冶金生产过程质量监控理论与方法【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

冶金生产过程质量监控理论与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

符号表1

1 绪论3

1.1 冶金生产过程的特点3

1.2 质量监控技术的现状与发展趋势5

1.3 本书各章节内容7

2 数据样本的基础知识9

2.1 向量9

2.1.1 向量的定义9

2.1.2 向量的长度9

2.1.3 向量的夹角9

2.1.4 向量的投影10

2.2 矩阵11

2.2.1 矩阵的定义11

2.2.2 矩阵的运算12

2.2.3 行列式12

2.2.4 逆矩阵13

2.2.5 特征值与特征向量14

2.3 样本空间14

2.3.1 基本定义14

2.3.2 样本点间的欧氏距离16

2.3.3 样本点间的统计距离16

2.3.4 样本点间的马氏距离18

2.4 变量空间19

2.4.1 变量的均值19

2.4.2 变量的方差20

2.4.3 变量间的协方差20

2.4.4 变量间的相关系数20

2.5 数据的预处理21

2.5.1 中心化处理21

2.5.2 无量纲化处理21

2.5.3 标准化处理22

2.6 应用举例22

2.6.1 均值22

2.6.2 方差23

2.6.3 协方差23

2.6.4 相关系数23

2.6.5 欧氏距离24

2.6.6 统计距离24

2.6.7 马氏距离25

2.6.8 无量纲化25

2.7 小结26

3 数理统计的基础知识27

3.1 基本概念27

3.1.1 总体与个体27

3.1.2 概率密度函数28

3.1.3 数学期望和方差29

3.2 几个重要分布30

3.2.1 正态分布30

3.2.2 χ2分布32

3.2.3 F分布33

3.2.4 β分布35

3.2.5 t分布36

3.3 参数估计38

3.3.1 总体均值的点估计38

3.3.2 总体方差的点估计38

3.3.3 总体均值的区间估计39

3.3.4 总体方差的区间估计40

3.4 假设检验42

3.4.1 零假设与研究假设42

3.4.2 显著性水平43

3.4.3 假设检验与置信区间的关系43

3.5 应用举例45

3.5.1 回归模型的线性关系检验——F检验45

3.5.2 总体回归参数的检验——t检验46

3.6 小结47

4 单变量统计过程控制49

4.1 统计过程控制简介49

4.1.1 统计过程控制的基本概念49

4.1.2 工业过程中的各种变化50

4.2 统计控制图53

4.2.1 控制图的定义53

4.2.2 控制图的基本原理53

4.2.3 常用控制图55

4.2.4 控制图的风险62

4.2.5 判稳准则和判异准则63

4.2.6 应用统计控制图时需要注意的问题67

4.3 过程能力指数68

4.3.1 过程能力68

4.3.2 过程能力指数的计算69

4.3.3 过程能力指数与不合格品率之间的关系72

4.3.4 给定置信度下的过程能力指数74

4.3.5 过程能力分析的功能与步骤75

4.4 应用举例76

4.4.1 实例176

4.4.2 实例278

4.5 小结81

5 多变量统计过程控制82

5.1 多变量统计过程的意义和研究现状82

5.2 霍特林T2控制图84

5.2.1 霍特林T2控制图的提出84

5.2.2 T2统计量的分布特性87

5.2.3 T2的正交分解89

5.3 基于主元模型的多变量统计控制图94

5.3.1 主成分分析方法（PCA）94

5.3.2 偏最小二乘法（PLS）96

5.3.3 多变量统计过程的监控101

5.3.4 多变量统计过程的诊断105

5.4 多变量统计过程应用实例106

5.4.1 镀锌板表面粗糙度统计过程控制106

5.4.2 某化工过程统计过程控制109

5.5 三种统计量之间的关系113

5.5.1 几何解释113

5.5.2 数学推导114

5.6 小结115

6 历史数据集的建立116

6.1 建立历史数据集的过程及数据预处理116

