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

數據驅動的工業過程監測與故障診斷(精)/工業互聯網前沿技術叢書

  • 作者：鄭英//王兆靜//王楊|責編:李夢陽|總主編:高金吉//魯春叢
  • 出版社：華中科技大學
  • ISBN：9787568098892
  • 出版日期：2024/03/01
  • 裝幀：精裝
  • 頁數：245
人民幣：RMB 158 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    數據驅動的工業過程監測與故障診斷是保證生產安全和產品質量的重要手段。本書依托國家自然科學基金、湖北省傑出青年基金項目，面向工業製造過程和系統，介紹了多元統計分析和機器學習等工業數據分析方法，在此基礎上介紹了作者團隊提出的多種故障檢測、故障變數溯源、故障分類、故障辨識、健康預警、產品等級分類方法。除了關注傳統的故障檢測率和誤報率之外，重點分析了過渡模態、操作故障、污染效應、故障分級、小樣本/零樣本、數據不平衡、手工質量分級等問題，所介紹的方法均在多個基準數據平台和實際工業系統中得到成功應用。
    本書對自動化和人工智慧相關專業的教學和科研，以及工業過程監測與故障診斷應用實踐具有一定的參考價值。
作者介紹
鄭英//王兆靜//王楊|責編:李夢陽|總主編:高金吉//魯春叢
目錄
第1章  數據驅動的過程監測和故障診斷概述
  1.1  研究背景與意義
  1.2  國內外研究現狀
    1.2.1  工業過程故障檢測研究現狀
    1.2.2  工業過程故障診斷研究現狀
  1.3  本書內容
  本章參考文獻
第2章  工業數據分析的基本理論與方法
  2.1  引言
  2.2  數據處理方法
    2.2.1  數據的標準化
    2.2.2  基於稀疏字典學習的特徵提取
    2.2.3  基於非對稱加權DTW的非線性整定
    2.2.4  基於CA的特徵提取
  2.3  數據驅動的故障檢測方法
    2.3.1  基於PCA的故障檢測方法
    2.3.2  基於SFA的故障檢測方法
  2.4  數據驅動的故障診斷方法
    2.4.1  基於RBC的故障診斷方法
    2.4.2  基於貝葉斯決策的故障診斷方法
    2.4.3  基於CNN的故障分類方法
  2.5  結束語
  本章參考文獻
第3章  基於時間加權核稀疏表示方法的非線性多模態過程實時監測
  3.1  引言
  3.2  時間加權核稀疏表示
    3.2.1  模型構建
    3.2.2  優化求解
    3.2.3  收斂性分析
    3.2.4  複雜度分析
  3.3  多模態過程離線建模
    3.3.1  離線模態辨識
    3.3.2  字典更新
  3.4  多模態過程在線監測
    3.4.1  在線模態辨識
    3.4.2  在線故障檢測
    3.4.3  非線性多模態過程監測框架
  3.5  案例研究
    3.5.1  數值模擬
    3.5.2  污水處理過程
  3.6  結束語
  本章參考文獻
第4章  基於軌跡的過渡模態辨識與操作異常監測
  4.1  引言
  4.2  基於軌跡的過渡模態辨識與過程監測
    4.2.1  基於最慢慢特徵的過渡模態辨識
    4.2.2  基於軌跡的過程建模與故障檢測
  4.3  多模態操作故障的定義
  4.4  案例研究
    4.4.1  數值模擬研究

    4.4.2  TE過程模擬研究
  4.5  結束語/83本章參考文獻
第5章  基於非對稱加權動態時間規整的非平穩過程監測
  5.1  引言
  5.2  過程數據整定
    5.2.1  基於投影規則的過程數據在線整定
    5.2.2  約束設定
  5.3  在線過程監測
    5.3.1  基於近鄰相似度變化率的監控指標
    5.3.2  基於尾端計次的監控指標
    5.3.3  操作步驟
  5.4  案例研究
    5.4.1  TE過程模擬案例
    5.4.2  半導體刻蝕過程實例
  5.5  結束語
  本章參考文獻
第6章  多操作階段的全流程工業過程廣義監測
  6.1  引言
  6.2  基於平穩映射的全流程工業過程廣義監測
    6.2.1  基於變數間相關性的階段辨識
    6.2.2  基於平穩映射的離線建模
    6.2.3  基於局部思想的在線監測
    6.2.4  演算法流程
  6.3  連續與間歇工業過程案例應用
    6.3.1  拓展TE過程模擬
    6.3.2  青黴素發酵過程
  6.4  結束語
  本章參考文獻
第7章  基於貝葉斯與多維重構貢獻的故障變數溯源
  7.1  引言
  7.2  參數估計與非參數估計
  7.3  特徵屬性及其類條件概率密度函數
  7.4  貝葉斯理論與多維重構貢獻的融合
  7.5  基於貝葉斯與多維重構的故障變數溯源
  7.6  案例研究
    7.6.1  數值模擬
    7.6.2  TE過程性能監控
    7.6.3  CSTR過程性能監控
  7.7  結束語
  本章參考文獻
第8章  基於類間差異分析的故障變數溯源
  8.1  引言
  8.2  基於類間差異分析與多維重構貢獻的故障變數溯源
    8.2.1  基於PCA的類間差異分析
    8.2.2  基於FDA的類間差異分析
    8.2.3  基於類間差異分析的故障變數溯源
  8.3  案例研究
    8.3.1  數值模擬
    8.3.2  TE過程
  8.4  結束語

  本章參考文獻
第9章  基於深度學習的工業過程故障分類
  9.1  引言
  9.2  MHSENet模型架構
  9.3  工業空調系統案例研究
    9.3.1  工業空調系統案例數據介紹
    9.3.2  工業空調系統故障分類模型的建立方法
    9.3.3  實驗結果及分析
  9.4  TE過程案例研究
    9.4.1  TE過程數據集介紹
    9.4.2  實驗結果與分析
  9.5  結束語
  本章參考文獻
第10章  工業過程零樣本故障辨識
  10.1  引言
  10.2  問題定義
  10.3  特徵提取
    10.3.1  卷積模塊
    10.3.2  多任務學習
    10.3.3  故障辨識
    10.3.4  零樣本故障辨識方法框架
  10.4  TE過程案例研究
    10.4.1  模型建立方法
    10.4.2  多任務學習的影響分析
    10.4.3  實驗結果與分析
  10.5  工業空調系統案例研究
    10.5.1  工業空調系統的故障屬性
    10.5.2  實驗結果與分析
  10.6  結束語
  本章參考文獻
第11章  基於脈衝特徵和似然概率比較的健康預警
  11.1  引言
  11.2  基於離散小波變換的脈衝特徵提取
    11.2.1  離散小波變換
    11.2.2  脈衝特徵提取
  11.3  基於似然概率比較的退化點檢測
    11.3.1  指數韋布爾分佈擬合
    11.3.2  似然概率比較預警方法
  11.4  實驗驗證
    11.4.1  ADSCI特徵提取
    11.4.2  軸承預警結果
    11.4.3  預警結果對比
  11.5  結束語
  本章參考文獻
第12章  可視化工業產品多級能力分析
  12.1  引言
  12.2  基於多元分佈特徵的數據擴充
  12.3  可視化分級模型
  12.4  PCI的構建
  12.5  案例研究

  12.6  結束語
  本章參考文獻

  • 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