前言
第1章  绪论
  1.1  引言
  1.2  高炉炼铁过程及其故障检测与诊断问题描述
    1.2.1  高炉炼铁过程描述
    1.2.2  高炉炼铁过程生产操作制度
    1.2.3  不同工况特性阐述
    1.2.4  炼铁过程变量分析
    1.2.5  过程数据特性分析
  1.3  高炉炼铁过程故障检测与诊断研究现状
    1.3.1  定性分析方法
    1.3.2  定量分析方法
    1.3.3  故障检测与诊断的量化指标
  参考文献
第2章  高炉炼铁过程故障检测的主成分追踪方法
  2.1  主成分追踪概述
    2.1.1  主成分分析概述
    2.1.2  鲁棒主成分分析概述
    2.1.3  主成分追踪理论
    2.1.4  数据噪声处理与故障检测实现
    2.1.5  案例分析
  2.2  故障检测的主成分追踪方法
    2.2.1  问题描述
    2.2.2  离群点处理的主成分追踪方法
    2.2.3  基于主成分追踪的故障检测方法
    2.2.4  案例分析
  2.3  故障检测的鲁棒主成分追踪方法
    2.3.1  问题描述
    2.3.2  鲁棒主成分追踪求解算法与收敛性证明
    2.3.3  基于鲁棒主成分追踪的故障检测方法
    2.3.4  案例分析
  参考文献
第3章  高炉炼铁过程故障检测的平稳子空间分析方法
  3.1  平稳子空间分析概述
  3.2  面向动态非平稳过程特性的故障检测
    3.2.1  动态非平稳过程描述
    3.2.2  自适应动态可解释分析平稳子空间分析算法
    3.2.3  改进统计量和自适应策略构建
    3.2.4  故障可检测性分析
    3.2.5  模型参数讨论
    3.2.6  案例分析
  3.3  面向非线性非平稳过程特性的故障检测
    3.3.1  非线性非平稳高炉炼铁过程故障描述
    3.3.2  局部宽度核动态平稳子空间分析算法
    3.3.3  非平稳对故障检测性能的影响分析
    3.3.4  局部统计量构建与性能分析
    3.3.5  案例分析
  3.4  面向全局-局部非线性耦合过程特性的故障检测
    3.4.1  复杂非线性问题描述
    3.4.2  全局-局部非线性平稳子空间分析算法
    3.4.3  案例分析
  参考文献
第4章  高炉炼铁过程故障检测的图理论方法
  4.1  图理论方法概述
  4.2  故障检测的半监督加权图方法
    4.2.1  问题描述
    4.2.2  基于半监督加权图的故障检测方法
    4.2.3  案例分析
  4.3  故障检测的无监督加权图方法
    4.3.1  问题描述
    4.3.2  基于无监督加权图的故障检测方法
    4.3.3  案例分析
  4.4  故障检测的自适应无监督加权图方法
    4.4.1  问题描述
    4.4.2  基于自适应无监督加权图的故障检测方法
    4.4.3  案例分析
  参考文献
第5章  高炉炼铁过程故障诊断的隐马尔可夫模型
  5.1  隐马尔可夫模型概述
    5.1.1  隐马尔可夫模型
    5.1.2  自适应特征提取的故障诊断
  5.2  故障诊断的隐马尔可夫模型
    5.2.1  有效变量选择与故障诊断
    5.2.2  基于隐马尔可夫模型的故障诊断模型
    5.2.3  案例分析
  5.3  多工况过程故障诊断的移动窗隐马尔可夫模型
    5.3.1  工况识别
    5.3.2  故障检测指标构建
    5.3.3  多工况过程监测与诊断算法
    5.3.4  案例分析
  参考文献
第6章  高炉炼铁过程故障诊断的核网络方法
  6.1  支持向量机概述
    6.1.1  支持向量机
    6.1.2  核函数理论性能
  6.2  故障诊断的深度平稳核学习支持向量机
    6.2.1  多层堆砌核网络的深度平稳非线性表示
    6.2.2  深度平稳核学习支持向量机分类器的构建
    6.2.3  模型优化求解
    6.2.4  故障诊断流程
    6.2.5  案例分析
  6.3  非线性非平稳过程故障诊断的核网络方法
    6.3.1  非线性一致特征构造
    6.3.2  融合深度宽度平稳核网络的故障分类器设计
    6.3.3  案例分析
  参考文献
第7章  高炉炼铁过程故障诊断的生成对抗网络方法
  7.1  主动学习与生成对抗网络概述
    7.1.1  主动学习方法
    7.1.2  生成对抗网络
  7.2  少标签故障诊断的半监督生成对抗网络方法
    7.2.1  主动半监督学习和生成对抗网络方法
    7.2.2  案例分析
  7.3  零样本故障诊断的条件生成对抗网络方法
    7.3.1  条件生成对抗网络方法的模型训练、样本生成与故障识别算法
    7.3.2  案例分析
  参考文献
第8章  高炉炼铁过程故障诊断的迁移学习方法
  8.1  迁移学习概述
    8.1.1  最大均值差异
    8.1.2  深度域混淆
    8.1.3  深度适应网络
  8.2  时变小样本故障诊断的深度加权联合分布适应网络
    8.2.1  联合分布适应基础概述
    8.2.2  深度加权联合分布适应网络框架
    8.2.3  案例分析
  8.3  时变鲁棒故障诊断的极小极大熵协同训练方法
    8.3.1  迁移学习的泛化误差分析
    8.3.2  极小极大熵协同训练算法
    8.3.3  案例分析
  8.4  故障诊断的非完整多源迁移学习方法
    8.4.1  多源学习概述
    8.4.2  极小极大熵的非完整多源迁移学习算法
    8.4.3  案例分析
  参考文献
第9章  基于工业互联网的高炉炼铁过程故障检测与诊断应用
  9.1  工业互联网平台架构
  9.2  工业互联网平台搭建
    9.2.1  容器化技术
    9.2.2  容器编排
    9.2.3  集群管理
  9.3  数字孪生体构建
  9.4  基于工业互联网的高炉炼铁过程故障检测与诊断
    9.4.1  孪生数据驱动的故障检测与诊断
    9.4.2  应用实例
  参考文献
彩图