新書推薦：
《
明式家具三十年经眼录
》
售價：HK$
538.2
《
敦煌写本文献学（增订本）
》
售價：HK$
227.7
《
耕读史
》
售價：HK$
112.7
《
地理计算与R语言
》
售價：HK$
124.2
《
沈括的知识世界：一种闻见主义的实践（中华学术译丛）
》
售價：HK$
89.7
《
大思维：哥伦比亚商学院六步创新思维模型
》
售價：HK$
74.8
《
宏观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：HK$
159.9
《
UE5虚幻引擎必修课（视频教学版）
》
售價：HK$
113.9
|
| 編輯推薦： |
|
本书主要汇集了作者近年来在故障可诊断评价与设计、非线性系统故障诊断及传感器优化配置等相关领域的新理论与新方法，并探索将相关研究成果应用在电源车系统中，同时也集中介绍了近年来国内外在安全控制研究领域的新的技术原理和主要方法。
|
| 內容簡介： |
|
本书是关于非线性系统故障可诊断性评价与诊断方法的一本专著，主要汇集了作者近年来在故障可诊断评价与设计、非线性系统故障诊断及传感器优化配置等相关领域的新理论与新方法，并探索将相关研究成果应用在电源车系统中，同时也集中介绍了近年来国内外在安全控制研究领域的新的技术原理和主要方法。本书以分块逐步递进的方法共分为三篇，分别包括：故障可诊断性评价与设计、非线性系统故障诊断方法以及故障可诊断性评价和诊断方法在电源车系统中的应用。本书可作为控制科学与工程学科研究人员的参考书籍，同时对从事自动化系统研究、设计、开发和应用的广大工程技术人员也具有一定的参考价值。
|
| 關於作者： |
|
蒋栋年，工学博士，副教授，现任兰州理工大学电气工程与信息工程学院副教授，从事工业过程调度与控制、控制系统安全性等方向的教学与研究工作，主持与参与国家自然科学基金5项，发表论文50余篇，其中SCI论文40余篇。
|
| 目錄：
|
上篇非线性系统故障可诊断性量化评价与设计
第1章绪论
1.1故障可诊断性评价及诊断方法研究的意义
1.2非线性系统故障诊断研究现状
1.2.1故障可诊断性
1.2.2基于故障可诊断性评价的传感器优化配置
1.2.3非线性系统故障诊断方法
1.3存在的问题与不足
1.4本章小结
参考文献
第2章非线性系统故障可诊断性量化评价方法
2.1引言
2.2问题描述
2.3基于KL散度的故障可诊断性量化评价
2.3.1KL散度定义
2.3.2故障可诊断性量化评价基本原理
2.3.3基于SKDE的概率密度函数估计
2.3.4基于蒙特卡洛方法的非线性函数估计
2.4故障可诊断性评价指标约束下的数据测量噪声可行域分析
2.4.1不同测量噪声域下的残差数据分析
2.4.2故障可检测性指标约束下的测量噪声可行域分析
2.4.3故障可分离性指标约束下的测量噪声可行域分析
2.5基于可诊断性评价的非线性系统故障检测
2.5.1基于KL散度的故障检测
2.5.2故障漏报率和误报率分析
2.5.3阈值的优化选取
2.6仿真研究与结果分析
2.6.1仿真对象描述
2.6.2不同故障模式下残差概率密度函数估计
2.6.3故障可诊断性量化评价结果分析
2.6.4测量噪声对故障可诊断性量化评价的影响
2.6.5测量噪声的可行域仿真分析
2.6.6微小故障下的测量噪声的可行域分析
2.6.7基于可诊断性评价结果的故障检测
2.7本章小结
参考文献
第3章非线性系统故障可诊断性设计方法
3.1引言
3.2故障可诊断性评价分析
3.2.1评价原理分析
3.2.2故障可诊断性定量评价原理分析
3.3故障可检测性设计
3.3.1故障可检测性设计原理分析
3.3.2基于贪心算法的系统测点设计
3.3.3以软代硬的软传感器设计
3.4故障可分离性设计
3.4.1故障可分离性分析及测点配置
3.4.2基于故障自身属性的故障可分离性设计
3.5案例仿真研究
3.5.1水轮机调速器控制系统
3.5.2水轮机调速器故障可检测性设计
3.5.3水轮机调速器故障可分离性设计
3.6本章小结
参考文献
第4章基于故障可诊断性量化评价的传感器优化配置方法
4.1引言
4.2问题描述
4.2.1通过实例引出问题
4.2.2定性评价下的最小传感器集合
4.2.3传感器配置过程中面临的问题
