軋鋼過程數(shù)據(jù)驅(qū)動(dòng)故障診斷與質(zhì)量預(yù)報(bào)方法研究：基于多元統(tǒng)計(jì)方法

目錄
《博士后文庫(kù)》序言
前言
第1章 緒論 1
1.1 引言 1
1.2 本書涉及的基本概念 1
1.3 故障診斷發(fā)展現(xiàn)狀和研究現(xiàn)狀 2
1.3.1 故障診斷技術(shù)的發(fā)展現(xiàn)狀 2
1.3.2 軋鋼過程故障診斷的研究現(xiàn)狀 3
1.3.3 基于多元統(tǒng)計(jì)分析的故障診斷方法的研究現(xiàn)狀 9
1.4 本書主要內(nèi)容 13
第2章 軋鋼過程工藝原理及故障分析 15
2.1 引言 15
2.2 軋鋼過程的工藝階段 15
2.2.1 熱連軋工藝階段 15
2.2.2 冷軋工藝階段 17
2.3 軋鋼過程主要故障分析 19
2.4 軋鋼過程變量數(shù)據(jù)特性分析及軋鋼機(jī)故障特性分析 22
2.4.1 軋鋼過程變量數(shù)據(jù)特性分析 22
2.4.2 軋鋼機(jī)故障特性分析 23
2.5 軋鋼機(jī)狀態(tài)監(jiān)測(cè) 23
第3章 多元統(tǒng)計(jì)分析故障診斷和質(zhì)量預(yù)報(bào)基本理論 24
3.1 引言 24
3.2 數(shù)據(jù)的預(yù)處理 24
3.3 多元統(tǒng)計(jì)分析主要方法 25
3.3.1 主成分分析方法 25
3.3.2 獨(dú)立成分分析方法 34
3.3.3 偏最小二乘方法 45
3.3.4 費(fèi)希爾判別分析方法 49
3.4 基于多元統(tǒng)計(jì)的狀態(tài)監(jiān)測(cè) 53
3.5 基于多元統(tǒng)計(jì)的故障分離 54
3.6 基于統(tǒng)計(jì)回歸的質(zhì)量預(yù)報(bào) 55
第4章 基于馬氏距離相對(duì)變換偏最小二乘的軋鋼過程狀態(tài)監(jiān)測(cè) 57
4.1 引言 57
4.2 基于馬氏距離相對(duì)變換的偏最小二乘統(tǒng)計(jì)建模 58
4.2.1 馬氏距離相對(duì)變換的基本思想 58
4.2.2 基于馬氏距離相對(duì)變換的偏最小二乘統(tǒng)計(jì)建模步驟 61
4.3 馬氏距離相對(duì)變換偏最小二乘方法 62
4.3.1 監(jiān)測(cè)統(tǒng)計(jì)量及其控制限的確定 62
4.3.2 基于馬氏距離相對(duì)變換偏最小二乘的軋鋼過程狀態(tài)監(jiān)測(cè)步驟 62
4.3.3 基于馬氏距離相對(duì)變換偏最小二乘方法的計(jì)算復(fù)雜度分析 63
4.4 仿真實(shí)例 63
4.4.1 概述 63
4.4.2 仿真結(jié)果與分析 65
4.5 本章小結(jié) 71
第5章 基于MBRTICA的狀態(tài)監(jiān)測(cè)和故障定位 72
5.1 引言 72
5.2 多塊理論 73
5.3 RTICA故障檢測(cè)方法 74
5.3.1 相對(duì)變換 74
5.3.2 RTICA方法 77
5.3.3 RTICA故障檢測(cè)步驟 78
5.4 基于多塊的RTICA故障診斷方法 79
5.5 基于MBRTICA方法的軋機(jī)軸承裂紋故障診斷 81
5.6 本章小結(jié) 85
第6章 基于改進(jìn)動(dòng)態(tài)核主成分分析方法結(jié)合獨(dú)立成分分析方法的狀態(tài)監(jiān)測(cè)和故障分離 87
6.1 引言 87
6.2 動(dòng)態(tài)主成分分析方法和核主成分分析方法 88
6.2.1 動(dòng)態(tài)主成分分析方法 88
6.2.2 核主成分分析方法 89
6.3 獨(dú)立成分分析方法 91
6.3.1 獨(dú)立成分分析方法基本概念 91
6.3.2 獨(dú)立成分分析方法實(shí)現(xiàn)步驟 92
6.3.3 監(jiān)控統(tǒng)計(jì)量及其控制限的確定 93
6.4 基于改進(jìn)動(dòng)態(tài)核主成分分析方法結(jié)合獨(dú)立成分分析方法的統(tǒng)計(jì)建模、狀態(tài)監(jiān)測(cè)和故障分離方法 94
6.4.1 統(tǒng)計(jì)建模 94
6.4.2 狀態(tài)監(jiān)測(cè)和故障分離方法 95
6.5 仿真實(shí)例 96
6.5.1 概述 96
6.5.2 仿真結(jié)果與分析 97
6.6 本章小結(jié) 102
第7章 基于優(yōu)化策略的KFDA的狀態(tài)監(jiān)測(cè)和故障識(shí)別 103
7.1 引言 103
7.2 基于KFDA的故障識(shí)別 104
7.2.1 FDA的基本原理 104
7.2.2 KFDA方法的基本原理 106
7.2.3 基于KFDA的狀態(tài)監(jiān)測(cè)和故障識(shí)別 108
7.3 基于改進(jìn)生物地理學(xué)優(yōu)化算法的核參數(shù)優(yōu)化和特征樣本選取 109
7.3.1 生物地理學(xué)優(yōu)化算法 109
7.3.2 改進(jìn)生物地理學(xué)優(yōu)化算法 112
7.3.3 核參數(shù)優(yōu)化和特征樣本選取 114
7.4 基于優(yōu)化策略的KFDA方法 116
7.5 仿真實(shí)例 117
7.5.1 概述 117
7.5.2 仿真結(jié)果與分析 119
7.6 本章小結(jié) 125
第8章 基于非線性特征提取和回歸的故障診斷與質(zhì)量預(yù)報(bào) 126
8.1 引言 126
8.2 基于核偏最小二乘的非線性特征提取和回歸 127
8.2.1 基于核偏最小二乘的非線性特征提取 127
8.2.2 基于核偏最小二乘的非線性回歸 128
8.3 費(fèi)希爾判別分析方法介紹 128
8.4 基于偏最小二乘方法結(jié)合費(fèi)希爾判別分析的方法 129
8.4.1 質(zhì)量預(yù)報(bào)中核偏最小二乘與費(fèi)希爾判別分析的關(guān)系 129
8.4.2 基于非線性特征提取和回歸的故障診斷與質(zhì)量預(yù)報(bào)統(tǒng)計(jì)建模 130
8.4.3 算法流程 131
8.5 仿真實(shí)例 132
8.5.1 概述 132
8.5.2 仿真結(jié)果與分析 133
8.6 本章小結(jié) 140
參考文獻(xiàn) 142
編后記 151