本書介紹了數據驅動的故障診斷理論，內容涉及故障診斷方法的數學基礎、理論分析和應用集成，涵蓋了所有經典的數據驅動故障診斷方法和部分最新的非預期故障診斷方法：包括矩陣分析基礎、數理統(tǒng)計基礎、數據驅動故障診斷基礎、平滑預處理方法、時序建模方法、靜態(tài)數據驅動設計與評估、動態(tài)數據驅動設計與評估、動態(tài)模型非預期故障診斷與可視化。應用集成包括：非預期故障診斷工具箱設計。

更多科學出版社服務，請掃碼獲取。

目錄
前言
第1章 非預期故障診斷概述 1
1.1 背景與意義 1
1.1.1 背景 1
1.1.2 意義 2
1.2 國內外研究現狀 3
1.2.1 非預期故障診斷的方法 3
1.2.2 非預期故障診斷的應用 6
1.3 全書概況 8
1.3.1 問題引出 8
1.3.2章節(jié)安排 8
第2章 矩陣分析 11
2.1 矩陣和運算 11
2.1.1 矩陣 11
2.1.2 矩陣的運算 12
2.1.3 矩陣的數值特征 12
2.1.4 矩陣表示方程 13
2.2 正交矩陣 14
2.2.1 反射 15
2.2.2 旋轉 16
2.3 矩陣分解 17
2.3.1 QR分解 17
2.3.2 奇異值分解 18
2.3.3 廣義特征值分解 22
2.4 線性方程組的解 25
2.4.1 廣義逆 25
2.4.2 線性方程的解 26
2.4.3 條件數和方程解的穩(wěn)定性 27
2.5 分塊矩陣的逆 29
2.5.1 分塊初等矩陣 29？
2.5.2 分塊矩陣的逆 29
2.5.3 分塊矩陣的廣義逆 31
2.5.4 分塊矩陣的行列式 31
2.6 算法浮點數 32
2.6.1 矩陣乘法 32
2.6.2 QR分解 32
2.6.3 奇異值分解 33
2.6.4 廣義逆 33
2.7 投影矩陣 34
2.7.1 正交投影 34
2.7.2 斜投影 35
2.7.3 投影遞歸公式 37
2.8 矩陣的跡 43
2.8.1 跡的微分公式 43
2.8.2 跡的不等式 44
第3章 數理統(tǒng)計 46
3.1 數值特征 46
3.1.1 隨機向量 46
3.1.2 樣本矩陣 49
3.1.3 遞歸公式 51
3.2 正態(tài)分布的導出分布 51
3.2.1 正態(tài)分布 51
3.2.2 隨機矩陣 53
3.2.3 四種常用的導出分布 55
3.2.4 假設檢驗 59
3.3 參數估計性能評估 61
3.3.1 G-M定理 61
3.3.2 原模型和潛模型 63
3.3.3 有偏估計的性能評估 64
3.3.4 融合估計的性能評估 67
3.4 狀態(tài)估計性能評估 69
3.4.1 單信息最優(yōu)估計 69
3.4.2 多信息最優(yōu)估計 72
3.4.3 Kalman濾波公式 74？
第4章 故障診斷基本方法 77
4.1 變化及其類型 78
4.1.1 確定型變化和隨機型變化 78
4.1.2 微小變化和巨大變化 78
4.1.3 單變量變化和多變量變化 79
4.1.4 輸入變化和輸出變化 79
4.1.5 加性變化和乘性變化 79
4.2 故障和故障診斷 79
4.2.1 故障和故障類型 79
4.2.2 故障診斷 80
4.2.3 故障診斷性能評估 81
4.3 單變量故障檢測的基本方法 82
4.3.1 休哈特檢測法 82
4.3.2 累積和檢測法 85
4.3.3 指數加權平均檢測法 87
4.3.4 未知參數下的檢測方法 89
4.3.5 隨機故障檢測方法 92
4.4 多變量故障檢測的基本方法 94
4.4.1 數值特征已知 94
4.4.2 數值特征未知 95
4.4.3 多變量空間分解檢測方法 96
4.5 故障隔離的基本方法 98
4.5.1 基于距離的隔離方法 99
4.5.2 基于夾角的隔離方法 101
4.6 基于貢獻的故障隔離方法 102
第5章 非預期故障診斷的通用過程模型 105
5.1 非預期故障診斷的數學描述 105
5.2 四層結構通用過程模型 106
5.3 基于單類多元統(tǒng)計分析的非預期故障診斷流程 109
5.4 仿真驗證及結果分析 114
5.4.1 診斷對象及數據說明 114
