冶金生产过程质量监控理论与方法_PDF下载[72MB-百度云]徐金梧

内容简介

[

　　《冶金生产过程质量监控理论与方法》结合冶金生产过程的特点，系统地介绍适用于钢铁企业的产品质量监控理论与方法，具体包括：数据样本和数理统计的基础知识、单变量统计过程控制、多变量统计过程控制、历史数据集的构造、生产过程的优化控制、非线性预测与诊断、全流程质量监控系统的框架等，并在此基础上，结合生产实际数据给出应用实例。　　《冶金生产过程质量监控理论与方法》可为钢铁企业从事产品质量分析的工程技术人员和其他科研人员提供指导和参考，同时也适合于高等院校及相关科研单位的研究人员使用。

]

符号表1 绪论1.1 冶金生产过程的特点1.2 质量监控技术的现状与发展趋势1.3 本书各章节内容2 数据样本的基础知识2.1 向量2.1.1 向量的定义2.1.2 向量的长度2.1.3 向量的夹角2.1.4 向量的投影2.2 矩阵2.2.1 矩阵的定义2.2.2 矩阵的运算2.2.3 行列式2.2.4 逆矩阵2.2.5 特征值与特征向量2.3 样本空间2.3.1 基本定义2.3.2 样本点间的欧氏距离2.3.3 样本点间的统计距离2.3.4 样本点间的马氏距离2.4 变量空间2.4.1 变量的均值2.4.2 变量的方差2.4.3 变量间的协方差2.4.4 变量间的相关系数2.5 数据的预处理2.5.1 中心化处理2.5.2 无量纲化处理2.5.3 标准化处理2.6 应用举例2.6.1 均值2.6.2 方差2.6.3 协方差2.6.4 相关系数2.6.5 欧氏距离2.6.6 统计距离2.6.7 马氏距离2.6.8 无量纲化2.7 小结3 数理统计的基础知识3.1 基本概念3.1.1 总体与个体3.1.2 概率密度函数3.1.3 数学期望和方差3.2 几个重要分布3.2.1 正态分布3.2.2 X2分布3.2.3 F分布3.2.4 β分布3.2.5 t分布3.3 参数估计3.3.1 总体均值的点估计3.3.2 总体方差的点估计3.3.3 总体均值的区间估计3.3.4 总体方差的区间估计3.4 假设检验3.4.1 零假设与研究假设3.4.2 显著性水平3.4.3 假设检验与置信区间的关系3.5 应用举例3.5.1 回归模型的线性关系检验——F检验3.5.2 总体回归参数的检验——t检验3.6 小结4 单变量统计过程控制4.1 统计过程控制简介4.1.1 统计过程控制的基本概念4.1.2 工业过程中的各种变化4.2 统计控制图4.2.1 控制图的定义4.2.2 控制图的基本原理4.2.3 常用控制图4.2.4 控制图的风险4.2.5 判稳准则和判异准则4.2.6 应用统计控制图时需要注意的问题4.3 过程能力指数4.3.1 过程能力4.3.2 过程能力指数的计算4.3.3 过程能力指数与不合格品率之间的关系4.3.4 给定置信度下的过程能力指数4.3.5 过程能力分析的功能与步骤4.4 应用举例4.4.1 实例14.4.2 实例24.5 小结5 多变量统计过程控制5.1 多变量统计过程的意义和研究现状5.2 霍特林T2控制图5.2.1 霍特林T2控制图的提出5.2.2 T2统计量的分布特性5.2.3 T2的正交分解5.3 基于主元模型的多变量统计控制图5.3.1 主成分分析方法（PCA）5.3.2 偏*小二乘法（PLS）5.3.3 多变量统计过程的监控5.3.4 多变量统计过程的诊断5.4 多变量统计过程应用实例5.4.1 镀锌板表面粗糙度统计过程控制5.4.2 某化工过程统计过程控制5.5 三种统计量之间的关系5.5.1 几何解释5.5.2 数学推导5.6 小结6 历史数据集的建立6.1 建立历史数据集的过程及数据预处理6.2 数据采集6.2.1 冶金生产数据的基本特征6.2.2 数据的采集方式6.2.3 数据的预处理6.3 变量间的多重相关性6.3.1 多重相关性产生的原因6.3.2 多重相关性的影响6.3.3 多重相关性的检验方法6.3.4 多重相关性的解决方法6.4 变量的自相关性6.4.1 自相关性的数学描述6.4.2 自相关性产生的原因6.4.3 自相关性的影响6.4.4 自相关性的检验方法6.4.5 自相关性的解决方法6.5 删除异常点6.5.1 异常点产生的原因6.5.2 异常点的检验方法6.5.3 异常点的剔除方法6.5.4 应用实例6.6 小结7 生产过程的优化控制7.1 优化控制的基本概念7.1.1 优化控制的几个环节7.1.2 优化控制的基本框架7.2 基于规则的工艺参数设定与优化7.2.1 常用的工艺参数设定方法7.2.2 基于神经网络的规则提取流程7.2.3 规则的提取7.2.4 工艺参数的优化7.3 基于数据驱动的工艺参数动态调整7.3.1 数据驱动的基本概念7.3.2 数据驱动控制器的设计7.3.3 数据驱动控制器的应用7.4 工艺流程的优化7.4.1 工艺装备的能力7.4.2 工艺装备的能力分析7.4.3 工艺装备的能力优化7.5 小结8 非线性预测与诊断8.1 核函数的基本原理8.1.1 核函数8.1.2 核矩阵8.1.3 常用的核函数及其特点8.1.4 核函数的性质和特征空间的计算8.1.5 核函数方法实施步骤8.2 核主成分分析的过程监控与诊断8.2.1 核矩阵与协方差矩阵8.2.2 核主成分8.2.3 核空间的数据重构8.2.4 基于核方法的监控模型8.2.5 应用实例8.3 核偏*小二乘的质量预测方法8.3.1 核偏*小二乘法的基本原理8.3.2 核偏*小二乘的预测模型8.3.3 应用实例8.4 支持向量机的质量预测方法8.4.1 支持向量机的基本原理8.4.2 支持向量回归8.4.3 应用实例8.5 数据缺失情况下质量预测方法8.5.1 流形半监督学习8.5.2 核岭回归的基本原理8.5.3 基于流形学习的半监督核岭回归预测模型8.5.4 应用实例8.6 小结9 案例分析9.1 汽车用钢案例分析9.1.1 质量建模方法与流程9.1.2 IF钢力学性能分析与预测9.1.3 质量监控与诊断9.2 热轧带钢头部拉窄案例分析9.2.1 变量选择和数据采集9.2.2 变量的匹配9.2.3 核主成分分析监控与诊断9.3 小结10 全流程质量监控系统框架10.1 系统基本架构10.1.1 数据采集与重整平台10.1.2 数据集成平台10.1.3 实时质量监控与预警平台10.1.4 离线数据分析平台10.2 数据采集、预处理和数据利用10.2.1 数据采集与重整10.2.2 数据集成平台10.3 主要功能模块10.3.1 质量监控与在线判定10.3.2 质量分析与诊断1O.3.3 过程质量在线优化10.3.4 人工判定与综合判定10.3.5 产品质量卡建档10.3.6 质量报表生成10.3.7 质量追溯与诊断10.3.8 系统仿真与质量优化10.4 小结附录A 概率分布表附录B Mat1ab核心代码参考文献