6.2 数据采集117

6.2.1 冶金生产数据的基本特征117

6.2.2 数据的采集方式118

6.2.3 数据的预处理119

6.3 变量间的多重相关性119

6.3.1 多重相关性产生的原因120

6.3.2 多重相关性的影响120

6.3.3 多重相关性的检验方法121

6.3.4 多重相关性的解决方法122

6.4 变量的自相关性123

6.4.1 自相关性的数学描述123

6.4.2 自相关性产生的原因124

6.4.3 自相关性的影响126

6.4.4 自相关性的检验方法128

6.4.5 自相关性的解决方法130

6.5 删除异常点134

6.5.1 异常点产生的原因134

6.5.2 异常点的检验方法135

6.5.3 异常点的剔除方法137

6.5.4 应用实例142

6.6 小结143

7 生产过程的优化控制145

7.1 优化控制的基本概念145

7.1.1 优化控制的几个环节145

7.1.2 优化控制的基本框架146

7.2 基于规则的工艺参数设定与优化147

7.2.1 常用的工艺参数设定方法147

7.2.2 基于神经网络的规则提取流程148

7.2.3 规则的提取152

7.2.4 工艺参数的优化157

7.3 基于数据驱动的工艺参数动态调整161

7.3.1 数据驱动的基本概念162

7.3.2 数据驱动控制器的设计163

7.3.3 数据驱动控制器的应用167

7.4 工艺流程的优化169

7.4.1 工艺装备的能力170

7.4.2 工艺装备的能力分析170

7.4.3 工艺装备的能力优化171

7.5 小结171

8 非线性预测与诊断172

8.1 核函数的基本原理172

8.1.1 核函数172

8.1.2 核矩阵175

8.1.3 常用的核函数及其特点175

8.1.4 核函数的性质和特征空间的计算177

8.1.5 核函数方法实施步骤178

8.2 核主成分分析的过程监控与诊断179

8.2.1 核矩阵与协方差矩阵179

8.2.2 核主成分182

8.2.3 核空间的数据重构183

8.2.4 基于核方法的监控模型184

8.2.5 应用实例185

8.3 核偏最小二乘的质量预测方法188

8.3.1 核偏最小二乘法的基本原理189

8.3.2 核偏最小二乘的预测模型190

8.3.3 应用实例192

8.4 支持向量机的质量预测方法194

8.4.1 支持向量机的基本原理194

8.4.2 支持向量回归198

8.4.3 应用实例200

8.5 数据缺失情况下质量预测方法201

8.5.1 流形半监督学习201

8.5.2 核岭回归的基本原理203

8.5.3 基于流形学习的半监督核岭回归预测模型204

8.5.4 应用实例206

8.6 小结207

9 案例分析208

9.1 汽车用钢案例分析208

9.1.1 质量建模方法与流程208

9.1.2 IF钢力学性能分析与预测210

9.1.3 质量监控与诊断219

9.2 热轧带钢头部拉窄案例分析223

9.2.1 变量选择和数据采集223

9.2.2 变量的匹配223

9.2.3 核主成分分析监控与诊断224

9.3 小结226

10 全流程质量监控系统框架227

10.1 系统基本架构227

10.1.1 数据采集与重整平台229

10.1.2 数据集成平台229

10.1.3 实时质量监控与预警平台229

10.1.4 离线数据分析平台229

10.2 数据采集、预处理和数据利用231

10.2.1 数据采集与重整231

10.2.2 数据集成平台231

10.3 主要功能模块235

10.3.1 质量监控与在线判定235

10.3.2 质量分析与诊断237

10.3.3 过程质量在线优化238

10.3.4 人工判定与综合判定240

10.3.5 产品质量卡建档241

10.3.6 质量报表生成242

10.3.7 质量追溯与诊断244

10.3.8 系统仿真与质量优化245

10.4 小结247

附录A 概率分布表248

附录B Matlab核心代码273

参考文献291