该书为“十四五”国家重点图书出版规划项目、国家出版基金资助项目、湖北省公益学术著作出版基金资助项目。该书依托国家自然科学基金项目及省部级科研项目研究成果撰写而成，可为科研人员提供参考。

数据驱动的工业过程监测与故障诊断是保证生产安全和产品质量的重要手段。本书依托国家自然科学基金、湖北省杰出青年基金项目，面向工业制造过程和系统，介绍了多元统计分析和机器学习等工业数据分析方法，在此基础上介绍了作者团队提出的多种故障检测、故障变量溯源、故障分类、故障辨识、健康预警、产品等级分类方法。除了关注传统的故障检测率和误报率之外，重点分析了过渡模态、操作故障、污染效应、故障分级、小样本/零样本、数据不平衡、手工质量分级等问题，所介绍的方法均在多个基准数据平台和实际工业系统中得到成功应用。本书对自动化和人工智能相关专业的教学和科研，以及工业过程监测与故障诊断应用实践具有一定的参考价值。

第1章数据驱动的过程监测和故障诊断概述/1
1.1研究背景与意义/1
1.2国内外研究现状/3
1.2.1工业过程故障检测研究现状/3
1.2.2工业过程故障诊断研究现状/8
1.3本书内容/9
本章参考文献/10
第2章工业数据分析的基本理论与方法/18
2.1引言/18
2.2数据处理方法/19
2.2.1数据的标准化/19
2.2.2基于稀疏字典学习的特征提取/21
2.2.3基于非对称加权DTW的非线性整定/23
2.2.4基于CA的特征提取/25
2.3数据驱动的故障检测方法/26
2.3.1基于PCA的故障检测方法/26
2.3.2基于SFA的故障检测方法/29
2.4数据驱动的故障诊断方法/31
2.4.1基于RBC的故障诊断方法/31
2.4.2基于贝叶斯决策的故障诊断方法/33
2.4.3基于CNN的故障分类方法/35
2.5结束语/37
本章参考文献/37
第3章基于时间加权核稀疏表示方法的非线性多模态过程实时监测/40
3.1引言/40
3.2时间加权核稀疏表示/41
3.2.1模型构建/41
3.2.2优化求解/43
3.2.3收敛性分析/44
3.2.4复杂度分析/45
3.3多模态过程离线建模/45
3.3.1离线模态辨识/45
3.3.2字典更新/46
3.4多模态过程在线监测/47
3.4.1在线模态辨识/47
3.4.2在线故障检测/48
3.4.3非线性多模态过程监测框架/49
3.5案例研究/49
3.5.1数值仿真/49
3.5.2污水处理过程/52
3.6结束语/56
本章参考文献/57
第4章基于轨迹的过渡模态辨识与操作异常监测/60
4.1引言/60
4.2基于轨迹的过渡模态辨识与过程监测/61
4.2.1基于*慢慢特征的过渡模态辨识/62
4.2.2基于轨迹的过程建模与故障检测/63
4.3多模态操作故障的定义/65
4.4案例研究/67
4.4.1数值仿真研究/67
4.4.2TE过程仿真研究/72
4.5结束语/83
本章参考文献/84
第5章基于非对称加权动态时间规整的非平稳过程监测/86
5.1引言/86
5.2过程数据整定/87
5.2.1基于投影规则的过程数据在线整定/87
5.2.2约束设定/90
5.3在线过程监测/92
5.3.1基于近邻相似度变化率的监控指标/92
5.3.2基于尾端计次的监控指标/95
5.3.3操作步骤/96
5.4案例研究/96
5.4.1TE过程仿真案例/96
5.4.2半导体刻蚀过程实例/104
5.5结束语/106
本章参考文献/107
第6章多操作阶段的全流程工业过程广义监测/109
6.1引言/109
6.2基于平稳映射的全流程工业过程广义监测/111
6.2.1基于变量间相关性的阶段辨识/111
6.2.2基于平稳映射的离线建模/114
6.2.3基于局部思想的在线监测/115
6.2.4算法流程/117
6.3连续与间歇工业过程案例应用/119
6.3.1拓展TE过程仿真/119
6.3.2青霉素发酵过程/125
6.4结束语/132
本章参考文献/132
第7章基于贝叶斯与多维重构贡献的故障变量溯源/135
7.1引言/135
7.2参数估计与非参数估计/136
7.3特征属性及其类条件概率密度函数/137
7.4贝叶斯理论与多维重构贡献的融合/140
7.5基于贝叶斯与多维重构的故障变量溯源/141
7.6案例研究/143
7.6.1数值仿真/143
7.6.2TE过程性能监控/147
7.6.3CSTR过程性能监控/152
7.7结束语/155
本章参考文献/156
第8章基于类间差异分析的故障变量溯源/158
8.1引言/158
8.2基于类间差异分析与多维重构贡献的故障变量溯源/159
8.2.1基于PCA的类间差异分析/159
8.2.2基于FDA的类间差异分析/160
8.2.3基于类间差异分析的故障变量溯源/163
8.3案例研究/164
8.3.1数值仿真/164
8.3.2TE过程/165
8.4结束语/170
本章参考文献/171
第9章基于深度学习的工业过程故障分类/173
9.1引言/173
9.2MHSENet模型架构/174
9.3工业空调系统案例研究/176
9.3.1工业空调系统案例数据介绍/176
9.3.2工业空调系统故障分类模型的建立方法/177
9.3.3实验结果及分析/178
9.4TE过程案例研究/180
9.4.1TE过程数据集介绍/180
9.4.2实验结果与分析/181
9.5结束语/184
本章参考文献/184
第10章工业过程零样本故障辨识/187
10.1引言/187
10.2问题定义/189
10.3特征提取/189
10.3.1卷积模块/190
10.3.2多任务学习/191
10.3.3故障辨识/192
10.3.4零样本故障辨识方法框架/193
10.4TE过程案例研究/194
10.4.1模型建立方法/196
10.4.2多任务学习的影响分析/197
10.4.3实验结果与分析/197
10.5工业空调系统案例研究/199
10.5.1工业空调系统的故障属性/200
10.5.2实验结果与分析/201
10.6结束语/202
本章参考文献/202
第11章基于脉冲特征和似然概率比较的健康预警/205
11.1引言/205
11.2基于离散小波变换的脉冲特征提取/206
11.2.1离散小波变换/206
11.2.2脉冲特征提取/207
11.3基于似然概率比较的退化点检测/208
11.3.1指数韦布尔分布拟合/208
11.3.2似然概率比较预警方法/209
11.4实验验证/210
11.4.1ADSCI特征提取/211
11.4.2轴承预警结果/214
11.4.3预警结果对比/220
11.5结束语/221
本章参考文献/222
第12章可视化工业产品多级能力分析/224
12.1引言/224
12.2基于多元分布特征的数据扩充/226
12.3可视化分级模型/228
12.4PCI的构建/232
12.5案例研究/235
12.6结束语/242
本章参考文献/243