《多模态复杂工业过程监测及故障诊断》为多模态复杂工业过程的监测及故障诊断方法提供了较为完整的理论框架支撑。第一章介绍了复杂工业生产过程监测及故障诊断的意义及多模态过程的定义、特点以及国内外研究现状。第2章介绍了常用的多变量统计过程监测及质量预测方法。第3～7章是多时段间歇过程监测及故障诊断方法。第8～10章是多模态连续过程监测及故障诊断方法介绍，针对多模态连续过程，分别从多模型和混合模型两种建模角度对稳定模态与过渡模态的过程监测及故障诊断进行了介绍。
　　《多模态复杂工业过程监测及故障诊断》可以作为自动控制或信息科学等相关专业本科生及研究生扩充知识领域的教学用书及参考用书，同时也对从事自动化相关领域的科研人员及工程技术人员具有一定的参考价值。

“信息化与工业化两化融合研究与应用”丛书序
前言

第1章 绪论
1．1 复杂工业生产过程监测及故障诊断的意义
1．2 多模态过程的特征
1．3 多模态过程监测的研究现状
参考文献

第2章 常用的多变量统计过程监测及质量预测方法
2．1 引言
2．2 数据预处理方法
2．2．1 数据表的基本知识
2．2．2 数据的标准化处理
2．3 基于主成分分析的过程监测方法
2．3．1 PCA
2．3．2 基于PCA的多变量统计过程监测
2．3．3 基于PCA变量贡献图的故障诊断
2．4 基于独立成分分析的过程监测方法
2．4．1 ICA的基本原理
2．4．2 基于ICA的过程监测
2．4．3 基于ICA变量贡献图的故障诊断
2．5 基于高斯混合模型的过程监测方法
2．5．1 高斯概率密度函数
2．5．2 高斯混合概率密度函数
2．5．3 参数估计
2．5．4 基于高斯混合模型的监测
2．6 基于核主成分分析的过程监测方法
2．6．1 引言
2．6．2 KPCA方法的基本原理
2．6．3 基于KPCA方法的过程监测
2．7 基于偏最小二乘分析的质量预测方法
2．7．1 PLS
2．7．2 基于PLS的质量预测
参考文献

第3章 多时段间歇过程的时段划分
3．1 引言
3．2 多时段间歇过程数据的表达及预处理
3．2．1 间歇过程数据的表达
3．2．2 间歇过程数据预处理
3．3 子时段的硬划分方法
3．3．1 基本思想
3．3．2 子时段的硬划分
3．4 子时段的软划分方法
3．4．1 基本思想
3．4．2 子时段的软划分
3．5 三水箱系统中的实验研究
3．5．1 三水箱系统简介
3．5．2 三水箱间歇过程时段硬划分
3．5．3 三水箱间歇过程时段软划分
参考文献

第4章 基于时段的间歇过程监测及故障诊断
4．1 引言
4．2 基于MPCA的间歇过程监测及故障诊断方法
4．2．1 MPCA原理
4．2．2 基于MPCA的多元统计分析及在线监测
4．3 基于时段硬划分的间歇过程监测及故障诊断方法
4．3．1 基于时段硬划分的PCA建模
4．3．2 基于时段硬划分的间歇过程在线监测
4．4 基于时段软划分的间歇过程监测及故障诊断方法
4．4．1 时段软划分
4．4．2 PCA过程监测及故障诊断建模
4．4．3 基于时段软划分的间歇过程在线监测及故障诊断
4．5 三水箱系统中的实验研究
参考文献

第5章 基于少数据的间歇过程监测及故障诊断
5．1 引言
5．2 基于一个批次的间歇过程监测及故障诊断
5．2．1 滑动窗口PCA建模方法概述
5．2．2 建模数据预处理
5．2．3 子时段划分、PCA建模和在线监测
5．2．4 模型更新
5．3 基于有限批次的间歇过程监测及故障诊断
5．3．1 基本思想
5．3．2 基于有限批次的数据预处理
5．3．3 基于有限批次的子时段划分
5．3．4 基于时段的ICA建模
5．3．5 在线过程监测与故障诊断
5．3．6 在线更新
5．4 青霉素发酵过程中的应用研究
5．4．1 过程描述
5．4．2 算法验证及讨论
参考文献

第6章 具有非线性特性的间歇过程监测及故障诊断
6．1 引言
6．2 基于KPCA的相似度指标
6．3 非线性间歇过程的时段划分
6．4 基于KPCA的间歇过程建模及在线监测
6．5 注塑过程的应用研究
6．5．1 注塑过程介绍
6．5．2 注塑过程子时段划分
6．5．3 注塑过程子时段建模及在线监测
参考文献

第7章 基于偏最小二乘的间歇过程质量分析及在线预测
7．1 引言
7．2 质量预测中的时段概念
7．3 关键时段识别及关键变量选择
7．3．1 关键时段的识别
7．3．2 关键变量的选择
7．4 对“时段型质量指标”的分析和预测
7．4．1 实时的PLS质量预测模型
7．4．2 基于时段平均轨迹的PLS质量预测模型
7．4．3 在线质量预测
7．5 对“过程型质量指标”的分析和预测
7．5．1 MPLS质量预测模型
7．5．2 在线质量预测
7．6 仿真验证
7．6．1 “时段型质量指标”预报方法在注塑过程中的应用
7．6．2 “过程型质量指标”预报方法在青霉素发酵过程中的应用
参考文献

第8章 多模态连续过程的模态识别
8．1 引言
8．2 多模态过程的离线模态识别
8．2．1 基本思想
8．2．2 基于变长度窗口的多模态过程离线模态识别方法
8．3 多模态过程的在线模态识别
8．3．1 基本思想
8．3．2 基于模态转换频度的多模态过程在线模态识别方法
8．4 田纳西-伊斯曼过程的仿真研究
8．4．1 过程介绍
8．4．2 实验设计和建模数据
8．4．3 离线模态识别
8．4．4 在线模态识别
8．5 连续退火机组的仿真研究
8．5．1 连续退火机组介绍
8．5．2 连续退火机组的离线模态识别
8．5．3 连续退火机组的在线模态识别
参考文献

第9章 多模态连续过程监测及故障诊断
9．1 引言
9．2 基于不同数据分布的稳定模态建模及在线监测
9．2．1 基本思想
9．2．2 随机变量的特征提取
9．2．3 PCA的统计特性分析
9．2．4 ICA的统计特性分析
9．2．5 多元高斯分布检验方法
9．2．6 基于数据分布的稳定模态过程监测
9．2．7 实验数据的仿真研究
9．2．8 连续退火机组的仿真研究
9．3 基于相对变化的过渡模态建模及在线监测
9．3．1 基本思想
9．3．2 过渡过程数据特点
9．3．3 基于差分分段矩阵的过渡子模态划分
9．3．4 基于差分分段PCA的过渡模态过程监测
9．3．5 连续退火机组的仿真研究
参考文献

第10章 基于高斯混合模型的多模态连续过程监测及故障诊断
10．1 引言
10．2 基于高斯混合模型的离线建模
10．2．1 稳定模态建模
10．2．2 过渡模态离线建模
10．3 基于高斯混合模型的在线模态识别及过程监测
10．4 田纳西一伊斯曼过程实例
10．4．1 田纳西一伊斯曼过程介绍
10．4．2 田纳西一伊斯曼过程仿真与分析
参考文献
索引