編輯推薦:

內(nèi)容簡介:本書介紹了數(shù)據(jù)驅(qū)動的故障診斷理論， 內(nèi)容涉及故障診斷方法的數(shù)學(xué)基礎(chǔ)、理論分析和應(yīng)用集成， 涵蓋了所有經(jīng)典的數(shù)據(jù)驅(qū)動故障診斷方法和部分*新的非預(yù)期故障診斷方法： 包括矩陣分析基礎(chǔ)、數(shù)理統(tǒng)計(jì)基礎(chǔ)、數(shù)據(jù)驅(qū)動故障診斷基礎(chǔ)、平滑預(yù)處理方法、時(shí)序建模方法、靜態(tài)數(shù)據(jù)驅(qū)動設(shè)計(jì)與評估、動態(tài)數(shù)據(jù)驅(qū)動設(shè)計(jì)與評估、數(shù)據(jù)驅(qū)動非預(yù)期故障和基于MATLAB 是本書的特色， 另外本書有大量翔實(shí)的應(yīng)用案例可供參考.

作者簡介:

目錄:前言

第1章 非預(yù)期故障診斷概述
1.1 背景與意義
1.1.1 背景
1.1.2 意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 非預(yù)期故障診斷的方法
1.2.2 非預(yù)期故障診斷的應(yīng)用
1.3 全書概況
1.3.1 問題引出
1.3.2 章節(jié)安排

第2章 矩陣分析
2.1 矩陣和運(yùn)算
2.1.1 矩陣
2.1.2 矩陣的運(yùn)算
2.1.3 矩陣的數(shù)值特征
2.1.4 矩陣表示方程
2.2 正交矩陣
2.2.1 反射
2.2.2 旋轉(zhuǎn)
2.3 矩陣分解
2.3.1 QR分解
2.3.2 奇異值分解
2.3.3 廣義特征值分解
2.4 線性方程組的解
2.4.1 廣義逆
2.4.2 線性方程的解
2.4.3 條件數(shù)和方程解的穩(wěn)定性
2.5 分塊矩陣的逆
2.5.1 分塊初等矩陣
2.5.2 分塊矩陣的逆
2.5.3 分塊矩陣的廣義逆
2.5.4 分塊矩陣的行列式
2.6 算法浮點(diǎn)數(shù)
2.6.1 矩陣乘法
2.6.2 QR分解
2.6.3 奇異值分解
2.6.4 廣義逆
2.7 投影矩陣
2.7.1 正交投影
2.7.2 斜投影
2.7.3 投影遞歸公式
2.8 矩陣的跡
2.8.1 跡的微分公式
2.8.2 跡的不等式

第3章 數(shù)理統(tǒng)計(jì)
3.1 數(shù)值特征
3.1.1 隨機(jī)向量
3.1.2 樣本矩陣
3.1.3 遞歸公式
3.2 正態(tài)分布的導(dǎo)出分布
3.2.1 正態(tài)分布
3.2.2 隨機(jī)矩陣
3.2.3 四種常用的導(dǎo)出分布
3.2.4 假設(shè)檢驗(yàn)
3.3 參數(shù)估計(jì)性能評估
3.3.1 G-M定理
3.3.2 原模型和潛模型
3.3.3 有偏估計(jì)的性能評估
3.3.4 融合估計(jì)的性能評估
3.4 狀態(tài)估計(jì)性能評估
3.4.1 單信息最優(yōu)估計(jì)
3.4.2 多信息最優(yōu)估計(jì)
3.4.3Kalman濾波公式

第4章 故障診斷基本方法
4.1 變化及其類型
4.1.1 確定型變化和隨機(jī)型變化
4.1.2 微小變化和巨大變化
4.1.3 單變量變化和多變量變化
4.1.4 輸入變化和輸出變化
4.1.5 加性變化和乘性變化
4.2 故障和故障診斷
4.2.1 故障和故障類型
4.2.2 故障診斷
4.2.3 故障診斷性能評估
4.3 單變量故障檢測的基本方法
4.3.1 休哈特檢測法
4.3.2 累積和檢測法
4.3.3 指數(shù)加權(quán)平均檢測法
4.3.4 未知參數(shù)下的檢測方法
4.3.5 隨機(jī)故障檢測方法
4.4 多變量故障檢測的基本方法
4.4.1 數(shù)值特征已知
4.4.2 數(shù)值特征未知
4.4.3 多變量空間分解檢測方法
4.5 故障隔離的基本方法
4.5.1 基于距離的隔離方法
4.5.2 基于夾角的隔離方法
4.6 基于貢獻(xiàn)的故障隔離方法

第5章 非預(yù)期故障診斷的通用過程模型
5.1 非預(yù)期故障診斷的數(shù)學(xué)描述
5.2 四層結(jié)構(gòu)通用過程模型
5.3 基于單類多元統(tǒng)計(jì)分析的非預(yù)期故障診斷流程
5.4 仿真驗(yàn)證及結(jié)果分析
5.4.1 診斷對象及數(shù)據(jù)說明
5.4.2 診斷結(jié)果及分析
5.5 結(jié)論

