偏最小2乘方法及其在工业过程数据处理中的应用

《偏最小二乘方法及其在工业过程数据处理中的应用》的作者多年来一直从事工业过程数据的统计建模、过程监测与诊断、关键因变量的预测与回归，他在借鉴国内外有关近期新研究成果和自身完成的研究实例基础上，博采众家之长，写成此书。全书结合具体的工业过程实例，对基于PLS的过程数据线性回归、统计建模、过程监测和质量预测等进行了比较系统的介绍，之后深入探讨了非线性PLS方法理论与应用中的一些关键问题，如核函数的选择、双核映射等。本书可作为自动控制专业及数据科学与大数据技术专业研究生的学习参考书，同时对从事自动化和数据科学方面的研究、设计、开发和应用的广大工程师、技术人员也具有一定的参考价值。

第1章 绪论
1.1 引言
1.2 研究背景与意义
1.3 偏最小二乘方法描述
1.4 偏最小二乘方法的研究现状
1.4.1 基于PLS的线性回归研究现状
1.4.2 基于PLS的统计建模、故障监测研究现状
1.4.3 基于PLS的质量变量预测研究现状
1.4.4 非线性PLS的研究与发展
1.5 全书概况
参考文献
第2章 基于PLS的工业过程线性回归分析
2.1 引言
2.2 PLS原理基石：MLR与PCR
2.2.1 多元线性回归MLR
2.2.2 主成分回归PCR
2.3 单变量偏最小二乘回归
2.3.1 算法推导
2.3.2 基本性质
2.3.3 交叉有效性
2.4 多变量偏最小二乘回归
2.4.1 算法推导
2.4.2 基本性质
2.4.3 交叉有效性
2.4.4 工业过程中PLS质量预测模型
2.5 PLS与PCR比较
2.6 典型间歇过程——青霉素发酵过程案例研究
2.6.1 间歇过程及其数据预处理
2.6.2 青霉素发酵仿真ping台介绍
2.6.3 基于MPLS的青霉素发酵过程质量预测
2.7 结束语
参考文献
第3章 基于PLS的工业过程统计建模与故障监测
3.1 引言
3.2 工业过程数据分析的问题描述
3.3 基于PLS的工业过程统计建模
3.3.1 偏最小二乘算法的基本原理
3.3.2 基于PLS模型的方法
3.3.3 基于PLS 扩展模型的方法
3.4 基于PLS的工业过程故障监测
3.4.1 PLS主元个数确定
3.4.2 基于PLS多变量统计过程检测图
3.4.3 基于PLS过程监测步骤
3.5 PLS用于过程监测时的几何特性分析
3.6 基于PCA和PLS的过程监测算法区别与联系
3.6.1 基于PLS方法统计建模与PCA的比较
3.6.2 PLS过程监测与PCA的比较
3.7 案例研究
3.7.1 数值仿真研究
3.7.2 TE过程案例研究
3.7.3 发酵过程监测案例研究
3.8 结束语
参考文献
第4章 基于PLS的工业过程质量预测建模
4.1 引言
4.2 质量预测问题描述
4.3 基于PLS的质量预测算法
4.3.1 基于PLS的质量预测算法简介
4.3.2 过程变量与质量变量的相关关系分析
4.3.3 过程变量在解释质量变量方面的作用
4.3.4 对成分的解释
4.3.5 正交信号修正方法
4.3.6 质量预测算法步骤
4.3.7 基于多阶段划分的质量预测
4.4 工业过程案例研究
4.4.1 Pensim发酵ping台仿真实验
4.4.2 某制药厂大肠杆菌发酵过程现场实验
4.5 结束语
参考文献
第5章 基于核映射的非线性偏最小二乘方法
5.1 引言
5.2 传统KPLS算法描述
5.2.1 核映射过程
5.2.2 KPLS算法
5.2.3 核函数选择
5.3 一种新的基于小波核的KPLS算法
5.3.1 多维张量积小波核函数的推导及有效性证明
5.3.2 数值例证明Morlet小波核函数有效性
5.3.3 基于Morlet小波核的KPLS在非线性混沌系统拟合中的验证
5.4 基于KPLS的工业过程故障监测与质量预测
5.4.1 监控统计量的确定
5.4.2 基于KPLS的过程监测及质量预测步骤
5.5 工业案例应用
5.5.1 大肠杆菌发酵过程
5.5.2 基于KPLS对发酵过程的质量预测
5.5.3 基于KPLS对发酵过程的故障监测
5.6 结束语
参考文献
第6章 基于约化双核PLS的非线性过程质量预测
6.1 引言
6.2 PLS的双核结构提出与讨论
6.3 约化双核PLS算法
6.3.1 核技巧的特征向量提取方法
6.3.2 针对核方法的参数调节优化
6.3.3 质量数据的投影及其特征提取
6.3.4 高维核空间数据的逆向还原算法
6.4 案例研究
6.4.1 数值例Ⅰ
6.4.2 数值例Ⅱ
6.4.3 大肠杆菌实验ping台
6.4.4 分析与讨论
6.5 结束语
参考文献
第7章 基于JITL-PLS统计模型动态更新
7.1 引言
7.2 工业数据的动态JITL局部样本选择
7.2.1 局部建模策略优势
7.2.2 即时学习（JITL）局部模型选取方法
7.2.3 对JITL模型样本容量阈值的讨论
7.2.4 动态JITL样本选择
7.3 基于JITL-PLS的工业过程在线监测
7.3.1 基于PLS回归残差的模型更新机制
7.3.2 基于改进即时学习策略的工业过程在线监测
7.3.3 回归残差更新机制实验
7.3.4 青霉素发酵过程仿真实验
7.4 基于JITL-PLS的工业过程质量预测
7.4.1 一种新的预测效果度量指标：预测标准差
7.4.2 算法总体流程
7.4.3 青霉素实验ping台实验设计
7.4.4 实验结果分析
7.5 结束语
参考文献
第8章 基于核熵PLS（KEPLS）的工业过程质量预测与控制
8.1 引言
8.2 核熵PLS算法原理
8.3 基于KEPLS的工业过程质量监控与预警
8.3.1 改进的特征采样（IFS）算法
8.3.2 基于IFS-KEPLS的过程监测以及质量预测步骤
8.3.3 KEPLS算法和KPLS算法实验结果比较分析
8.4 基于KEPLS的工业过程质量控制
8.4.1 标准向量核空间贡献图（SV-KCD）方法
8.4.2 SV-KCD与KEPLS相结合的过程质量控制算法描述
8.5 案例研究
8.5.1 SV-KEPLS方法在大肠杆菌发酵过程中的应用
8.5.2 质量预测仿真
8.5.3 基于SV-KEPLS的质量控制的仿真
8.6 结束语
参考文献