4.3基于故障可诊断性量化评价的传感器优化配置
4.3.1最小传感器集合下的系统故障可诊断性分析
4.3.2传感器的优化配置问题
4.4基于动态规划的故障诊断系统传感器优化配置算法
4.5软传感器设计
4.6测点传感器多目标优化配置
4.6.1测点传感器优化配置中的约束函数
4.6.2测点传感器优化配置中的目标函数
4.6.3改进的NSGA-Ⅱ优化算法
4.7案例仿真研究
4.7.1仿真案例1： 非线性系统数值仿真
4.7.2仿真案例2： 车辆电源系统
4.8本章小结
参考文献
第5章基于数据驱动的传感器可重构性评价方法
5.1引言
5.2问题描述
5.2.1捷联惯性导航系统
5.2.2面临问题
5.3基于KL散度的传感器可重构性量化评价
5.3.1基于KPLS方法的传感器解析冗余分析
5.3.2基于KL散度进行可重构性量化评价的基本原理
5.4可重构性量化评价阈值的优化选取
5.4.1错分率和漏分率分析
5.4.2阈值的优化选取
5.5仿真研究与结果分析
5.6本章小结
参考文献
中篇非线性系统故障诊断方法
第6章基于自适应阈值的粒子滤波算法的非线性系统故障诊断方法
6.1引言
6.2问题描述
6.3粒子滤波算法
6.4故障诊断方法设计
6.4.1故障检测
6.4.2自适应阈值设计
6.4.3故障隔离
6.4.4故障误报率和漏报率
6.5仿真研究与结果分析
6.6本章小结
参考文献
第7章基于数据驱动残差评价策略的故障检测方法
7.1引言
7.2多模式运行系统的故障检测方法描述
7.3基于数据驱动方法的故障检测
7.3.1KL散度算法的改进
7.3.2基于KL散度的故障检测
7.3.3基于自学习方法的K值确定
7.3.4残差的聚类
7.4基于故障误报率和漏报率的阈值优化
7.4.1误报率与漏报率计算
7.4.2阈值的优化选取
7.5仿真研究与结果分析
7.5.1仿真对象描述
7.5.2残差特性分析
7.5.3故障检测
7.6本章小结
第8章基于高斯混合分布的微小故障诊断和幅值估计方法
8.1引言
8.2理论基础
8.2.1故障建模
8.2.2GMM的概率密度函数估计
8.2.3基于GMM的KL散度定义
8.3基于KL散度的微小故障诊断
8.3.1故障检测和故障分离
8.3.2阈值设计
8.4基于KL散度的故障幅值估计
8.5仿真分析
8.5.1仿真对象描述
8.5.2微小故障下的残差数据分析
8.5.3微小故障诊断
8.5.4故障幅值估计
8.6本章小结
参考文献
下篇故障可诊断性评价及诊断方法在电源车系统中的应用
第9章混合信息熵约束下的电源车传感器优化配置方法
9.1引言
9.2基于传感器信息值的故障可诊断性量化评价
9.2.1传感器信息值理论
9.2.2基于传感器信息值的故障可诊断性量化评价
9.3基于传递熵的传感器冗余度评价
9.4传感器的多目标优化过程
9.5仿真实验分析
9.5.1电源车系统和常见故障描述
9.5.2电源车故障可诊断性量化评价
9.5.3电源车传感器的多目标优化配置
9.6本章小结
参考文献
第10章基于时间相关性的电源车传感器故障检测方法
10.1引言
10.2基于SF-ELM的电源车传感器故障检测方法
10.2.1极限学习机相关理论
10.2.2基于SF-ELM的时间序列预测模型建立
10.2.3基于时间序列预测模型的传感器故障检测
10.3基于改进KL-Bi-LSTM模型下的传感器故障检测方法
10.3.1长短时记忆网络的相关理论
10.3.2双向长短时记忆网络时间序列预测模型的建立
10.3.3基于改进KL散度的传感器故障检测
10.4仿真实验与结果分析
10.4.1电源车简介
10.4.2基于时间序列预测模型的电源车传感器故障检测
10.4.3基于改进KL-Bi-LSTM模型下的传感器故障检测
10.5本章小结
参考文献
第11章基于空间相关性的电源车传感器数据重构方法
11.1引言
11.2基于信息熵理论的电源车传感器冗余度量化评价
11.2.1信息熵相关理论
11.2.2基于信息熵理论的传感器信息值量化评价
11.2.3基于改进互信息熵的传感器相关性量化评价
11.2.4基于信息熵理论的辅助变量筛选
11.3仿真实验与结果分析
11.4本章小结
参考文献
第12章引入注意力机制下的电源车传感器故障检测及数据重构
