目錄《博士后文庫》序言前言第1章 緒論 11.1 引言 11.2 本書涉及的基本概念 11.3 故障診斷發展現狀和研究現狀 21.3.1 故障診斷技術的發展現狀 21.3.2 軋鋼過程故障診斷的研究現狀 31.3.3 基于多元統計分析的故障診斷方法的研究現狀 91.4 本書主要內容 13第2章 軋鋼過程工藝原理及故障分析 152.1 引言 152.2 軋鋼過程的工藝階段 152.2.1 熱連軋工藝階段 152.2.2 冷軋工藝階段 172.3 軋鋼過程主要故障分析 192.4 軋鋼過程變量數據特性分析及軋鋼機故障特性分析 222.4.1 軋鋼過程變量數據特性分析 222.4.2 軋鋼機故障特性分析 232.5 軋鋼機狀態監測 23第3章 多元統計分析故障診斷和質量預報基本理論 243.1 引言 243.2 數據的預處理 243.3 多元統計分析主要方法 253.3.1 主成分分析方法 253.3.2 獨立成分分析方法 343.3.3 偏*小二乘方法 453.3.4 費希爾判別分析方法 493.4 基于多元統計的狀態監測 533.5 基于多元統計的故障分離 543.6 基于統計回歸的質量預報 55第4章 基于馬氏距離相對變換偏*小二乘的軋鋼過程狀態監測 574.1 引言 574.2 基于馬氏距離相對變換的偏*小二乘統計建模 584.2.1 馬氏距離相對變換的基本思想 584.2.2 基于馬氏距離相對變換的偏*小二乘統計建模步驟 614.3 馬氏距離相對變換偏*小二乘方法 624.3.1 監測統計量及其控制限的確定 624.3.2 基于馬氏距離相對變換偏*小二乘的軋鋼過程狀態監測步驟 624.3.3 基于馬氏距離相對變換偏*小二乘方法的計算復雜度分析 634.4 仿真實例 634.4.1 概述 634.4.2 仿真結果與分析 654.5 本章小結 71第5章 基于MBRTICA的狀態監測和故障定位 725.1 引言 725.2 多塊理論 735.3 RTICA故障檢測方法 745.3.1 相對變換 745.3.2 RTICA方法 775.3.3 RTICA故障檢測步驟 785.4 基于多塊的RTICA故障診斷方法 795.5 基于MBRTICA方法的軋機軸承裂紋故障診斷 815.6 本章小結 85第6章 基于改進動態核主成分分析方法結合獨立成分分析方法的狀態監測和故障分離 876.1 引言 876.2 動態主成分分析方法和核主成分分析方法 886.2.1 動態主成分分析方法 886.2.2 核主成分分析方法 896.3 獨立成分分析方法 916.3.1 獨立成分分析方法基本概念 916.3.2 獨立成分分析方法實現步驟 926.3.3 監控統計量及其控制限的確定 936.4 基于改進動態核主成分分析方法結合獨立成分分析方法的統計建模、狀態監測和故障分離方法 946.4.1 統計建模 946.4.2 狀態監測和故障分離方法 956.5 仿真實例 966.5.1 概述 966.5.2 仿真結果與分析 976.6 本章小結 102第7章 基于優化策略的KFDA的狀態監測和故障識別 1037.1 引言 1037.2 基于KFDA的故障識別 1047.2.1 FDA的基本原理 1047.2.2 KFDA方法的基本原理 1067.2.3 基于KFDA的狀態監測和故障識別 1087.3 基于改進生物地理學優化算法的核參數優化和特征樣本選取 1097.3.1 生物地理學優化算法 1097.3.2 改進生物地理學優化算法 1127.3.3 核參數優化和特征樣本選取 1147.4 基于優化策略的KFDA方法 1167.5 仿真實例 1177.5.1 概述 1177.5.2 仿真結果與分析 1197.6 本章小結 125第8章 基于非線性特征提取和回歸的故障診斷與質量預報 1268.1 引言 1268.2 基于核偏*小二乘的非線性特征提取和回歸 1278.2.1 基于核偏*小二乘的非線性特征提取 1278.2.2 基于核偏*小二乘的非線性回歸 1288.3 費希爾判別分析方法介紹 1288.4 基于偏*小二乘方法結合費希爾判別分析的方法 1298.4.1 質量預報中核偏*小二乘與費希爾判別分析的關系 1298.4.2 基于非線性特征提取和回歸的故障診斷與質量預報統計建模 1308.4.3 算法流程 1318.5 仿真實例 1328.5.1 概述 1328.5.2 仿真結果與分析 1338.6 本章小結 140參考文獻 142編后記 151