常鹏、王普著的《间歇过程统计建模及故障诊断研究——基于数据驱动角度》从工业间歇过程中的实际应用出发，针对间歇过程数据的不同特点，分别从非线性、非高斯性、多阶段性等不同角度进行研究，改进传统多元统计监测方法的不足，以基于核熵成分分析（KECA）[81]为主要统计分析工具，提出新的过程监测和故障诊断策略，实现对间歇过程的在线监测。

作为第二产业当中的一个子项，间歇生产过程是现代社会大生产当中比较有代表性的生产形势之一，因其具有比较好的灵活性、较高的产物附加值以及较悠久的发展历史，被应用在诸如制药、食品生产、化工材料制备等领域。然而正因其具有的与连续生产过程所不同的特性，也会随之而来具有比较复杂的生产机理，多样的生产及工况以及多变的生产状态。因此，对其进行统计建模、过程监测和故障诊断的研究，从控制和大数据分析领域的角度讲具有普适性和代表性。

《间歇过程统计建模及故障诊断研究——基于数据驱动角度》作者常鹏、王普多年来一直从事间歇过程的统计建模、过程监测和故障诊断等方面的研究，在借鉴国内外的有关最新研究成果和作者自身完成的研究成果基础上，博采众家之长，著成此书。本书结合具体的间歇工业微生物发酵过程实例，分别对过程的统计建模、过程监测，特别是在非线性、非高斯性、多阶段共存的间歇过程在线应用与故障诊断方面进行了比较系统的介绍，并引入了核熵成分分析技术并扩展其在过程监测、优化以及故障诊断等方面的应用。

第1章 绪论

 1.1 课题研究背景与意义

 1.2 间歇过程特性分析

 1.3 间歇过程统计建模与故障监测研究

 1.4 本书主要研究内容

 1.5 本书组织结构

第2章 基于核熵成分分析的间歇过程监测方法研究

 2.1 引言

 2.2 核熵成分分析（KECA）

 2.3 基于多项核熵成分分析的间歇过程监测

 2.4 算法验证

 2.5 本章小结

第3章 基于核熵独立成分分析的间歇过程监测方法研究

 3.1 引言

 3.2 基于KEICA的过程监测策略

 3.3 算法验证

 3.4 本章小结

第4章 基于核熵成分分析的间歇过程多阶段监测方法研究

 4.1 引言

 4.2 多阶段过程监测策略

 4.3 构建多阶段的监测模型

 4.4 算法验证

 4.5 本章小结

第5章 间歇过程子阶段非高斯监测方法研究

 5.1 引言

 5.2 基于多阶段KEICA的间歇过程监测

 5.3 算法验证

 5.4 本章小结

第6章 基于质量相关的间歇过程监测方法研究

 6.1 引言

 6.2 全潜隐结构投影法（T-PLS）

 6.3 基于质量相关的间歇过程监测

 6.4 应用研究

 6.5 本章小结

结论

参考文献

后记