数据驱动的工业过程监测与故障诊断

数据驱动的工业过程监测与故障诊断是保证生产安全和产品质量的重要手段。本书依托国家自然科学基金、湖北省杰出青年基金项目，面向工业制造过程和系统，介绍了多元统计分析和机器学习等工业数据分析方法，在此基础上介绍了作者团队提出的多种故障检测、故障变量溯源、故障分类、故障辨识、健康预警、产品等级分类方法。除了关注传统的故障检测率和误报率之外，重点分析了过渡模态、操作故障、污染效应、故障分级、小样本/零样本、数据不平衡、手工质量分级等问题，所介绍的方法均在多个基准数据平台和实际工业系统中得到成功应用。本书对自动化和人工智能相关专业的教学和科研，以及工业过程监测与故障诊断应用实践具有一定的参考价值。

郑英，教授、博士生导师、华中学者、IEEE高级会员、湖北省杰出青年基金获得者、科技部重大专项评审专家，中国自动化协会故障诊断委员会委员、过程控制委员会委员、数据驱动控制、学习与优化专业委员会委员，中国控制会议（CCC）程序委员会委员，湖北省自动化协会理事。2004年12月至2005年11月赴台湾清华大学进行博士后研究，2006年7月至10月赴英国Cardiff大学进行访问研究，2014年12月至2015年12月赴美国南加州大学访问研究。湖北省自然科学二等奖、湖北省优秀学士论文指导奖获得者。长期从事自动控制领域的基础性研究工作，在过程控制、故障诊断、容错控制、网络控制等方向上积累了丰富的研究成果。主持国家自然科学基金3项、湖北省自然科学基金项目1项、国家博士后基金1项。在国内外发表学术论文70余篇，其中30余篇被SCI索引。

