本书主要介绍基于数据驱动的故障监测和诊断方法，重点是对PCA、ICA和PLS方法的改进，根据数据的不同特点，将不同的方法有效融合，进而给出有效的故障监测和诊断效果。
《基于数据的故障分离》主要介绍基于数据驱动的故障监测和诊断方法，重点是对PCA，ICA和PLS方法的改进，根据数据不同的特点，将不同的方法有效融合，进而给出有效的故障监测和诊断效果。另外介绍了基于数据的过程监测及故障分离方法。目录□□章故障监测与诊断技术概述，第2章基于自适应核主元分析的过程监测，第3章基于方向核偏*小二乘的过程监测方法，第4章基于故障特征方向的KICA故障分离方法，第5章基于数据的过程监测及故障分离方法。
□□章 故障监测与诊断技术概述
1．1 多元统计过程故障监测概述
1．1．1 多元统计过程监测技术概述
1．1．2 多元统计过程监测方法概述
1．1．3 多元统计过程监测国内外研究现状
1．2 多元统计过程故障诊断概述
1．2．1 多元统计过程故障诊断技术概述
1．2．2 多元统计过程故障诊断方法概述
1．2．3 多元统计过程故障诊断国内外研究现状
本章参考文献
第2章 基于自适应核主元分析的过程监测
2．1 自适应核主元分析方法基础理论
2．1．1 基于滑动窗口机制的核主元分析
2．1．2 指数加权核主元分析方法
2．2 基于自适应核主元分析的过程监测
2．2．1 自适应核主元分析方法的建模过程
2．2．2 基于自适应核主元分析的在线过程监测
2．2．3 仿真研究与结果分析
2．3 基于特征空间损失函数的核主元分析方法
2．3．1 特征空间中的损失函数
2．3．2 基于特征空间损失函数的核主元分析方法
2．4 基于遗忘因子的核主元分析模型更新
2．5 迭代形式的核主元分析算法
2．5．1 迭代形式的核主元分析算法
2．5．2 加入惩罚因子的迭代核主元分析算法
2．6 基于惩罚因子的自适应核主元分析过程监测
2．7 仿真研究与结果分析
2．8 本章小结
本章参考文献
第3章 基于方向核偏□小二乘的过程监测方法
3．1 方向偏□小二乘算法的推导
3．1．1 PLS残差与输出变量之间的相关性证明
3．1．2 相关部分的求取
3．1．3 残差剩余部分与输出变量之间的相关性证明
3．2 基于DKPLS的过程监测方法
3．2．1 核函数方法
3．2．2 基于DKPLS的过程监测
3．3 实验结果
3．3．1 电熔镁炉工作原理
3．3．2 实验结果分析
3．4 基于方向核偏□小二乘（DKPLS）的故障诊断方法
3．4．1 故障主元方向的选择方法
3．4．2 基于DKPLS的重构方法
3．5 基于方向核偏□小二乘（DKPLS）的故障重构诊断方法
3．6 仿真实验
3．6．1 故障主元方向的选择
3．6．2 故障的重构诊断
3．7 本章小结
本章参考文献
第4章 基于故障特征方向的KICA故障分离方法
4．1 经典重构中的故障方向
4．2 独立元空间故障特征方向提取的仿真分析
4．3 改进的KICA故障分离原理
4．3．1 故障相关方向的提取
4．3．2 在线故障分离
4．4 仿真和结果分析
4．4．1 电熔镁炉的生产过程描述
4．4．2 仿真结果分析
4．5 多模式核独立元分析方法
4．5．1 公共模型和特殊模型分析
4．5．2 独立元空间公共模型和特殊模型的建立
4．5．3 残差空间的公共模型和特殊模型的建立
4．5．4 MKICA在线监测
4．6 仿真研究与结果分析
4．6．1 田纳西过程介绍
4．6．2 田纳西数据仿真结果分析
4．7 本章小结
本章参考文献
第5章 基于数据的过程监测及故障分离方法
5．1 基于KPCA的子空间划分方法
5．2 基于KPCA的故障重构方法
5．2．1 基于T2统计量重构的故障特征方向的提取
5．2．2 基于SPE统计量重构的故障特征方向的提取
5．2．3 故障重构方法
5．3 基于KPcA方法的在线故障分离
5．4 仿真研究
5．4．1 电熔镁炉工作过程
5．4．2 仿真结果分析
5．4．3 故障特征方向的特性讨论
5．5 基于KLSR的故障分离方法
5．5．1 核□小二乘回归（KLSR）算法
5．5．2 基于KLsR的故障分离
5．6 基于DS-KLsR的故障分离方法
5．6．1 基于核□小二乘回归的数据提取算法
5．6．2 基于DS-KLSR的故障分离
5．7 仿真研究
5．7．1 算法分类特性分析
5．7．2 仿真结果分析
5．8 本章小结
本章参考文献
书单推荐
