人工智能是近年來(lái)最為火熱的研究領(lǐng)域之一,尤其是隨著深度學(xué)習(xí)算法研究的突破,人工智能技術(shù)在工業(yè)過(guò)程控制領(lǐng)域取得了前所未有的發(fā)展。深度學(xué)習(xí)算法涵蓋的內(nèi)容非常前沿和廣袤,本書從表示學(xué)習(xí)的角度,針對(duì)流程工業(yè)的故障檢測(cè)與診斷中存在的問(wèn)題進(jìn)行探究、模型構(gòu)建與實(shí)驗(yàn)驗(yàn)證、分析,引導(dǎo)讀者分析和解決問(wèn)題,幫助讀者最大限度地理解算法理論,提升工程實(shí)現(xiàn)能力。本書可供從事表示學(xué)習(xí)、故障檢測(cè)與診斷算法研究人員參考。
第一章 緒論
1.1 課題背景及研究意義
1.2 研究現(xiàn)狀及分析
1.2.1 基于多元統(tǒng)計(jì)分析的故障診斷方法
1.2.2 基于信號(hào)處理的故障診斷方法
1.2.3 基于粗糙集的故障診斷方法
1.2.4 基于信息融合的故障診斷方法
1.2.5 基于機(jī)器學(xué)習(xí)的故障診斷方法
1.2.6 數(shù)據(jù)驅(qū)動(dòng)的故障診斷研究中存在的問(wèn)題
1.3 本書的研究?jī)?nèi)容
第二章 基于棧式自編碼網(wǎng)絡(luò)的故障診斷
2.1 引言
2.2 棧式自編碼網(wǎng)絡(luò)
2.2.1 稀疏自編碼網(wǎng)絡(luò)
2.2.2 棧式稀疏自編碼網(wǎng)絡(luò)
2.3 Logistic回歸與Softmax分類器
2.3.1 Logistic回歸分析
2.3.2 Softmax分類器
2.4 基于棧式自編碼網(wǎng)絡(luò)的故障診斷
2.5 TE過(guò)程實(shí)驗(yàn)驗(yàn)證
2.5.1 TE過(guò)程介紹
2.5.2 故障檢測(cè)
2.5.3 故障診斷
2.5.4 時(shí)間復(fù)雜度分析
2.6 本章小結(jié)
第三章 基于加權(quán)序列的棧式自編碼網(wǎng)絡(luò)故障診斷
3.1 引言
3.2 時(shí)間去噪
3.3 支持向量機(jī)分類器
3.4 基于加權(quán)序列的棧式自編碼網(wǎng)絡(luò)故障診斷
3.5 TE過(guò)程案例研究
3.5.1 故障檢測(cè)
3.5.2 微小故障檢測(cè)
3.5.3 故障分類
3.6 本章小結(jié)
第四章 基于動(dòng)態(tài)估計(jì)的棧式自編碼網(wǎng)絡(luò)故障診斷
4.1 引言
4.2 多項(xiàng)式泰勒展開闡釋自編碼網(wǎng)絡(luò)
4.3 基于動(dòng)態(tài)估計(jì)的表示學(xué)習(xí)
4.4 基于動(dòng)態(tài)估計(jì)的棧式自編碼網(wǎng)絡(luò)診斷框架
4.5 實(shí)驗(yàn)驗(yàn)證與分析
4.5.1 數(shù)值分析
4.5.2 TE過(guò)程案例分析
4.6 本章小結(jié)
第五章 基于高階相關(guān)性的多級(jí)故障診斷
5.1 引言
5.2 基于棧式自編碼網(wǎng)絡(luò)的高階相關(guān)性特征提取
5.3 自編碼網(wǎng)絡(luò)與主成分分析的關(guān)系
5.4 過(guò)程監(jiān)控的統(tǒng)計(jì)量
5.4.1 基于重建誤差的監(jiān)控指標(biāo)
5.4.2 基于馬氏距離的監(jiān)控指標(biāo)
5.4.3 基于切比雪夫距離的監(jiān)控指標(biāo)
5.4.4 控制上限
5.5 基于高階相關(guān)性的多級(jí)故障診斷
5.6 實(shí)驗(yàn)驗(yàn)證與分析
5.6.1 TE過(guò)程上的統(tǒng)計(jì)量分析
5.6.2 TE過(guò)程與ME過(guò)程上的故障檢測(cè)結(jié)果
5.6.3 訓(xùn)練集對(duì)算法的影響
5.7 本章小結(jié)
第六章 基于棧式自編碼網(wǎng)絡(luò)的閾值自適應(yīng)過(guò)程監(jiān)控
6.1 引言
6.2 多模態(tài)測(cè)量的表示學(xué)習(xí)
6.3 基于棧式自編碼網(wǎng)絡(luò)的閾值自適應(yīng)過(guò)程監(jiān)控
6.3.1 基于改進(jìn)的指數(shù)加均法的自適應(yīng)閾值更新
6.3.2 基于貢獻(xiàn)圖的變量隔離
6.3.3 基于棧式自編碼網(wǎng)絡(luò)的閾值自適應(yīng)在線監(jiān)控框架
6.4 TE過(guò)程實(shí)驗(yàn)驗(yàn)證
6.4.1 模態(tài)辨識(shí)
6.4.2 故障檢測(cè)
6.5 本章小結(jié)
第七章 基于互信息矩陣投影的可解釋故障診斷
7.1 引言
7.2 互信息矩陣的定義與估計(jì)
7.2.1 互信息矩陣的定義
7.2.2 基于矩陣Renyi的-熵函數(shù)的互信息估計(jì)
7.3 基于PMIM的故障檢測(cè)
7.4 關(guān)于PMIM算法的實(shí)現(xiàn)與探討
7.5 實(shí)驗(yàn)驗(yàn)證與分析
7.5.1 數(shù)值仿真實(shí)驗(yàn)驗(yàn)證
7.5.2 TE過(guò)程實(shí)驗(yàn)驗(yàn)證
7.6 本章小結(jié)
第八章 總結(jié)與展望
8.1 研究總結(jié)
8.2 研究展望
附錄
縮寫、符號(hào)、術(shù)語(yǔ)表
參考文獻(xiàn)
致謝