢驗(yàn) 346
8.4.3　傳遞熵 349
8.4.4　仿真案例及分析 353
8.5　基于多塊卷積變分信息瓶頸的故障診斷方法研究 364
8.5.1　概述 364
8.5.2　基于過(guò)程機(jī)理的變量分塊方法 365
8.5.3　并行多塊1-D CNN建模策略 366
8.5.4　變分信息瓶頸模型 367
8.5.5　基于MBCVIB的故障診斷方法 368
8.5.6　仿真實(shí)驗(yàn)與分析 370
8.6　針對(duì)大規(guī)模工業(yè)過(guò)程故障診斷的多塊自適應(yīng)卷積核神經(jīng)網(wǎng)絡(luò) 375
8.6.1　概述 375
8.6.2　過(guò)程分解 377
8.6.3　過(guò)程預(yù)處理 377
8.6.4　特征提取 377
8.6.5　特征加權(quán) 378
8.6.6　模型訓(xùn)練和故障診斷 379
8.6.7　仿真實(shí)驗(yàn)及分析 380
參考文獻(xiàn) 387