《装备智能故障诊断与预测》求取 ⇩

第1章绪论1

1.1智能故障诊断与预测的意义及现状1

1.1.1装备故障诊断与预测的意义1

1.1.2故障诊断与预测的历史、现状及发展2

1.1.3智能科学与智能故障诊断及预测4

1.2智能故障诊断与预测基础6

1.2.1故障诊断基础6

1.2.2故障预测基础9

1.3智能故障诊断与预测系统的一般结构和特点11

1.3.1智能故障诊断与预测系统的一般结构11

1.3.2智能故障诊断与预测系统的特点12

1.4智能故障诊断的基本方法13

1.4.1基于案例的推理方法13

1.4.2基于模型的方法13

1.4.3基于专家系统的方法14

1.4.4基于模糊推理的方法14

1.4.5基于神经网络的方法14

1.4.6基于模式识别的方法15

1.4.7基于智能计算的方法15

1.4.8混合方法16

1.5故障预测的模型和方法16

1.5.1统计模型预测法16

1.5.2数学预测方法17

1.5.3智能预测法18

1.5.4综合预测法19

1.6智能故障诊断与预测的发展趋势19

参考文献21

第2章智能诊断与预测知识的获取及表示22

2.1知识的分类22

2.1.1知识的一般类别22

2.1.2装备故障诊断与预测中知识的分类23

2.2智能诊断与预测系统中知识的获取方法24

2.2.1知识获取的基本概念24

2.2.2知识获取的一般方法25

2.3智能故障诊断系统知识的表示方法26

2.3.1知识表示的概念和基本要求26

2.3.2诊断与预测知识的一般表示模型和方法26

2.3.3面向对象的范例知识表示模型30

2.4基于故障树的知识获取与表示方法31

2.4.1故障树基本概念31

2.4.2故障树的表示和构建方法32

2.4.3基于故障树的知识获取与表示34

2.5基于故障字典的知识获取与表示35

2.5.1故障字典的概念35

2.5.2故障字典的构建及应用方法35

2.5.3故障字典知识的表示和管理36

2.6机器学习与知识获取37

2.6.1机器学习原理37

2.6.2机器学习与知识获取方法38

2.7基于TFMFCA的范例知识获取方法实例42

2.7.1基于TFMFCA的综合范例知识的分析方法42

2.7.2基于TFMFCA的综合范例知识分析的具体内容43

2.7.3故障综合范例知识实例49

2.7.4基于TFMFCA的范例知识的计算机辅助分析和获取50

参考文献52

第3章模糊智能诊断与预测方法54

3.1概述54

3.2模糊集合的基本理论55

3.2.1普通集合与模糊集合55

3.2.2模糊集合上的基本运算及定理59

3.2.3模糊关系与模糊等价关系62

3.3模糊诊断与预测信息的获取64

3.3.1确定隶属函数的一般方法64

3.3.2常用隶属函数及其模糊分布65

3.3.3机械信号特征的模糊处理68

3.3.4模糊算子70

3.4模糊模式识别方法72

3.4.1模糊模式识别的一般方法72

3.4.2模糊模式识别的间接方法73

3.5模糊诊断与预测的聚类分析方法77

3.5.1模糊聚类分析原理77

3.5.2基于目标函数的模糊聚类80

3.6模糊综合诊断与预测方法81

3.6.1模糊综合评判的数学原理81

3.6.2模糊综合评判的五种模型85

3.6.3模糊理论在大型回转机械智能诊断中的应用87

3.7基于模糊相似度的范例检索方法91

3.7.1相似度的模糊化改进91

3.7.2基于模糊相似关系的范例检索模型93

3.7.3基于模糊相似关系的范例检索策略94

3.7.4基于范例的模糊相似度检索方法94

3.7.5基于范例模糊相似度诊断应用实例95

参考文献96

第4章故障预测模型及其应用98

4.1预测模型方法98

4.1.1水平趋势的平滑预测98

4.1.2线性趋势的外推预测99

4.1.3二次曲线趋势的外推预测100

4.2基于回归模型的预测方法101

4.2.1一元回归预测计算模型101

4.2.2多元回归预测计算模型103

4.3基于时间序列模型的预测方法106

4.3.1时间序列分析106

4.3.2工程应用实例112

4.4基于灰色模型的预测方法113

4.4.1灰色预测理论113

4.4.2改进GM（1，1）模型的预测115

4.4.3工程应用实例116

4.5组合预测模型方法116

