數據驅動的故障檢測與診斷-以高爐煉鐵過程為例 楊春節 樓嗣威 孫優賢 9787030795465 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202410*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：數據驅動的故障檢測與診斷-以高爐煉鐵過程為例
ISBN：9787030795465
出版社：科學
著編譯者：楊春節 樓嗣威 孫優賢
頁數：256
所在地：中國大陸 *此為代購商品
書號：1696926
可大量預訂，請先連絡。

內容簡介

高爐煉鐵過程故障檢測與診斷是國際公認的挑戰性難題。本書從數據驅動角度系統性地總結和闡述作者及其團隊近10餘年在高爐煉鐵過程故障檢測與診斷方面的一系列研究成果，主要包括緒論、故障檢測、故障診斷及工業應用四部分內容。故障檢測部分主要針對過程數據強雜訊、非線性和非平穩等問題，重點介紹主成分追蹤、平穩子空間分析和圖理論等檢測方法；故障診斷部分主要針對多工況、大時變和小樣本等難點，重點介紹隱馬爾可夫模型、核網路模型、生成對抗網路和遷移學習等診斷方法；工業應用部分主要闡述工業互聯網基礎上故障檢測與診斷的具體實現，包括工業互聯網平台架構、數字孿生體構建和應用實例。 本書可作為高等院校控制、冶金、計算機、人工智慧等學科研究生和高年級本科生的參考書，也可供相關專業的工程技術和設備運維人員參考。

目錄

前言
第1章 緒論
1 1 引言
1 2 高爐煉鐵過程及其故障檢測與診斷問題描述
1 2 1 高爐煉鐵過程描述
1 2 2 高爐煉鐵過程生產操作制度
1 2 3 不同工況特性闡述
1 2 4 煉鐵過程變數分析
1 2 5 過程數據特性分析
1 3 高爐煉鐵過程故障檢測與診斷研究現狀
1 3 1 定性分析方法
1 3 2 定量分析方法
1 3 3 故障檢測與診斷的量化指標
參考文獻
第2章 高爐煉鐵過程故障檢測的主成分追蹤方法
2 1 主成分追蹤概述
2 1 1 主成分分析概述
2 1 2 魯棒主成分分析概述
2 1 3 主成分追蹤理論
2 1 4 數據雜訊處理與故障檢測實現
2 1 5 案例分析
2 2 故障檢測的主成分追蹤方法
2 2 1 問題描述
2 2 2 離群點處理的主成分追蹤方法
2 2 3 基於主成分追蹤的故障檢測方法
2 2 4 案例分析
2 3 故障檢測的魯棒主成分追蹤方法
2 3 1 問題描述
2 3 2 魯棒主成分追蹤求解演算法與收斂性證明
2 3 3 基於魯棒主成分追蹤的故障檢測方法
2 3 4 案例分析
參考文獻
第3章 高爐煉鐵過程故障檢測的平穩子空間分析方法
3 1 平穩子空間分析概述
3 2 面向動態非平穩過程特性的故障檢測
3 2 1 動態非平穩過程描述
3 2 2 自適應動態可解釋分析平穩子空間分析演算法
3 2 3 改進統計量和自適應策略構建
3 2 4 故障可檢測性分析
3 2 5 模型參數討論
3 2 6 案例分析
3 3 面向非線性非平穩過程特性的故障檢測
3 3 1 非線性非平穩高爐煉鐵過程故障描述
3 3 2 局部寬度核動態平穩子空間分析演算法
3 3 3 非平穩對故障檢測性能的影響分析
3 3 4 局部統計量構建與性能分析
3 3 5 案例分析
3 4 面向全局-局部非線性耦合過程特性的故障檢測
3 4 1 複雜非線性問題描述
3 4 2 全局-局部非線性平穩子空間分析演算法
3 4 3 案例分析
參考文獻
第4章 高爐煉鐵過程故障檢測的圖理論方法
4 1 圖理論方法概述
4 2 故障檢測的半監督加權圖方法
4 2 1 問題描述
4 2 2 基於半監督加權圖的故障檢測方法
4 2 3 案例分析
4 3 故障檢測的無監督加權圖方法
4 3 1 問題描述
4 3 2 基於無監督加權圖的故障檢測方法
4 3 3 案例分析
4 4 故障檢測的自適應無監督加權圖方法
4 4 1 問題描述
4 4 2 基於自適應無監督加權圖的故障檢測方法
4 4 3 案例分析
參考文獻
第5章 高爐煉鐵過程故障診斷的隱馬爾可夫模型
5 1 隱馬爾可夫模型概述
5 1 1 隱馬爾可夫模型
5 1 2 自適應特徵提取的故障診斷
5 2 故障診斷的隱馬爾可夫模型
5 2 1 有效變數選擇與故障診斷
5 2 2 基於隱馬爾可夫模型的故障診斷模型
5 2 3 案例分析
5 3 多工況過程故障診斷的移動窗隱馬爾可夫模型
5 3 1 工況識別
5 3 2 故障檢測指標構建
5 3 3 多工況過程監測與診斷演算法
5 3 4 案例分析
參考文獻
第6章 高爐煉鐵過程故障診斷的核網路方法
6 1 支持向量機概述
6 1 1 支持向量機
6 1 2 核函數理論性能
6 2 故障診斷的深度平穩核學習支持向量機
6 2 1 多層堆砌核網路的深度平穩非線性表示
6 2 2 深度平穩核學習支持向量機分類器的構建
6 2 3 模型優化求解
6 2 4 故障診斷流程
6 2 5 案例分析
6 3 非線性非平穩過程故障診斷的核網路方法
6 3 1 非線性一致特徵構造
6 3 2 融合深度寬度平穩核網路的故障分類器設計
6 3 3 案例分析
參考文獻
第7章 高爐煉鐵過程故障診斷的生成對抗網路方法
7 1 主動學習與生成對抗網路概述
7 1 1 主動學習方法
7 1 2 生成對抗網路
7 2 少標籤故障診斷的半監督生成對抗網路方法
7 2 1 主動半監督學習和生成對抗網路方法
7 2 2 案例分析
7 3 零樣本故障診斷的條件生成對抗網路方法
7 3 1 條件生成對抗網路方法的模型訓練、樣本生成與故障識別演算法
7 3 2 案例分析
參考文獻
第8章 高爐煉鐵過程故障診斷的遷移學習方法
8 1 遷移學習概述
8 1 1 最大均值差異
8 1 2 深度域混淆
8 1 3 深度適應網路
8 2 時變小樣本故障診斷的深度加權聯合分佈適應網路
8 2 1 聯合分佈適應基礎概述
8 2 2 深度加權聯合分佈適應網路框架
8 2 3 案例分析
8 3 時變魯棒故障診斷的極小極大熵協同訓練方法
8 3 1 遷移學習的泛化誤差分析
8 3 2 極小極大熵協同訓練演算法
8 3 3 案例分析
8 4 故障診斷的非完整多源遷移學習方法
8 4 1 多源學習概述
8 4 2 極小極大熵的非完整多源遷移學習演算法
8 4 3 案例分析
參考文獻
第9章 基於工業互聯網的高爐煉鐵過程
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。