高炉炼铁过程故障检测与诊断是国际公认的挑战性难题。本书从数据驱动角度系统性地总结和阐述作者及其团队近10余年在高炉炼铁过程故障检测与诊断方面的一系列研究成果，主要包括绪论、故障检测、故障诊断及工业应用四部分内容。故障检测部分主要针对过程数据强噪声、非线性和非平稳等问题，重点介绍主成分追踪、平稳子空间分析和图理论等检测方法；故障诊断部分主要针对多工况、大时变和小样本等难点，重点介绍隐马尔可夫模型、核网络模型、生成对抗网络和迁移学习等诊断方法；工业应用部分主要阐述工业互联网基础上故障检测与诊断的具体实现，包括工业互联网平台架构、数字孪生体构建和应用实例。
更多科学出版社服务，请扫码获取。
1992年、1995年、1998年在浙江大学分别获机械设计与制造专业工学学士、流体传动与控制专业工学硕士、控制理论与控制工程专业工学博士学位。1998年在浙江大学控制系留校任教至今，2009年晋升浙江大学教授，2010年任博士生导师，2019年受聘为浙江大学求是特聘教授。高端控制装备及系统设计开发平台研究与应用，国家科学技术进步一等奖，2013年，排名第3。
IEEE Senior Member，中国自动化学会高级会员，中国自动化学会过程控制专委会常务委员，技术过程故障诊断与安全性专委会委员，中国通用机械工业协会能量回收装置分会委员，浙江省智能制造专家委员会委员，浙江省节能减排监测控制专委会委员。
目录
前言
第1章绪论1
1.1引言1
1.2高炉炼铁过程及其故障检测与诊断问题描述2
1.2.1高炉炼铁过程描述2
1.2.2高炉炼铁过程生产操作制度3
1.2.3不同工况特性阐述4
1.2.4炼铁过程变量分析6
1.2.5过程数据特性分析7
1.3高炉炼铁过程故障检测与诊断研究现状8
1.3.1定性分析方法8
1.3.2定量分析方法10
1.3.3故障检测与诊断的量化指标12
参考文献13
第2章高炉炼铁过程故障检测的主成分追踪方法18
2.1主成分追踪概述19
2.1.1主成分分析概述19
2.1.2鲁棒主成分分析概述19
2.1.3主成分追踪理论20
2.1.4数据噪声处理与故障检测实现21
2.1.5案例分析27
2.2故障检测的主成分追踪方法29
2.2.1问题描述29
2.2.2离群点处理的主成分追踪方法29
2.2.3基于主成分追踪的故障检测方法31
2.2.4案例分析33
2.3故障检测的鲁棒主成分追踪方法36
2.3.1问题描述37
2.3.2鲁棒主成分追踪求解算法与收敛性证明37
2.3.3基于鲁棒主成分追踪的故障检测方法42
2.3.4案例分析43
参考文献45
第3章高炉炼铁过程故障检测的平稳子空间分析方法47
3.1平稳子空间分析概述48
3.2面向动态非平稳过程特性的故障检测50
3.2.1动态非平稳过程描述50
3.2.2自适应动态可解释分析平稳子空间分析算法51
3.2.3改进统计量和自适应策略构建54
3.2.4故障可检测性分析56
3.2.5模型参数讨论59
3.2.6案例分析60
3.3面向非线性非平稳过程特性的故障检测67
3.3.1非线性非平稳高炉炼铁过程故障描述67
3.3.2局部宽度核动态平稳子空间分析算法67
3.3.3非平稳对故障检测性能的影响分析69
3.3.4局部统计量构建与性能分析72
3.3.5案例分析75
3.4面向全局-局部非线性耦合过程特性的故障检测79
3.4.1复杂非线性问题描述79
3.4.2全局-局部非线性平稳子空间分析算法80
3.4.3案例分析89
参考文献98
第4章高炉炼铁过程故障检测的图理论方法101
4.1图理论方法概述101
4.2故障检测的半监督加权图方法104
4.2.1问题描述104
4.2.2基于半监督加权图的故障检测方法105
4.2.3案例分析108
4.3故障检测的无监督加权图方法112
4.3.1问题描述112
4.3.2基于无监督加权图的故障检测方法113
4.3.3案例分析114
4.4故障检测的自适应无监督加权图方法119
4.4.1问题描述119
4.4.2基于自适应无监督加权图的故障检测方法120
4.4.3案例分析124
参考文献126
第5章高炉炼铁过程故障诊断的隐马尔可夫模型128
5.1隐马尔可夫模型概述128
5.1.1隐马尔可夫模型129
5.1.2自适应特征提取的故障诊断130
5.2故障诊断的隐马尔可夫模型133
5.2.1有效变量选择与故障诊断133
5.2.2基于隐马尔可夫模型的故障诊断模型135
5.2.3案例分析136
5.3多工况过程故障诊断的移动窗隐马尔可夫模型139
5.3.1工况识别140
5.3.2故障检测指标构建141
5.3.3多工况过程监测与诊断算法142
5.3.4案例分析144
参考文献147
第6章高炉炼铁过程故障诊断的核网络方法150
6.1支持向量机概述151
6.1.1支持向量机151
6.1.2核函数理论性能152
6.2故障诊断的深度平稳核学习支持向量机153
6.2.1多层堆砌核网络的深度平稳非线性表示153
6.2.2深度平稳核学习支持向量机分类器的构建154
6.2.3模型优化求解155
6.2.4故障诊断流程157
6.2.5案例分析157
6.3非线性非平稳过程故障诊断的核网络方法165
6.3.1非线性一致特征构造165
6.3.2融合深度宽度平稳核网络的故障分类器设计168
6.3.3案例分析170
参考文献175
第7章高炉炼铁过程故障诊断的生成对抗网络方法178
7.1主动学习与生成对抗网络概述179
7.1.1主动学习方法179
7.1.2生成对抗网络180
7.2少标签故障诊断的半监督生成对抗网络方法183
7.2.1主动半监督学习和生成对抗网络方法183
7.2.2案例分析189
7.3零样本故障诊断的条件生成对抗网络方法195
7.3.1条件生成对抗网络方法的模型训练、样本生成与故障识别算法195
7.3.2案例分析199
参考文献204
第8章高炉炼铁过程故障诊断的迁移学习方法206
8.1迁移学习概述207
8.1.1最大均值差异207
8.1.2深度域混淆208
8.1.3深度适应网络210
8.2时变小样本故障诊断的深度加权联合分布适应网络211
8.2.1联合分布适应基础概述211
8.2.2深度加权联合分布适应网络框架213
8.2.3案例分析219
8.3时变鲁棒故障诊断的极小极大熵协同训练方法225
8.3.1迁移学习的泛化误差分析225
8.3.2极小极大熵协同训练算法226
8.3.3案例分析231
8.4故障诊断的非完整多源迁移学习方法235
8.4.1多源学习概述236
8.4.2极小极大熵的非完整多源迁移学习算法236
8.4.3案例分析239
参考文献243
第9章基于工业互联网的高炉炼铁过程故障检测与诊断应用245
9.1工业互联网平台架构245
9.2工业互联网平台搭建247
9.2.1容器化技术247
9.2.2容器编排248
9.2.3集群管理249
9.3数字孪生体构建251
9.4基于工业互联网的高炉炼铁过程故障检测与诊断253
9.4.1孪生数据驱动的故障检测与诊断253
9.4.2应用实例254
参考文献256
彩图
书单推荐