12.1引言
12.2基于注意力机制的传感器故障检测和数据重构方法
12.2.1注意力机制相关理论
12.2.2时间注意力机制下的传感器故障检测
12.2.3互信息熵和注意力机制融合后的传感器数据重构
12.3仿真实验与结果分析
12.3.1引入注意力机制下的电源车传感器故障检测
12.3.2引入注意力机制下的电源车传感器数据重构
12.4本章小结
参考文献
|
| 內容試閱：
|
伴随着现代工程技术的长足发展，系统规模的不断扩大，集成化和复杂化程度的日益增强，系统一旦发生故障，损失难以估量，加之人们对系统高安全、稳定性的需求，以及对系统经济、高效运行的期待，使得复杂的系统故障诊断这一后系统事件亟待前移至系统的设计阶段，而作为故障诊断研究基础的故障可诊断性评价，也亟须从较为粗放的定性评价提升到更为精细的定量评价上来。然而，如何在系统设计之初就将故障诊断纳入其中，如何通过精准的故障可诊断性评价结果达到安全高效的系统设计目标，都是传统的系统故障诊断研究所面临的挑战。
研究表明，故障可诊断性低是导致系统事故的主要原因之一，即可测信息不足以为迅速、可靠的检测系统故障做支撑。对于故障可诊断性的研究，传统的方法大都是在故障发生之后且集中于定性研究，既无法量化明确故障可诊断性的真实水平，又难以改造提升。因此，探索如何在设计阶段（故障发生之前）就能了解系统的故障可诊断性能，如何在设计阶段通过传感器优化配置使系统具有较高的故障诊断能力，又如何选取适当的方法对系统进行有效的故障诊断，
这些问题亟须提上日程。着眼于上述问题，本书展开了如下工作。
1） 非线性系统故障可诊断性量化评价方法
针对非线性系统故障可诊断性量化评价缺失的问题，以
KL散度（kullbackleibler divergence）算法为基础，充分考虑扰动、噪声等不确定性因素对评价结果准确性的影响，以稀疏内核密度估计与蒙特卡洛方法为有益补充，通过对单一故障或不同故障情况下概率密度函数的相似度和差异度计算，给出对非线性系统故障进行准确量化评价的求解方法和步骤，并进行满足故障可诊断性评价指标的测量噪声可行域分析，为系统进一步开展故障可诊断性设计和故障诊断奠定了基础。
2） 非线性系统故障可诊断性设计方法
为了增广系统的测量信息，提高系统的故障可诊断性评价指标，综合运用贪心算法进行测点传感器的优化设计，并借助
核偏最小二乘（kernel partial least squares，KPLS）方法构建软传感器，实现以软代硬的测点传感器设计。通过测点信息的优化配置，使得系统达到满足故障可诊断性的基本要求，从而将系统的故障诊断性能作为系统的本征需求纳入系统设计之初，为提高系统的安全水平提供有效的途径。
3） 基于故障可诊断性量化评价的传感器优化配置方法
为了对测点传感器进行优化配置，设计以量化评价为主，兼顾可靠性、经济性等优化目标的
传感器优化配置模型。从量化角度运用非线性动态规划和改进的NSGAⅡ算法使传感器优化配置过程更为高效，为现实中高品质低成本的系统运行提供可借鉴的方法和参考依据。
4） 基于模型的非线性系统故障诊断方法
在满足故障可诊断性评价指标的基础上，设计了一种基于粒子滤波的故障检测和分离方法，通过引入对数似然和作为评价指标，可以实现对故障的有效检测和分离。同时，还提出了一种基于残差统计特性分析的自适应阈值设计方法，在不依赖系统机制和数学模型的情况下，可有效降低故障诊断的漏报率和误报率。
5） 基于数据驱动方法的非平稳过程故障检测研究
采用模式适配度方法确定无故障时系统残差概率密度函数的分类数，并以此为前提运用K均值
（K-means）算法对残差数据进行聚类； 进而借助KL散度算法，在线计算系统实时数据与离线数据残差概率密度函数的距离差异度，通过对具有多模式运行系统的非平稳残差过程的分类评价进行故障检测。
6） 基于电源车系统的故障诊断方法应用研究
以电源车系统为应用对象，从传感器时间和空间的角度出发，基于时间相关建立时间序列预测模型，通过阈值的选取和引入KL散度实现了传感器的故障检测，然后引入注意力机制，再次提高了传感器故障检测能力。基于空间相关建立传感器数据重构模型，通过互信息熵的引入和改进，实现了传感器的数据重构，同时又引入注意力机制，将互信息熵与注意力机制结合，有效地提高了传感器数据重构的精度，最终提升了电源车远程运行的安全性和可靠性。
