本書針對與復(fù)雜工業(yè)過程產(chǎn)品質(zhì)量/產(chǎn)量以及生產(chǎn)安全密切相關(guān)的高能耗類重型旋轉(zhuǎn)機械設(shè)備關(guān)鍵運行指標(biāo)參數(shù)難以檢測的問題，依據(jù)難測參數(shù)與高維機械頻譜間存在地難以采用精確數(shù)學(xué)模型描述的非線性映射關(guān)系，采用基于機械設(shè)備振動/振聲頻譜數(shù)據(jù)驅(qū)動的軟測量建模方式進行檢測，重點解決多組分非平穩(wěn)機械時域信號蘊含信息提取難、高維頻譜數(shù)據(jù)特征約簡難、多源多尺度信號的冗余性和互補性融合難、工業(yè)過程固有工況漂移特性導(dǎo)致離線模型泛化性能下降等問題，構(gòu)建能夠降低復(fù)雜度、提高可解釋性與泛化性的智能集成軟測量檢測模型。本書詳細敘述了典型機械設(shè)備難測參數(shù)檢測現(xiàn)狀及與其相關(guān)軟測量建模相關(guān)技術(shù)的研究現(xiàn)狀，進行了面向工業(yè)過程機械設(shè)備難測參數(shù)的頻譜特性分析并明確其智能集成建模策略，之后依次順序進行面向高維機械頻譜數(shù)據(jù)的特征約簡、選擇性集成建模、混合集成建模、在線集成建模算法地闡述，最終獲得了較為通用的一類基于高維機械頻譜數(shù)據(jù)的智能集成建模方法。