數據驅動的工業過程在線監測與故障診斷 侍洪波 9787122432155 【台灣高等教育出版社】

內容簡介
本書為數據驅動的複雜工業過程的在線監測及故障診斷方法提供了較為完整的理論框架及案例應用分析。內容包括：大規模多單元過程的分散式監測、多模態工業過程在線監測、非線性過程在線監測、關鍵性能指標相關過程在線監測、動態時變工業工程在線監測、非穩態間歇過程在線監測、故障溯源診斷。
本書要求讀者具有一定的統計知識基礎和機器學習相關知識，可供自動化相關領域的科研人員及工程技術人員參考，也可作為自動控制或信息科學等相關專業本科生及研究生的參考用書。

作者簡介
侍洪波，工學博士，二級教授，博士生導師。長期從事工業系統故障檢測及工況診斷監控、流程工業過程模型化與先進控制技術的研究工作，在Auto-matica、IEEE彙刊、化工學報等期刊發表論文200餘篇。入選上海市曙光學者，獲得寶鋼優秀教師獎、上海市自然科學二等獎、河北省科技進步二等獎。

目錄
第1章 概述
1 1 在線監測與故障診斷研究背景與意義
1 1 1 研究背景
1 1 2 研究意義
1 2 在線監測與故障診斷定義
1 2 1 什麼是故障
1 2 2 過程監測定義
1 3 在線監測與故障診斷方法
1 3 1 基於知識的方法
1 3 2 基於解析模型的方法
1 3 3 基於數據驅動的方法
1 4 數據驅動在線監測與故障診斷髮展現狀
1 4 1 發展歷史
1 4 2 研究現狀及其存在的主要問題
參考文獻
第2章 大規模多單元過程的分散式監測
2 1 大規模多單元過程定義和特性
2 2 大規模多單元過程監測研究現狀
2 3 基於性能驅動的分塊分散式監測方法
2 3 1 故障相關變數優選
2 3 2 故障相關變數優選分散式PCA故障檢測
2 3 3 故障相關變數優選分散式PCA故障隔離
2 3 4 實驗分析與結果討論
2 4 基於變數相關關係分塊的分散式監測方法
2 4 1 基於互信息與譜聚類分塊的分散式監測方法
2 4 2 模擬案例及分析
2 5 基於正則化典型相關分析的分散式監測方法
2 5 1 相關基礎知識
2 5 2 面向分散式故障檢測的GA-正則化CCA
2 5 3 數值模擬案例和應用研究
參考文獻
第3章 多模態工業過程在線監測
3 1 多模態過程定義和特性
3 2 多模態過程監測研究現狀
3 2 1 多模型方法研究現狀
3 2 2 單模型方法研究現狀
3 3 離線模態劃分與在線結果確定方法
3 3 1 增廣矩陣和局部離群因子相結合的模態劃分方法
3 3 2 時間窗口與遞歸局部離群因子相結合的模態劃分方法
3 3 3 基於兩步貝葉斯融合的模型整合策略
3 3 4 基於局部離群因子的模型選擇策略
3 3 5 模擬案例及分析
3 4 多模態過程監測單模型方法
3 4 1 理論基礎
3 4 2 時空局部保持協調方法
3 4 3 統計量及控制限
3 4 4 時空局部保持協調模擬案例及分析
參考文獻
第4章 非線性過程在線監測
4 1 非線性過程定義與特徵
4 2 基於并行PCA-KPCA的非線性過程監測方法
4 2 1 相關基礎知識
4 2 2 基於P-PCA-KPCA的非線性過程監測
4 2 3 應用實例研究
4 3 基於局部加權典型相關分析的非線性過程監測方法
4 3 1 CCA故障檢測基礎知識
4 3 2 局部加權模型必要性分析
4 3 3 JITL-LWCCA過程監測
4 3 4 實驗研究
4 4 基於獨立-聯合學習神經網路的非線性過程監測方法
4 4 1 SAE基礎知識
4 4 2 動機和問題描述
4 4 3 基於IJL的監測
4 4 4 附註
4 4 5 實驗研究與應用
參考文獻
第5章 關鍵性能指標相關過程在線監測
5 1 關鍵性能指標監測意義
5 2 關鍵性能指標監測研究現狀
5 2 1 關鍵性能指標預測
5 2 2 關鍵性能指標相關過程監測
5 3 多類型性能指標故障監測方法
5 3 1 關鍵性能指標加性故障監測方法
5 3 2 關鍵性能指標乘性故障監測方法
5 3 3 過程加性/乘性故障并行在線監測
5 3 4 關鍵性能指標加性/乘性故障監測模擬案例及分析
5 4 全流程過程關鍵性能指標監測方法
5 4 1 多子塊獨立元-主元回歸方法
5 4 2 多子塊獨立元-主元回歸方法模擬案例及分析
5 5 基於前處理的關鍵性能指標監測方法
5 5 1 問題描述
5 5 2 時序約束NPE方法描述
5 5 3 時序信息約束嵌入方法描述
5 5 4 指標相關特徵提取方法
5 5 5 指標監測策略
5 5 6 基於前處理的關鍵性能指標監測方法實驗案例分析
5 6 基於后處理的關鍵性能指標監測方法
5 6 1 問題描述
5 6 2 增強典型成分分析
5 6 3 演算法分析
5 6 4 指標監測策略
5 6 5 基於后處理的指標相關過程監測方法實驗案例分析
參考文獻
第6章 動態時變工業工程在線監測
6 1 動態時變過程研究背景及現狀
6 2 局部離群概率和局部離群因子
6 2 1 局部離群概率演算法
6 2 2 局部離群因子演算法
6 3 基於MWLOF和MWLoOP的故障檢測演算法
6 3 1 基於MWLOF的在線模型更新
6 3 2 基於MWLoOP的在線模型更新
6 4 基於MWLOF和MWLoOP的時變多工況過程故障檢測
6 4 1 基於MWLOF演算法的故障檢測流程
6 4 2 基於MWLoOP演算法的故障檢測流程
6 5 模擬案例及分析
6 5 1 數值模擬應用研究
6 5 2 CSTR過程模擬應用研究
參考文獻
第7章 非穩態間歇過程在線監測
7 1 非穩態間歇過程的特點與研究現狀
7 2 基於時間片CCA的間歇過程關鍵單元監測方法
7 2 1 對於間歇過程基於時間片CCA的故障檢測
7 2 2 時間片CCA故障檢測方法的特點
7 2 3 應用案例
參考文獻
第8章 故障溯源診斷
8 1 故障溯源診斷研究背景和意義
8 2 故障溯源診斷方法研究現狀
8 3 基於貢獻圖的故障溯源診斷方法研究
8 3 1 基於主成分分析

