本书共7章，内容包括：第1章介绍了当前风机故障检测的研究现状，以及小样本条件下风机故障检测存在的问题；在第2章，针对特征已知的小样本风机故障，研究了基于生成对抗网络的故障样本生成方法；在第3章，针对特征未知的小样本风机故障，研究了基于样本挖掘和特征映射的故障检测方法；在第4章，针对含有不确定性数据且数量极少的小样本风机故障，研究基于非单值输入和扩展术语及规则的模糊推理故障检测方法；在第5章，针对多变环境且数量极少的小样本风机故障，研究基于多维隶属函数和集成隶属度的模糊推理故障检测方法；在第6章，为了使小样本条件下的风机故障检测黑盒模型变得可解释，本书从模糊推理角度研究了小样本风机黑盒故障检测模型的解释方法；第7章结合学术研究和实际应用的发展趋势，对风机故障检测的未来发展方向进行了展望。

第1章 绪论
1.1 概述
1.2 风机故障检测介绍
1.3 风机故障检测研究现状
1.4 本书内容及章节安排
第2章 基于生成方法的小样本风机故障检测
2.1 本章概述
2.2 基于生成方法的检测架构
2.3 基于生成方法的故障检测
2.3.1 构建粗略的故障样本数据
2.3.2 基于生成对抗网络的故障样本精化
2.3.3 基于生成样本的故障检测
2.4 验证与应用
2.4.1 实验设置及方法过程
2.4.2 实验1：生成样本评估实验
2.4.3 实验2：与使用真实故障样本检测方法的对比实验
2.4.4 实验3：与使用扩展故障样本检测方法的对比实验
2.4.5 实验4：改进生成对抗网络的有效性评估实验
2.5 本章小结
第3章 基于映射方法的小样本风机故障检测
3.1 本章概述
3.2 基于映射方法的检测架构
3.3 基于故障特性的难样本数据挖掘
3.3.1 风机故障数据的难样本挖掘
3.3.2 训练数据的连续性优化
3.4 基于三元组特征映射的故障检测
3.4.1 基于三元组的特征映射模型构建
3.4.2 特征空间内的多分类器模型构建
3.4.3 多故障检测的评价指标
3.5 验证与应用
3.5.1 实验设置
3.5.2 实验1：单故障检测实验
3.5.3 实验2：多故障检测实验
3.5.4 实验3：难样本评估实验
3.5.5 实验4：方法组件排除性实验
3.5.6 实验总结
3.6 本章小结
第4章 基于非单值模糊推理的小样本风机故障检测
4.1 本章概述
4.2 背景及问题描述
4.2.1 相关背景
4.2.2 问题描述
4.3 基于非单值模糊推理的检测架构
4.4 基于非单值模糊推理的故障检测
4.4.1 非单值输入的构建
4.4.2 模糊逻辑系统术语和规则的扩展
4.4.3 模糊逻辑系统后件设计与故障检测
4.5 验证与应用
4.5.1 实验设置
4.5.2 实验1：非单值输入的有效性评估实验
4.5.3 实验2：多输入故障检测评估实验
4.5.4 实验3：单输入故障检测评估实验
4.5.5 实验4：鲁棒性评估实验
4.5.6 实验总结
4.6 本章小结
第5章 基于多维隶属函数的小样本风机故障检测
5.1 本章概述
5.2 背景及问题描述
5.3 基于多维隶属函数的故障检测
5.3.1 构建多维隶属函数
5.3.2 隶属度集成方法
5.3.3 基于集成隶属度的模糊逻辑系统
5.3.4 基于多维隶属度的风机故障检测
5.4 验证与应用
5.4.1 实验设置
5.4.2 实验1：风机早期故障检测对比实验
5.4.3 实验2：风机故障检测漏报警对比实验
5.4.4 实验3：风机故障检测误报警对比实验
5.4.5 实验4：长时间条件下风机故障检测对比实验
5.4.6 实验总结
5.5 本章小结
第6章 小样本风机故障检测的黑盒模型解释方法
6.1 本章概述
6.2 基于数据驱动的黑盒模型解释架构
6.3 基于数据驱动的黑盒模型解释方法
6.3.1 反向构建模糊逻辑系统
6.3.2 模糊逻辑系统的多重优化
6.3.3 提取知识与解释目标模型
6.4 验证与应用
6.4.1 实验设置
6.4.2 实验1：简单数学模型的解释实验
6.4.3 实验2：回归黑盒模型的解释实验
6.4.4 实验3：分类黑盒模型的解释实验
6.4.5 实验4：深度学习特征的解释实验
6.4.6 实验总结
6.5 本章小结
第7章 总结
参考文献
后记