第1章 故障檢測技術概述1.1 引言1.2 多元統計過程監控簡介1.2.1 過程監控技術概述1.2.2 工業過程監控方法的分類1.2.3 監控技術的研究現狀1.3 本書概況 第2章 基于KPCA的過程監測方法2.1 概述2.2 滑動中值濾波2.2.1 工作原理2.2.2 滑動中值濾波算法2.3 核主元分析（KPCA）2.3.1 核主元分析算法2.3.2 基于KPCA的過程監控2.4 動態核主元分析（DKPCA）算法2.4.1 DKPCA基本原理介紹2.4.2 DKPCA監控流程2.5 基于SMF-MsKPcA過程監控算法2.5.1 SMF-MSKPCA模型建立過程2.5.2 SMF-MSKPCA故障檢測過程2.6 基于SMF-MSKPCA的仿真研究2.6.1 非線性數學模型應用仿真2.6.2 田納西過程的應用仿真2.6.3 青霉素發酵過程的應用仿真2.7 基于SMF-MSDKPCA的過程監控方法2.8 SMF-MSDKPCA監控算法2.9 仿真研究2.9.1 動態非線性模型的應用仿真2.9.2 田納西過程的應用仿真2.10 本章小結第3章 多模式過程監控方法3.1 概述3.2 主元分析3.2.1 主元分析建模3.2.2 基于主元分析的過程監控3.3 多變量指數加權平均（MEwMA）3.4 基于提取公共特性的多模式過程監控方法3.5 提取公共特性的多模式過程監測方法3.5.1 提取多模式公共基礎信息建立模型3.5.2 將MEWMA引入多模式過程監控方法3.5.3 提取公共特性的多模式過程監控方法在線監測3.6 仿真研究和結果分析3.6.1 連續退火過程3.6.2 仿真結果分析3.7 非線性核多模式過程監控方法3.7.1 非線性核多模式過程監控法離線建模3.7.2 非線性核多模式方法與MEwMA結合3.7.3 非線性核多模式過程監控方法在線監測3.8 仿真研究和結果分析3.8.1 電熔鎂爐工作過程3.8.2 仿真結果分析3.9 本章小結第4章 非高斯過程的過程監測方法4.1 獨立元分析方法4.1.1 獨立元分析的定義4.1.2 數據預處理4.1.3 獨立元分析算法4.2 核獨立元分析算法4.2.1 在特征空間中自化數據4.2.2 利用改進的ICA提取非線性獨立元4.3 基于MBKICA的故障檢測方法4.3.1 核矩陣分塊4.3.2 利用MBKPCA算法求白化矩陣4.3.3 用ICA算法進行故障檢測4.4 基于多模態KICA的故障檢測方法4.4.1 提取各個模態的全局主要向量4.4.2 引入核方法提取各模態全局主要向量4.4.3 多模態KICA算法的基本原理4.5 仿真分析4.5.1 冷軋連續退火機組的生產過程描述4.5.2 對MBKICA方法的仿真分析4.5.3 對多模態KICA方法的仿真分析4.6 本章小結第5章 基于多尺度核偏*小二乘法的過程監測方法研究5.1 在線測量模型及相關算法研究5.2 多尺度核偏*小二乘算法（MSKPLS）的研究5.2.1 核偏*小二乘法5.2.2 核偏*小二乘法的基本思想5.2.3 核偏*小二乘算法建模機理5.2.4 核函數的選擇5.2.5 MSKPLS算法研究5.3 過程監測與故障診斷中的應用規模和可變貢獻5.4 實驗設計與結果分析5.5 本章小結第6章 工業過程的故障幅值估計6.1 工業過程的故障幅值問題6.2 故障幅值的估計6.3 仿真研究6.3.1 蒙特卡羅模擬6.3.2 實驗結果分析與比較6.4 本章小結