根据本书的研究脉络，本书以三篇12章的内容进行了组织安排，其具体的研究内容如下。
第1章： 以非线性系统故障可诊断性评价及诊断方法的研究意义和背景为出发点，对与本研究内容相关的国内外研究现状进行了全面的综述，并总结了目前的研究成果和本课题相关领域存在的核心问题与挑战。
第2章： 设计了一种非线性系统
故障可检测性和可隔离性的量化评价方法。采用KL散度算法，并借助稀疏内核密度估计和蒙特卡洛计算方法，从而实现了非线性系统故障可诊断性的量化评价。
第3章： 设计了一种提升非线性系统故障可诊断性评价水平的设计方法，将系统故障可诊断性设计作为系统的本征需求纳入系统设计之初，为提高系统的故障可诊断性水平提供有效的途径。
第4章： 考虑到系统设计时经济条件和系统复杂度等因素的制约，在保障系统具备故障可诊断性的前提下，以系统故障可诊断性量化评价指标为基础，给出传感器优化配置的几种方法。
第5章： 设计了一种基于数据驱动的传感器可重构性量化评价方法，借助软测量方法重构可靠性下降的传感器，提出一种运用量化指标来评价重构能力的方法，进一步提升了系统的故障诊断能力和容错能力。
第6章： 在深度分析了系统的残差特性并得出其统计规律的基础上，设计了一种基于
自适应阈值的粒子滤波算法的非线性系统故障诊断方法，实现了非线性系统的可靠故障诊断。
第7章： 以KL散度算法为基础，借助数据驱动技术，通过对具有多模式运行系统的非平稳残差过程的分类评价，并
在运用K均值算法对残差数据进行聚类的基础上，设计了一种非平稳过程的故障检测方法。
第8章： 借助高斯混合分布模型对残差数据进行了建模，基于此，运用KL散度算法，进行了微小故障的诊断和幅值估计。该方法的提出进一步拓宽了微小故障诊断的外延，为保障系统的安全运行提供有力支撑。
第9章： 提出了一种基于混合信息熵约束下的电源车传感器优化配置方法，量化评价指标主要包括故障可诊断性评价指标和传感器之间的冗余度评价指标。其中，故障可诊断性评价的方法选用了基于信息值的方法，即通过衡量故障影响下传感器残差后验概率值的变化，来获取传感器集合信息值的变化，以此为依据得到使得电源车故障序列可被检测的传感器配置集合。同时对传感器之间存在的冗余信息，采用传递熵方法进行评价，在得到传感器之间的冗余度的同时，获取信息传递的因果关系。最后，通过多个量化指标约束下的多目标优化配置方法获得传感器配置数量和位置的最优解。
第10章： 在电源车传感器的故障检测问题上，首先，针对目前存在电源车传感器时间序列预测模型的时间依赖性，将考虑新旧数据对模型的影响，引入了一种对新旧数据具有选择机制的极限学习机建立电源车传感器时序预测模型。其次，通过对无故障传感器输出数据的分析，确立传感器的故障检测阈值，最后利用所建立的时间序列预测模型进行传感器的故障检测。与此同时，将改进后的KL散度引入BiLSTM网络，从相似度度量的角度进行传感器的故障检测，进而弥补由于阈值选取所引起的传感器故障检测能力低等问题。
第11章： 为了保证电源车传感器的故障容错能力，需对故障传感器的失效数据进行重构。通过考虑电源车传感器之间的空间相关性，首先引入信息熵理论量化评价传感器所含信息值，然后借助改进后的互信息熵理论量化评价传感器之间的空间相关性，在量化评价的基础上对次要特征进行剔除，进而利用机器学习算法开展传感器的数据重构。
第12章： 在实现传感器故障检测和数据重构的基础上，为了应对不断增长的传感器输出数据及计算精度的下降，在考虑传感器时间相关的基础上，引入注意力机制以区分所提取的不同特征，提升关键特征对模型输出的影响力，降低次要特征对模型预测输出的干扰，建立一种注意力机制下的传感器故障检测和数据重构模型并验证其有效性。
本书的研究内容得到了国家自然科学基金项目（项目编号： 61763027）和甘肃省杰出青年基金项目（项目编号： 20JR10RA202）的支持，在本书出版之际，特此鸣谢！
由于作者理论水平有限及研究工作的局限性，特别是故障诊断技术本身正处于不断的发展中，书中难免有一些不足和错误，恳请广大读者批评指正。
作者
2023年7月于兰州
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
