目錄
前言
第1章緒論1
1.1引言1
1.2高爐煉鐵過(guò)程及其故障檢測(cè)與診斷問(wèn)題描述2
1.2.1高爐煉鐵過(guò)程描述2
1.2.2高爐煉鐵過(guò)程生產(chǎn)操作制度3
1.2.3不同工況特性闡述4
1.2.4煉鐵過(guò)程變量分析6
1.2.5過(guò)程數(shù)據(jù)特性分析7
1.3高爐煉鐵過(guò)程故障檢測(cè)與診斷研究現(xiàn)狀8
1.3.1定性分析方法8
1.3.2定量分析方法10
1.3.3故障檢測(cè)與診斷的量化指標(biāo)12
參考文獻(xiàn)13
第2章高爐煉鐵過(guò)程故障檢測(cè)的主成分追蹤方法18
2.1主成分追蹤概述19
2.1.1主成分分析概述19
2.1.2魯棒主成分分析概述19
2.1.3主成分追蹤理論20
2.1.4數(shù)據(jù)噪聲處理與故障檢測(cè)實(shí)現(xiàn)21
2.1.5案例分析27
2.2故障檢測(cè)的主成分追蹤方法29
2.2.1問(wèn)題描述29
2.2.2離群點(diǎn)處理的主成分追蹤方法29
2.2.3基于主成分追蹤的故障檢測(cè)方法31
2.2.4案例分析33
2.3故障檢測(cè)的魯棒主成分追蹤方法36
2.3.1問(wèn)題描述37
2.3.2魯棒主成分追蹤求解算法與收斂性證明37
2.3.3基于魯棒主成分追蹤的故障檢測(cè)方法42
2.3.4案例分析43
參考文獻(xiàn)45
第3章高爐煉鐵過(guò)程故障檢測(cè)的平穩(wěn)子空間分析方法47
3.1平穩(wěn)子空間分析概述48
3.2面向動(dòng)態(tài)非平穩(wěn)過(guò)程特性的故障檢測(cè)50
3.2.1動(dòng)態(tài)非平穩(wěn)過(guò)程描述50
3.2.2自適應(yīng)動(dòng)態(tài)可解釋分析平穩(wěn)子空間分析算法51
3.2.3改進(jìn)統(tǒng)計(jì)量和自適應(yīng)策略構(gòu)建54
3.2.4故障可檢測(cè)性分析56
3.2.5模型參數(shù)討論59
3.2.6案例分析60
3.3面向非線性非平穩(wěn)過(guò)程特性的故障檢測(cè)67
3.3.1非線性非平穩(wěn)高爐煉鐵過(guò)程故障描述67
3.3.2局部寬度核動(dòng)態(tài)平穩(wěn)子空間分析算法67
3.3.3非平穩(wěn)對(duì)故障檢測(cè)性能的影響分析69
3.3.4局部統(tǒng)計(jì)量構(gòu)建與性能分析72
3.3.5案例分析75
3.4面向全局-局部非線性耦合過(guò)程特性的故障檢測(cè)79
3.4.1復(fù)雜非線性問(wèn)題描述79
3.4.2全局-局部非線性平穩(wěn)子空間分析算法80
3.4.3案例分析89
參考文獻(xiàn)98
第4章高爐煉鐵過(guò)程故障檢測(cè)的圖理論方法101
4.1圖理論方法概述101
4.2故障檢測(cè)的半監(jiān)督加權(quán)圖方法104
4.2.1問(wèn)題描述104
4.2.2基于半監(jiān)督加權(quán)圖的故障檢測(cè)方法105
4.2.3案例分析108
4.3故障檢測(cè)的無(wú)監(jiān)督加權(quán)圖方法112
4.3.1問(wèn)題描述112
4.3.2基于無(wú)監(jiān)督加權(quán)圖的故障檢測(cè)方法113
4.3.3案例分析114
4.4故障檢測(cè)的自適應(yīng)無(wú)監(jiān)督加權(quán)圖方法119
4.4.1問(wèn)題描述119
4.4.2基于自適應(yīng)無(wú)監(jiān)督加權(quán)圖的故障檢測(cè)方法120
4.4.3案例分析124
參考文獻(xiàn)126
第5章高爐煉鐵過(guò)程故障診斷的隱馬爾可夫模型128
5.1隱馬爾可夫模型概述128
5.1.1隱馬爾可夫模型129
5.1.2自適應(yīng)特征提取的故障診斷130
5.2故障診斷的隱馬爾可夫模型133
5.2.1有效變量選擇與故障診斷133
5.2.2基于隱馬爾可夫模型的故障診斷模型135
5.2.3案例分析136