第6章 基于平滑預(yù)處理的非預(yù)期故障診斷方法
6.1 引言
6.2 非平穩(wěn)數(shù)據(jù)的平滑預(yù)處理
6.2.1 趨勢和殘差
6.2.2 邊界處理技術(shù)
6.2.3 平滑預(yù)處理對故障診斷的影響
6.3 基于平滑預(yù)處理的非預(yù)期故障診斷流程
6.3.1 預(yù)期故障檢測
6.3.2 預(yù)期故障隔離
6.3.3 非預(yù)期故障檢測
6.3.4 非預(yù)期故障隔離
6.4 仿真驗(yàn)證及結(jié)果分析
6.4.1 診斷對象及數(shù)據(jù)說明
6.4.2 平滑預(yù)處理
6.4.3 診斷結(jié)果及分析
6.5 結(jié)論

第7章 基于時(shí)序建模的故障檢測方法
7.1 引言
7.2 基于時(shí)序建模的改進(jìn)檢測統(tǒng)計(jì)量
7.2.1 標(biāo)準(zhǔn)檢測統(tǒng)計(jì)量
7.2.2 改進(jìn)檢測統(tǒng)計(jì)量
7.2.3 結(jié)構(gòu)比較
7.2.4 改進(jìn)檢測統(tǒng)計(jì)量的性能分析
7.3 改進(jìn)檢測統(tǒng)計(jì)量的增量／減量算法
7.3.1 暴力算法
7.3.2 減量算法
7.3.3 算法的復(fù)雜度對比分析
7.4 仿真驗(yàn)證及結(jié)果分析
7.4.1 案例1：單輸入單輸出（SISO）
7.4.2 案例2：衛(wèi)星姿態(tài)控制系統(tǒng)（SACS）
7.5 結(jié)論

第8章 靜態(tài)模型故障檢測方法評估
8.1 引言
8.2 靜態(tài)模型檢測基本方法
8.2.1 模型已知
8.2.2 模型未知
8.3 潛變量回歸與檢測的權(quán)框架
8.3.1 潛變量提取
8.3.2 潛變量回歸
8.3.3 潛變量檢測
8.3.4 故障診斷性能評估
8.3.5 小結(jié)
8.4 潛變量的提取和權(quán)矩陣的計(jì)算
8.4.1 主元分析和主元回歸
8.4.2 典型相關(guān)分析和典型相關(guān)回歸
8.4.3 偏最小二乘和偏最小二乘回歸
8.4.4 降秩回歸
8.4.5 小結(jié)
8.5 潛變量回歸與檢測的性能分析與評估
8.5.1 參數(shù)定理
8.5.2 校正定理
8.5.3 檢測定理
8.6 仿真驗(yàn)證及結(jié)果分析
8.6.1 案例1：多輸入單輸出（MISO）
8.6.2 案例2：多輸入多輸出fMIMO）
8.6.3 案例3：田納西-伊斯曼過程（TEP）
8.6.4 案例4：近紅外反射（NIR）
8.7 結(jié)論

第9章 動態(tài)模型非預(yù)期故障診斷與可視化
9.1 引言
9.2 動態(tài)模型檢測基本方法
9.2.1 模型已知
9.2.2 模型未知
9.3 動態(tài)系統(tǒng)的非預(yù)期故障診斷
9.3.1 預(yù)期故障隔離
9.3.2 非預(yù)期故障檢測
9.3.3 非預(yù)期故障隔離
9.4 故障的最優(yōu)可視化算法
9.5 仿真驗(yàn)證及結(jié)果分析
9.5.1 診斷對象和數(shù)據(jù)說明
9.5.2 非預(yù)期故障診斷流程
9.5.3 故障的最優(yōu)可視化
9.6 結(jié)論

第10章 非預(yù)期故障診斷工具箱設(shè)計(jì)
10.1 引言
10.2 工具箱的特點(diǎn)與理念
10.2.1 非預(yù)期故障診斷功能和可視化
10.2.2 基于模型故障診斷的數(shù)據(jù)驅(qū)動設(shè)計(jì)方法
10.2.3 殘差生成的穩(wěn)定核表示
10.2.4 豐富的標(biāo)稱數(shù)據(jù)和驗(yàn)證模型
10.3 工具箱的設(shè)計(jì)與實(shí)現(xiàn)
10.3.1 方法選擇和參數(shù)設(shè)置
10.3.2 數(shù)據(jù)導(dǎo)入和預(yù)處理
10.3.3 故障診斷和可視化
10.3.4 工具箱常用的MATLAB命令
10.4 工具箱的演示
10.5 結(jié)論
參考文獻(xiàn)
索引