5.4.2 診斷結果及分析 116
5.5 結論 119？
第6章 基于平滑預處理的非預期故障診斷方法 120
6.1 引言 120
6.2 非平穩(wěn)數據的平滑預處理 120
6.2.1 趨勢和殘差 120
6.2.2 邊界處理技術 122
6.2.3 平滑預處理對故障診斷的影響 122
6.3 基于平滑預處理的非預期故障診斷流程 124
6.3.1 預期故障檢測 125
6.3.2 預期故障隔離 125
6.3.3 非預期故障檢測 126
6.3.4 非預期故障隔離 128
6.4 仿真驗證及結果分析 129
6.4.1 診斷對象及數據說明 129
6.4.2 平滑預處理 130
6.4.3 診斷結果及分析 132
6.5 結論 136
第7章 基于時序建模的故障檢測方法 138
7.1 引言 138
7.2 基于時序建模的改進檢測統(tǒng)計量 139
7.2.1 標準檢測統(tǒng)計量 139
7.2.2 改進檢測統(tǒng)計量 140
7.2.3 結構比較 142
7.2.4 改進檢測統(tǒng)計量的性能分析 143
7.3 改進檢測統(tǒng)計量的增量/減量算法 144
7.3.1 暴力算法 145
7.3.2 減量算法 145
7.3.3 算法的復雜度對比分析 149
7.4 仿真驗證及結果分析 149
7.4.1 案例1:單輸入單輸出 (SISO) 149
7.4.2 案例2:衛(wèi)星姿態(tài)控制系統(tǒng) (SACS) 152
7.5 結論 153
第8章 靜態(tài)模型故障檢測方法評估 155
8.1 引言 155
8.2 靜態(tài)模型檢測基本方法 156
8.2.1 模型已知 156？
8.2.2 模型未知 157
8.3 潛變量回歸與檢測的權框架 159
8.3.1 潛變量提取 160
8.3.2 潛變量回歸 160
8.3.3 潛變量檢測 162
8.3.4 故障診斷性能評估 163
8.3.5 小結 163
8.4 潛變量的提取和權矩陣的計算 165
8.4.1 主元分析和主元回歸 165
8.4.2 典型相關分析和典型相關回歸 165
8.4.3 偏最小二乘和偏最小二乘回歸 167
8.4.4 降秩回歸 168
8.4.5 小結 169
8.5 潛變量回歸與檢測的性能分析與評估 170
8.5.1 參數定理 170
8.5.2 校正定理 172
8.5.3 檢測定理 174
8.6 仿真驗證及結果分析 175
8.6.1 案例1:多輸入單輸出 (MISO) 176
8.6.2 案例2:多輸入多輸出 (MIMO) 180
8.6.3 案例3:田納西{伊斯曼過程 (TEP) 181
8.6.4 案例4:近紅外反射 (NIR) 184
8.7 結論 186
第9章 動態(tài)模型非預期故障診斷與可視化 187
9.1 引言 187
9.2 動態(tài)模型檢測基本方法 187
9.2.1 模型已知 190
9.2.2 模型未知 190
9.3 動態(tài)系統(tǒng)的非預期故障診斷 193
9.3.1 預期故障隔離 193
9.3.2 非預期故障檢測 195
9.3.3 非預期故障隔離 196
9.4 故障的最優(yōu)可視化算法 196
9.5 仿真驗證及結果分析 199
9.5.1 診斷對象和數據說明 199？
9.5.2 非預期故障診斷流程 199
9.5.3 故障的最優(yōu)可視化 202
9.6 結論 203
第10章 非預期故障診斷工具箱設計 204
10.1 引言 204
10.2 工具箱的特點與理念 204
10.2.1 非預期故障診斷功能和可視化 204
10.2.2 基于模型故障診斷的數據驅動設計方法 205
10.2.3 殘差生成的穩(wěn)定核表示 205
10.2.4 豐富的標稱數據和驗證模型 208
10.3 工具箱的設計與實現 208
10.3.1 方法選擇和參數設置 209
10.3.2 數據導入和預處理 209
10.3.3 故障診斷和可視化 210
10.3.4 工具箱常用的 MATLAB 命令 210
10.4 工具箱的演示 212
10.5 結論 214
參考文獻 215
索引 224