4.5.1普通组合预测模型117

4.5.2基于预测误差的最优组合预测模型117

4.5.3基于预测精度的最优组合预测模型119

4.5.4组合预测的应用实例121

参考文献121

第5章基于神经网络的故障诊断与预测123

5.1神经网络理论概述123

5.2基于BP网络的故障诊断与预测124

5.2.1 BP网络及其改进算法124

5.2.2基于BP网络的故障诊断127

5.2.3基于BP网络的导弹动力参数多步预测方法129

5.3基于RBF网络的故障诊断与预测133

5.3.1 RBF网络结构和算法133

5.3.2基于RBF网络的故障诊断136

5.3.3基于RBF网络的时间序列预测139

5.4基于Elman网络的故障诊断与预测141

5.4.1 Elman型人工神经网络141

5.4.2基于Elman神经网络的故障诊断143

5.4.3基于Elman型神经网络的故障预测146

5.5集成神经网络故障诊断方法150

5.5.1复杂装备系统故障诊断的层次特点150

5.5.2集成神经网络诊断模型151

5.5.3应用实例152

参考文献154

第6章基于支持向量机的诊断与预测方法156

6.1概述156

6.2统计学习理论与支持向量机157

6.2.1统计学习理论157

6.2.2支持向量机158

6.2.3SVM与ANN的性能比较161

6.3支持向量机在液体火箭发动机故障诊断中的应用162

6.3.1液体火箭发动机稳态故障数学模型的建立162

6.3.2液体火箭发动机稳态故障仿真及故障诊断164

6.3.3基于GA-SVM的液体火箭发动机故障诊断168

6.4基于支持向量机的回归估计169

6.4.1基于支持向量机的线性回归估计170

6.4.2基于支持向量机的非线性回归估计171

6.4.3最小二乘支持向量机的回归估计（LS-SVR）172

6.5基于支持向量机的故障预测174

6.5.1时间序列数据预处理174

6.5.2时间序列预测流程175

6.5.3预测模型评价标准175

6.5.4基于SVM的导弹动力系统故障预测实例175

参考文献179

第7章故障诊断与预测专家系统181

7.1故障诊断与预测专家系统的基本概念181

7.2诊断与预测专家系统的一般结构与功能184

7.3基于规则的诊断与预测专家系统187

7.3.1不确定性知识及推理方法187

7.3.2概率推理模型188

7.3.3证据推理模型189

7.3.4模糊推理模型190

7.3.5模糊故障预测专家系统的实现192

7.4基于范例的诊断与预测专家系统192

7.4.1范例诊断与预测系统的一般工作过程193

7.4.2基于范例检索的智能诊断与预测原理194

7.4.3基于面向对象的关系型数据库的范例知识库的设计196

7.4.4基于径向基函数网络的检索方法199

7.5基于神经网络的诊断与预测专家系统206

7.5.1专家系统与神经网络的特点206

7.5.2专家系统与神经网络结合的途径和方法207

7.5.3专家系统与神经网络的集成结构208

7.6多专家诊断与预测系统209

7.6.1多专家诊断与预测的综合算法210

7.6.2综合诊断与预测的机制和冲突协调方法212

7.6.3多智能体协同诊断与预测系统214

参考文献216

第8章基于模拟进化的智能诊断与预测218

8.1概述218

8.2遗传算法219

8.2.1基本遗传算法及其实现219

8.2.2遗传算法原理221

8.2.3遗传算法的改进与参数控制223

8.2.4遗传算法在故障诊断与预测中的应用224

8.3模拟退火算法226

8.3.1模拟退火算法的基本原理227

8.3.2模拟退火算法的实现228

8.3.3模拟退火算法参数选择原则228

8.3.4算法的改进及其在故障诊断上的应用230

8.4差分进化算法231

8.4.1差分进化的基本原理231

8.4.2差分进化算法特点与参数选择234

8.4.3算法的改进与应用235

8.4.4基于差分进化的无损检测图像序列的拟合236

8.5模拟进化在无损检测图像处理中的应用240

8.5.1基于遗传算法的热波图像分割240

8.5.2基于改进遗传算法的二维最大类间方差热图像分割243

8.5.3基于改进遗传算法的热波图像配准方法246

参考文献253

第9章基于人工免疫的智能诊断与预测255

