內容簡介
基於數據驅動的建模技術在大數據挖掘、多源信息融合和目標識別，與複雜工業過程能耗、物耗、產品質量和產量以及安全生產密切相關的難以檢測過程參數軟測量，複雜系統模擬仿真與探索性分析等方面具有廣闊套用前景。
本書針對複雜工業過程中一類高能耗大型旋轉機械設備(球磨機)負荷難以有效檢測的問題，依據這些旋轉機械設備內部負荷參數與該設備筒體振動、振聲頻譜和電流信號間存在的難以用精確數學模型描述的非線性映射關係，採用基於機械設備振動/振聲頻譜數據驅動的軟測量方法，重點解決旋轉機械設備高維頻譜數據建模導致軟測量模型複雜度高、可解釋性和泛化性差，多感測器信號間存在冗餘性和互補性以及建模對象固有的概念漂移特性導致離線模型檢測精降低等難題。本書詳細敘述了複雜工業過程一類旋轉機械設備負荷的檢測方法及其套用現狀，定性分析了旋轉機械設備工作機理、筒體振動和振聲信號產生機理，明確了其內部負荷難以準確檢測的本質原因，進行了面向該類旋轉機械設備負荷軟測量方法的研究，立足於研究較為通用的一類基於小樣本高維頻譜數據驅動的線上集成軟測量方法。本書通過仿真實驗驗證了所提方法的有效性。
編輯推薦
本書可供在機械、化工、能源、食品、武器裝備等行業中，基於機械設備振動/振聲頻譜或其它來源的高維譜數據進行難以檢測過程參數軟測量的建模研究、博士研究生和磨礦過程工程技術人員使用。
目錄
第1章緒論1
1.1引言1
1.2軟測量技術的研究現狀3
1.2.1軟測量技術簡介3
1.2.2特徵提取與特徵選擇5
1.2.3選擇性集成建模6
1.2.4線上集成建模8
1.3旋轉機械設備負荷檢測方法的研究現狀10
1.3.1研磨機理數值仿真與筒體振動分析10
1.3.2儀表檢測方法12
1.3.3數據驅動軟測量方法17
1.3.4存在問題21
第2章複雜工業過程旋轉機械設備負荷特性分析23
2.1引言23
2.2複雜工業過程旋轉機械設備負荷描述23
2.2.1工藝過程描述23
2.2.2負荷與負荷參數25
2.2.3負荷參數與工業過程生產率27
2.3旋轉機械設備負荷的專家識別過程描述28
2.4旋轉機械設備負荷的特性分析29
2.4.1工作機理29
2.4.2筒體振動分析37
2.4.3振聲分析44
2.4.4電流分析47
2.4.5軟測量模型輸入輸出關係48
2.5旋轉機械設備負荷軟測量模型的難點分析49
第3章基於筒體振動頻譜的特徵選擇與特徵提取方法及其套用51
3.1引言51
3.2隨機振動信號處理52
3.2.1振動信號的時域分析53
3.2.2振動信號的頻域分析54
3.3維數約簡與軟測量模型輸入特徵選擇58
3.3.1基於主元分析(PCA)/核PCA(KPCA)的特徵提取方法59
3.3.2基於互信息(MI)的特徵選擇方法62
3.3.3支持向量機(SVM)模型的輸入特徵選擇63
3.3.4上述特徵提取與特徵選擇方法的局限性67
3.4旋轉機械振動頻譜特徵提取與特徵選擇及其套用68
3.4.1基於組合最佳化的特徵提取與特徵選擇策略68
3.4.2基於組合最佳化的特徵提取與特徵選擇方法69
3.4.3算法步驟77
3.4.4實驗研究79
第4章基於頻譜數據驅動的旋轉機械設備負荷選擇性集成建模及其套用92
4.1引言92
4.2選擇集成建模與多感測器信息最佳化融合94
4.2.1神經網路集成理論框架95
4.2.2基於遺傳算法的神經網路選擇性集成(GASEN)97
4.2.3特徵選擇與選擇性集成建模98
4.2.4基於自適應加權融合(AWF)算法的多感測器信息融合99
4.2.5選擇性多源信息融合99
4.3基於偏最小二乘(PLS)/核PLS(KPLS)的集成建模方法及存在的問題100
4.3.1基於PLS/KPLS的集成建模方法101
4.3.2PLS/KPLS集成建模方法存在的問題104
4.4基於筒體振動頻譜的旋轉機械設備負荷參數集成建模105
4.4.1基於筒體振動頻譜的集成建模策略105
4.4.2基於筒體振動頻譜的集成建模算法105
4.4.3實驗研究108
4.5基於選擇性集成多感測器頻譜特徵的旋轉機械設備負荷參數軟測量112
4.5.1基於選擇性集成多感測器頻譜特徵的建模策略112
4.5.2基於選擇性集成多感測器頻譜特徵的建模算法114
4.5.3建模步驟118
4.5.4實驗研究119
4.6基於經驗模態分解(EMD)和選擇性集成學習的旋轉機械設備負荷參數軟測量133
4.6.1基於EMD和選擇性集成學習的建模策略133
4.6.2基於EMD和選擇性集成學習的建模算法134
4.6.3實驗研究138
第5章基於頻譜數據驅動的旋轉機械設備負荷參數線上集成建模及其套用162
5.1引言162
5.2遞推更新算法164
5.2.1遞推主元分析(RPCA)算法164
5.2.2遞推偏最小二乘(RPLS)算法166
5.3更新樣本識別算法167
5.3.1基於PCA模型167
5.3.2基於近似線性依靠(ALD)169
5.3.3其它更新樣本識別算法及存在問題173
5.4基於ALD的線上建模算法174
5.4.1線上PCA-SVM(OLPCA-SVM)174
5.4.2線上PLS(OLPLS)176
5.4.3線上KPLS(OLKPLS)177
5.4.4算法討論179
5.4.5實驗研究180
5.5基於線上集成建模的旋轉機械設備負荷參數軟測量方法187
5.5.1建模策略187
5.5.2建模算法188
5.5.3建模步驟190
5.5.4實驗研究190
參考文獻195"
