幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

數據驅動建模控制與監測(以高爐煉鐵過程為例)(精)

  • 作者：周平//王宏//柴天佑|責編:姜紅//常友麗
  • 出版社：科學
  • ISBN：9787030697066
  • 出版日期：2022/11/01
  • 裝幀：精裝
  • 頁數：381
人民幣：RMB 188 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    高爐自動化是國際公認的挑戰性難題。本書從數據驅動角度系統性總結和闡述作者及其團隊近10年在高爐自動化方面的系列研究成果，主要包括數據驅動建模、控制與監測三部分內容。數據驅動建模部分主要針對難建模高爐煉鐵過程數據質量不理想和非線性動態時變等問題，重點介紹魯棒隨機權神經網路、魯棒支持向量回歸機以及遞推子空間辨識等建模方法；數據驅動控制部分主要介紹面向高爐鐵水質量高性能控制的數據驅動預測控制、即時學習自適應預測控制以及無模型自適應（預測）控制等方法，前兩類方法為間接數據驅動控制方法，而後者為直接數據驅動控制方法；數據驅動監測部分主要闡述面向高爐優質、低耗與穩定運行的數據驅動監測方法，包括PCA-ICA集成方法、KPLS魯棒重構誤差方法、自適應閾值KPLS方法以及改進貢獻率KPLS方法。
    本書可作為高等院校控制、冶金、電腦、人工智慧等學科研究生和高年級本科生的參考書，也可供自動化、數據科學及冶金領域相關研究人員和工程技術人員參考。
作者介紹
周平//王宏//柴天佑|責編:姜紅//常友麗
目錄
前言
第1章  緒論
  1.1  引言
  1.2  高爐煉鐵過程及建模、控制與監測相關問題描述
    1.2.1  高爐煉鐵過程描述
    1.2.2  高爐鐵水質量指標
    1.2.3  高爐鐵水質量相關變數分析
    1.2.4  高爐煉鐵生產的基本操作制度
    1.2.5  高爐煉鐵過程動態特性及複雜性分析
  1.3  高爐煉鐵過程建模、控制與監測方法
    1.3.1  高爐煉鐵過程建模方法
    1.3.2  高爐煉鐵過程質量相關監測方法
    1.3.3  高爐煉鐵過程式控制制方法
  1.4  本書主要內容
  參考文獻
第2章  基於隨機權神經網路的高爐鐵水質量建模
  2.1  隨機權神經網路理論基礎
    2.1.1  隨機權神經網路演算法簡介
    2.1.2  隨機權神經網路演算法實現要點
  2.2  集成自編碼器與PCA的高爐鐵水質量RVFLNs建模
    2.2.1  自編碼器簡介
    2.2.2  集成自編碼器與PCA的RVFLNs演算法
    2.2.3  工業數據驗證
  2.3  高爐鐵水質量魯棒正則化RVFLNs建模
    2.3.1  正則化與魯棒估計簡介
    2.3.2  魯棒正則化RVFLNs演算法
    2.3.3  工業數據驗證
  2.4  高爐鐵水質量魯棒OS-RVFLNs建模
    2.4.1  建模策略
    2.4.2  帶有遺忘因子的在線序貫學習RVFLNs演算法
    2.4.3  魯棒OS-RVFLNs演算法
    2.4.4  工業數據驗證
  2.5  基於GM-估計與PLS的鐵水質量魯棒RVFLNs建模
    2.5.1  建模策略
    2.5.2  PLS-RVFLNs演算法
    2.5.3  基於GM-估計與PLS的魯棒RVFLNs演算法
    2.5.4  工業數據驗證
  參考文獻
第3章  基於支持向量回歸的高爐鐵水質量魯棒建模
  3.1  支持向量回歸理論基礎
    3.1.1  支持向量分類機
    3.1.2  支持向量回歸機
    3.1.3  核函數
  3.2  基於稀疏化魯棒LSSVR的鐵水硅含量建模
    3.2.1  建模問題描述
    3.2.2  稀疏化魯棒LSSVR建模演算法
    3.2.3  R-S-LSSVR參數多目標遺傳優化
    3.2.4  工業數據驗證
  3.3  基於多輸出魯棒LSSVR的多元鐵水質量建模
    3.3.1  建模問題描述