目录 第1章数据驱动的过程监测和故障诊断概述/1 1.1研究背景与意义/1 1.2国内外研究现状/3 1.2.1工业过程故障检测研究现状/3 1.2.2工业过程故障诊断研究现状/8 1.3本书内容/9 本章参考文献/10 第2章工业数据分析的基本理论与方法/18 2.1引言/18 2.2数据处理方法/19 2.2.1数据的标准化/19 2.2.2基于稀疏字典学习的特征提取/21 2.2.3基于非对称加权DTW的非线性整定/23 2.2.4基于CA的特征提取/25 2.3数据驱动的故障检测方法/26 2.3.1基于PCA的故障检测方法/26 2.3.2基于SFA的故障检测方法/29 2.4数据驱动的故障诊断方法/31 2.4.1基于RBC的故障诊断方法/31 2.4.2基于贝叶斯决策的故障诊断方法/33 2.4.3基于CNN的故障分类方法/35 2.5结束语/37 本章参考文献/37 数据驱动的工业过程监测与故障诊断目录第3章基于时间加权核稀疏表示方法的非线性多模态过程实时监测/40 3.1引言/40 3.2时间加权核稀疏表示/41 3.2.1模型构建/41 3.2.2优化求解/43 3.2.3收敛性分析/44 3.2.4复杂度分析/45 3.3多模态过程离线建模/45 3.3.1离线模态辨识/45 3.3.2字典更新/46 3.4多模态过程在线监测/47 3.4.1在线模态辨识/47 3.4.2在线故障检测/48 3.4.3非线性多模态过程监测框架/49 3.5案例研究/49 3.5.1数值仿真/49 3.5.2污水处理过程/52 3.6结束语/56 本章参考文献/57 第4章基于轨迹的过渡模态辨识与操作异常监测/60 4.1引言/60 4.2基于轨迹的过渡模态辨识与过程监测/61 4.2.1基于最慢慢特征的过渡模态辨识/62 4.2.2基于轨迹的过程建模与故障检测/63 4.3多模态操作故障的定义/65 4.4案例研究/67 4.4.1数值仿真研究/67 4.4.2TE过程仿真研究/72 4.5结束语/83 本章参考文献/84 第5章基于非对称加权动态时间规整的非平稳过程监测/86 5.1引言/86 5.2过程数据整定/87 5.2.1基于投影规则的过程数据在线整定/87 5.2.2约束设定/90 5.3在线过程监测/92 5.3.1基于近邻相似度变化率的监控指标/92 5.3.2基于尾端计次的监控指标/95 5.3.3操作步骤/96 5.4案例研究/96 5.4.1TE过程仿真案例/96 5.4.2半导体刻蚀过程实例/104 5.5结束语/106 本章参考文献/107 第6章多操作阶段的全流程工业过程广义监测/109 6.1引言/109 6.2基于平稳映射的全流程工业过程广义监测/111 6.2.1基于变量间相关性的阶段辨识/111 6.2.2基于平稳映射的离线建模/114 6.2.3基于局部思想的在线监测/115 6.2.4算法流程/117 6.3连续与间歇工业过程案例应用/119 6.3.1拓展TE过程仿真/119 6.3.2青霉素发酵过程/125 6.4结束语/132 本章参考文献/132 第7章基于贝叶斯与多维重构贡献的故障变量溯源/135 7.1引言/135 7.2参数估计与非参数估计/136 7.3特征属性及其类条件概率密度函数/137 7.4贝叶斯理论与多维重构贡献的融合/140 7.5基于贝叶斯与多维重构的故障变量溯源/141 7.6案例研究/143 7.6.1数值仿真/143 7.6.2TE过程性能监控/147 7.6.3CSTR过程性能监控/152 7.7结束语/155 本章参考文献/156 第8章基于类间差异分析的故障变量溯源/158 8.1引言/158 8.2基于类间差异分析与多维重构贡献的故障变量溯源/159 8.2.1基于PCA的类间差异分析/159 8.2.2基于FDA的类间差异分析/160 8.2.3基于类间差异分析的故障变量溯源/163 8.3案例研究/164 8.3.1数值仿真/164 8.3.2TE过程/165 8.4结束语/170 本章参考文献/171 第9章基于深度学习的工业过程故障分类/173 9.1引言/173 9.2MHSENet模型架构/174 9.3工业空调系统案例研究/176 9.3.1工业空调系统案例数据介绍/176 9.3.2工业空调系统故障分类模型的建立方法/177 9.3.3实验结果及分析/178 9.4TE过程案例研究/180 9.4.1TE过程数据集介绍/180 9.4.2实验结果与分析/181 9.5结束语/184 本章参考文献/184 第10章工业过程零样本故障辨识/187 10.1引言/187 10.2问题定义/189 10.3特征提取/189 10.3.1卷积模块/190 10.3.2多任务学习/191 10.3.3故障辨识/192 10.3.4零样本故障辨识方法框架/193 10.4TE过程案例研究/194 10.4.1模型建立方法/196 10.4.2多任务学习的影响分析/197 10.4.3实验结果与分析/197 10.5工业空调系统案例研究/199 10.5.1工业空调系统的故障属性/200 10.5.2实验结果与分析/201 10.6结束语/202 本章参考文献/202 第11章基于脉冲特征和似然概率比较的健康预警/205 11.1引言/205 11.2基于离散小波变换的脉冲特征提取/206 11.2.1离散小波变换/206 11.2.2脉冲特征提取/207 11.3基于似然概率比较的退化点检测/208 11.3.1指数韦布尔分布拟合/208 11.3.2似然概率比较预警方法/209 11.4实验验证/210 11.4.1ADSCI特征提取/211 11.4.2轴承预警结果/214 11.4.3预警结果对比/220 11.5结束语/221 本章参考文献/222 第12章可视化工业产品多级能力分析/224 12.1引言/224 12.2基于多元分布特征的数据扩充/226 12.3可视化分级模型/228 12.4PCI的构建/232 12.5案例研究/235 12.6结束语/242 本章参考文献/243