前言
第1章 绪论
1.1 故障诊断的基本概念
1.2 故障诊断技术的发展与研究现状
1.2.1 故障诊断技术的发展历史
1.2.2 故障诊断技术研究现状及发展趋势
1.3 故障诊断方法概述
1.4 智能故障诊断技术未来发展相关的新技术
1.4.1 机器学习
l.4.2 智能计算机
1.5 智能故障诊断系统发展的现状
1.5.1 发展的现状
1.5.2 存在的问题
1.6 智能故障诊断系统的发展趋势
1.6.1 多种知识表示方法的结合
1.6.2 经验知识与理论知识的结合
1.6.3 诊断系统与神经网络的结合
1.6.4 虚拟现实技术和故障智能诊断系统的结合
1.6.5 数据库技术与人工智能技术相互渗透
本章参考文献
第2章 故障诊断知识智能处理
2.1 诊断知识的基本概念
2.2 故障诊断知识的获取
2.2.1 故障诊断知识的分类
2.2.2 诊断知识的获取方式
2.3 诊断知识的表示
2.3.1 谓词逻辑表示法
2.3.2 语义网络表示法
2.3.3 产生式表示法
2.3.4 框架式表示法
2.3.5 面向对象的表示法
2.3.6 神经元网络表示法
2.3.7 不精确知识的表示法
2.4 基于知识的诊断推理
2.4.1 推理的基本概念
2.4.2 基于知识的诊断推理
本章参考文献
第3章 故障征兆自动提取
3.1 数值型征兆的自动提取
3.1.1 时域征兆的自动提取
3.1.2 频域征兆的自动提取
3.1.3 趋势征兆的自动提取
3.2 语义型征兆的自动提取
3.3 图形征兆的自动提取
3.3.1 Zernike矩特征的提取方法
3.3.2 神经网络图形分类器
本章参考文献
第4章 神经网络模型
4.1 人工神经网络的发展过程
4.2 神经元模型
4.3 神经元互连模式
4.4 神经网络学习规则
4.5 前馈神经网络及其学习算法
4.5.1 BP网络
4.5.2 径向基函数神经网络
本章参考文献
第5章 专家系统
5.1 专家系统基本组成
5.2 知识库的建立和维护
5.2.1 机器学习
5.2.2 知识库的建立
5.2.3 知识库的维护
5.3 全局数据库及管理系统
5.4 推理机
5.4.1 推理方法
5.4.2 推理方向
5.5 解释子系统设计
5.5.1 预置文本法
5.5.2 路径跟踪法
5.5.3 策略解释法
5.5.4 自动程序员方法
5.6 基于规则的专家系统中的不精确推理
5.6.1 原始数据的不确定性
5.6.2 规则的不确定性
5.6.3 推理的不确定性
本章参考文献
第6章 模糊理论基础
6.1 模糊理论的背景
6.2 模糊集合论
6.2.1 模糊集的基本概念
6.2.2 模糊集的运算
6.2.3 模糊集合与经典集合的联系
6.3 模糊关系与模糊矩阵
6.3.1 模糊矩阵
6.3.2 模糊关系
6.4 隶属函数确定
6.4.1 模糊统计法
6.4.2 典型函数法
6.4.3 带确信度的德尔菲专家确定法
6.4.4 其他确定方法
6.5 模糊逻辑与模糊推理
6.5.1 模糊语言
6.5.2 模糊命题与模糊逻辑
6.5.3 模糊推理
6.6 模糊聚类分析
6.6.1 模糊分类关系
6.6.2 模糊聚类
6.7 模糊综合评判
6.8 模糊模式识别
本章参考文献
第7章 支持向量机
7.1 支持向量机的发展概况
7.1.1 支持向量机产生理论基础
7.1.2 支持向量机研究现状
7.2 统计学习理论
7.2.1 机器学习问题
7.2.2 推广性的界
7.2.3 VC维
7.2.4 结构风险最小化
7.3 支持向量机的理论与方法
7.3.1 支持向量机的基本原理
7.3.2 支持向量机的回归理论
本章参考文献
第8章 深度学习
8.1 深度学习的发展
8.2 深度学习的架构与分类
8.2.1 自动编码器
8.2.2 受限玻尔兹曼机及其变体
8.2.3 卷积神经网络
8.2.4 循环神经网络
8.2.5 长短期记忆人工神经网络
8.2.6 深度堆叠网络
8.2.7 深度神经网络高级架构
8.3 深度学习的特点
8.4 深度学习在故障诊断领域的应用
8.4.1 概述
8.4.2 应用步骤
本章参考文献
第9章 车用柴油机模糊故障诊断专家系统
9.1 车用柴油机模糊故障诊断专家系统知识库设计
9.1.1 车用柴油机故障诊断知识获取
9.1.2 故障诊断专家系统综合型知识表示
9.1.3 模糊故障诊断专家系统知识库组成及应用
9.2 车用柴油机模糊故障诊断专家系统推理机设计
9.3 车用柴油机模糊故障诊断专家系统实现问题
9.3.1 车用柴油机故障诊断知识获取
9.3.2 车用柴油机模糊故障诊断专家系统结构
本章参考文献
第10章 铜精炼炉神经网络故障诊断专家系统
10.1 铜精炼炉神经网络故障诊断专家系统知识库
10.1.1 铜精炼工艺过程
10.1.2 常见铜精炼炉热工参数异常状况
10.1.3 基于神经网络的知识获取
10.1.4 神经网络
展开