    3.3.2  多輸出魯棒LSSVR建模演算法
    3.3.3  多輸出魯棒LSSVR參數多目標遺傳優化
    3.3.4  工業數據驗證
  參考文獻
第4章  基於子空間辨識的高爐鐵水質量建模
  4.1  子空間辨識演算法理論基礎
    4.1.1  正交投影
    4.1.2  斜向投影
    4.1.3  QR分解
    4.1.4  奇異值分解
  4.2  基於線性子空間辨識的高爐鐵水質量建模
    4.2.1  系統狀態空間描述
    4.2.2  子空間辨識數據矩陣構造
    4.2.3  線性子空間辨識演算法
    4.2.4  工業數據驗證
  4.3  基於遞推子空間辨識的高爐鐵水質量在線建模
    4.3.1  遞推子空間辨識演算法
    4.3.2  工業數據驗證
  4.4  基於遞推雙線性子空間辨識的高爐鐵水質量在線建模
    4.4.1  遞推雙線性子空間辨識演算法
    4.4.2  工業數據驗證
  4.5  基於非線性子空間辨識的高爐鐵水質量建模
    4.5.1  基於LSSVM的非線性子空間辨識演算法
    4.5.2  工業數據驗證
  參考文獻
第5章  高爐煉鐵過程其他數據驅動建模方法
  5.1  高爐十字測溫中心溫度估計的M-ARMAX建模
    5.1.1  高爐十字測溫過程及建模問題描述
    5.1.2  建模演算法
    5.1.3  工業數據驗證
  5.2  建模誤差PDF形狀優化的高爐十字測溫中心溫度估計
    5.2.1  小波神經網路演算法簡介
    5.2.2  建模策略與建模演算法
    5.2.3  工業數據驗證
  5.3  面向建模誤差PDF形狀與趨勢擬合優度多目標優化的鐵水質量建模
    5.3.1  建模策略
    5.3.2  建模演算法
    5.3.3  數值模擬
    5.3.4  工業數據驗證
  參考文獻
第6章  高爐鐵水質量數據驅動預測控制
  6.1  預測控制及相關問題
  6.2  基於單輸出LSSVR建模的鐵水硅含量非線性預測控制
    6.2.1  控制演算法
    6.2.2  工業數據驗證
  6.3  基於多輸出LSSVR逆系統辨識的鐵水質量預測控制
    6.3.1  控制演算法
    6.3.2  工業數據驗證
  6.4  基於線性子空間在線預測建模的鐵水質量自適應預測控制
    6.4.1  控制演算法

    6.4.2  工業數據驗證
  6.5  基於雙線性子空間在線預測建模的鐵水質量自適應預測控制
    6.5.1  控制演算法
    6.5.2  工業數據驗證
  參考文獻
第7章  基於即時學習的高爐鐵水質量自適應預測控制
  7.1  即時學習方法理論基礎
    7.1.1  即時學習基本原理
    7.1.2  即時學習的幾個主要問題
  7.2  基於線性即時學習的鐵水硅含量自適應預測控制
    7.2.1  控制演算法
    7.2.2  工業數據驗證
  7.3  基於快速JITL-R-M-LSSVR的鐵水質量自適應預測控制
    7.3.1  快速JITL-R-M-LSSVR策略
    7.3.2  快速JITL-R-M-LSSVR演算法
    7.3.3  基於快速JITL-R-M-LSSVR的非線性預測控制
    7.3.4  工業數據驗證
  參考文獻
第8章  高爐鐵水質量無模型自適應控制
  8.1  基本MFAC演算法及其在高爐鐵水質量控制的問題分析
    8.1.1  基於緊格式動態線性化的鐵水質量MFAC設計演算法
    8.1.2  基於偏格式動態線性化的鐵水質量MFAC設計演算法
    8.1.3  基於全格式動態線性化的鐵水質量MFAC設計演算法
    8.1.4  基本MFAC演算法的鐵水質量控制效果及問題分析
  8.2  基於多參數靈敏度分析與遺傳演算法參數優化的鐵水質量MFAC方法
    8.2.1  多參數靈敏度分析與遺傳演算法參數優化簡述
    8.2.2  改進MFAC控制策略與演算法
    8.2.3  基於多參數靈敏度分析和遺傳演算法參數優化的MFAC控制器參數整定方法
    8.2.4  工業數據驗證
  8.3  高爐鐵水質量魯棒無模型自適應預測控制方法
    8.3.1  高爐鐵水質量擴展MFAPC方法
    8.3.2  高爐鐵水質量魯棒MFAPC方法
    8.3.3  工業數據驗證
  參考文獻
第9章  集成PCA-ICA的高爐煉鐵過程異常工況監測
  9.1  集成PCA-ICA的高爐煉鐵過程異常工況監測策略
  9.2  過程監測演算法
    9.2.1  基於PCA的高爐煉鐵過程監測演算法
    9.2.2  基於ICA的高爐煉鐵過程監測演算法
    9.2.3  高爐煉鐵過程集成PCA-ICA的統一貢獻圖辨識演算法
  9.3  工業數據驗證
    9.3.1  所提方法過程變數權值參數分配
    9.3.2  高爐煉鐵過程異常監測與辨識效果
  參考文獻
第10章  基於KPLS魯棒重構誤差的高爐燃料比監測方法
  10.1  基於KPLS的非線性過程檢測方法
  10.2  基於KPLS魯棒重構誤差的故障識別方法
    10.2.1  故障識別演算法
    10.2.2  故障識別指標
  10.3  數值模擬

  10.4  工業數據驗證
    10.4.1  高爐燃料比檢測效果
    10.4.2  基於KPLS魯棒重構誤差的燃料比異常識別效果
  參考文獻
第11章  基於自適應閾值KPLS的高爐鐵水質量異常檢測方法
  11.1  基於自適應閾值的KPLS異常檢測演算法
    11.1.1  基於EWMA的自適應閾值
    11.1.2  異常檢測策略與演算法
  11.2  數值模擬
  11.3  工業數據驗證
    11.3.1  高爐鐵水質量異常檢測問題描述
    11.3.2  高爐鐵水質量異常檢測結果分析
  參考文獻
第12章  基於改進貢獻率KPLS的高爐鐵水質量監測與異常識別
  12.1  鐵水質量相關過程監測的問題分析
  12.2  高爐煉鐵過程質量相關故障識別
    12.2.1  所提方法基本思想
    12.2.2  故障識別的貢獻推導
    12.2.3  相對貢獻率及控制限
  12.3  數值模擬
  12.4  工業數據驗證
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032