5.3多工況過(guò)程故障診斷的移動(dòng)窗隱馬爾可夫模型139
5.3.1工況識(shí)別140
5.3.2故障檢測(cè)指標(biāo)構(gòu)建141
5.3.3多工況過(guò)程監(jiān)測(cè)與診斷算法142
5.3.4案例分析144
參考文獻(xiàn)147
第6章高爐煉鐵過(guò)程故障診斷的核網(wǎng)絡(luò)方法150
6.1支持向量機(jī)概述151
6.1.1支持向量機(jī)151
6.1.2核函數(shù)理論性能152
6.2故障診斷的深度平穩(wěn)核學(xué)習(xí)支持向量機(jī)153
6.2.1多層堆砌核網(wǎng)絡(luò)的深度平穩(wěn)非線性表示153
6.2.2深度平穩(wěn)核學(xué)習(xí)支持向量機(jī)分類器的構(gòu)建154
6.2.3模型優(yōu)化求解155
6.2.4故障診斷流程157
6.2.5案例分析157
6.3非線性非平穩(wěn)過(guò)程故障診斷的核網(wǎng)絡(luò)方法165
6.3.1非線性一致特征構(gòu)造165
6.3.2融合深度寬度平穩(wěn)核網(wǎng)絡(luò)的故障分類器設(shè)計(jì)168
6.3.3案例分析170
參考文獻(xiàn)175
第7章高爐煉鐵過(guò)程故障診斷的生成對(duì)抗網(wǎng)絡(luò)方法178
7.1主動(dòng)學(xué)習(xí)與生成對(duì)抗網(wǎng)絡(luò)概述179
7.1.1主動(dòng)學(xué)習(xí)方法179
7.1.2生成對(duì)抗網(wǎng)絡(luò)180
7.2少標(biāo)簽故障診斷的半監(jiān)督生成對(duì)抗網(wǎng)絡(luò)方法183
7.2.1主動(dòng)半監(jiān)督學(xué)習(xí)和生成對(duì)抗網(wǎng)絡(luò)方法183
7.2.2案例分析189
7.3零樣本故障診斷的條件生成對(duì)抗網(wǎng)絡(luò)方法195
7.3.1條件生成對(duì)抗網(wǎng)絡(luò)方法的模型訓(xùn)練、樣本生成與故障識(shí)別算法195
7.3.2案例分析199
參考文獻(xiàn)204
第8章高爐煉鐵過(guò)程故障診斷的遷移學(xué)習(xí)方法206
8.1遷移學(xué)習(xí)概述207
8.1.1最大均值差異207
8.1.2深度域混淆208
8.1.3深度適應(yīng)網(wǎng)絡(luò)210
8.2時(shí)變小樣本故障診斷的深度加權(quán)聯(lián)合分布適應(yīng)網(wǎng)絡(luò)211
8.2.1聯(lián)合分布適應(yīng)基礎(chǔ)概述211
8.2.2深度加權(quán)聯(lián)合分布適應(yīng)網(wǎng)絡(luò)框架213
8.2.3案例分析219
8.3時(shí)變魯棒故障診斷的極小極大熵協(xié)同訓(xùn)練方法225
8.3.1遷移學(xué)習(xí)的泛化誤差分析225
8.3.2極小極大熵協(xié)同訓(xùn)練算法226
8.3.3案例分析231
8.4故障診斷的非完整多源遷移學(xué)習(xí)方法235
8.4.1多源學(xué)習(xí)概述236
8.4.2極小極大熵的非完整多源遷移學(xué)習(xí)算法236
8.4.3案例分析239
參考文獻(xiàn)243
第9章基于工業(yè)互聯(lián)網(wǎng)的高爐煉鐵過(guò)程故障檢測(cè)與診斷應(yīng)用245
9.1工業(yè)互聯(lián)網(wǎng)平臺(tái)架構(gòu)245
9.2工業(yè)互聯(lián)網(wǎng)平臺(tái)搭建247
9.2.1容器化技術(shù)247
9.2.2容器編排248
9.2.3集群管理249
9.3數(shù)字孿生體構(gòu)建251
9.4基于工業(yè)互聯(lián)網(wǎng)的高爐煉鐵過(guò)程故障檢測(cè)與診斷253
9.4.1孿生數(shù)據(jù)驅(qū)動(dòng)的故障檢測(cè)與診斷253
9.4.2應(yīng)用實(shí)例254
參考文獻(xiàn)256
彩圖