前言/序言
現代工業過程生產線自
動化程度高且生產強度大
，生產對象動力學特性復
雜，過程變數間耦合嚴重
，干擾因素影響普遍存在
，具有複雜能量和物質回
流等典型特點。對於現代
工業過程而言，過程操作
變數的波動、微小的故障
就可能引起連鎖反應，通
常會導致生產裝置工況的
劣化。在極端情況下，局
部故障在生產流程中傳播
並演化，會造成生產單元
、裝置操作狀態的惡化，
導致生產裝置停車、失火
、爆炸等事故，嚴重時甚
至造成人身傷亡等惡性事
件。
現代工業過程機理複雜
、物性參數眾多，精確機
理建模面臨巨大困難，模
型的複雜性導致求解困難
，限制了基於機理模型方
法的應用。隨著信息感知
技術的快速發展，先進傳
感設備及資料庫技術的應
用，為實時監控工業過程
系統工況運行效果的提高
提供了堅實的物質基礎和
更加有效的技術手段，為
大數據驅動的在線監測、
故障溯源診斷帶來了機遇
。針對近幾年複雜工業過
程在線監測及故障診斷領
域的熱點問題，本書在統
計學習、機器學習方法的
基礎上，為數據驅動的復
雜工業過程的在線監測及
故障診斷方法提供了較為
完整的理論框架及案例應
用分析，包括概述、大規
模多單元過程的分散式監
測、多模態工業過程在線
監測、非線性過程在線監
測、關鍵性能指標相關過
程在線監測、動態時變工
業過程在線監測、非穩態
間歇過程在線監測、故障
溯源診斷。
本書可作為自動控制或
信息科學等相關專業本科
生及研究生擴充知識領域
的教學用書及參考用書，
同時也對從事自動化相關
領域的科研人員及工程技
術人員具有一定的參考價
值。本書要求讀者具有一
定的統計知識基礎和機器
學習相關知識。希望本書
在幫助讀者了解工業過程
在線監測與故障診斷的同
時，能夠為相關領域的工
作者進行工業過程監控系
統開發時提供借鑒。
本書由華東理工大學自
動化系侍洪波教授、姜慶
超副教授、宋冰副教授共
同編寫。由於作者水平有
限，書中難免會有疏漏之
處，敬請同行和讀者不吝
賜教，我們當深表感謝。
著者