9.1概述255

9.2人工免疫算法256

9.2.1人工免疫算法的基本概念256

9.2.2人工免疫原理258

9.2.3人工免疫算法的实现261

9.2.4人工免疫算法在智能诊断与预测中的应用264

9.3否定选择原理在LRE故障检测与诊断中的应用266

9.3.1否定选择算法266

9.3.2LRE发动机稳态数学模型的建立与故障模式获取267

9.3.3稳态故障检测与诊断结果270

9.4克隆选择原理在LRE启动过程仿真中的应用273

9.4.1克隆选择原理与算法273

9.4.2LRE相关参数的选择与建模275

9.4.3仿真计算结果与分析276

参考文献280

第10章基于集群智能的故障诊断与预测282

10.1集群智能概述282

10.2蚁群优化算法283

10.2.1蚁群觅食原理283

10.2.2蚁群优化算法的实现284

10.2.3蚁群算法的参数设置286

10.2.4蚁群算法的特点及改进287

10.3基于蚁群算法的故障诊断与预测方法289

10.3.1基于蚁群优化的神经网络的训练289

10.3.2基于蚁群算法的故障识别方法291

10.4粒子群优化算法292

10.4.1粒子群优化算法的基本原理292

10.4.2粒子群优化算法的实现293

10.4.3粒子群优化算法的参数选择294

10.4.4粒子群优化算法的改进295

10.5基于粒子群的故障诊断与预测方法及其应用297

10.5.1基于粒子群优化的神经网络的训练297

10.5.2基于粒子群优化的组合预测方法及应用298

参考文献300

第11章智能综合诊断与预测方法302

11.1引言302

11.2综合诊断与预测的基本原理与方法303

11.2.1综合诊断与预测的基本原理303

11.2.2综合诊断与预测的基本方法304

11.3网上综合诊断与预测的机制和冲突协调方法306

11.3.1综合诊断与预测的机制和方法306

11.3.2综合诊断与预测中的冲突协调方法307

11.4基于Bayes的综合诊断与预测308

11.4.1Bayes推断的基本理论309

11.4.2主观Bayes概率综合310

11.4.3应用实例311

11.5基于证据理论的综合诊断与预测313

11.5.1证据理论的基本原理314

11.5.2单重故障的综合诊断与预测315

11.5.3多重故障的综合诊断与预测317

11.5.4综合诊断与预测的策略318

11.5.5综合诊断与预测算法及其实现319

11.5.6综合诊断的应用实例320

11.6基于知识的模糊综合诊断与预测321

11.6.1复杂装备的综合诊断与预测模型及算法322

11.6.2基于知识的群专家模糊综合诊断与预测方法324

11.6.3应用实例326

11.7总结328

参考文献328

第12章智能诊断与预测系统的应用与开发330

12.1普通故障诊断与预测系统的原理和架构330

12.2诊断与预测支持系统的原理与结构332

12.2.1诊断与预测支持系统的原理332

12.2.2一般诊断与预测决策支持系统334

12.2.3智能诊断与预测支持系统334

12.3基于网络的异地诊断与预测支持系统335

12.3.1异地诊断与预测支持系统的概念335

12.3.2异地诊断与预测支持系统的基本原理336

12.3.3DDPSS的一般结构337

12.4远程诊断和维修支持系统的典型形式338

12.4.1远程诊断专家系统338

12.4.2远程诊断与维护系统340

12.4.3协作诊断服务系统340

12.4.4分布式智能诊断系统341

12.4.5远程诊断的智能代理体系342

12.4.6远程智能维修系统343

12.5大型回转机械RDPSC的总体构架与智能诊断模型344

12.5.1RDPSC的总体架构345

12.5.2多层并行智能诊断模型346

12.6复杂武器装备故障预测与健康管理的体系结构347

12.6.1典型的PHM系统体系结构分析347

12.6.2PHM系统体系结构应具备的基本特征349

12.6.3复杂武器系统的PHM体系结构349

12.7基于无线网络的复杂武器系统在线监测网络与方案设计351

12.7.1装备特点及系统技术方案351

12.7.2混合无线网络系统的设计353

12.7.3在线监测与诊断系统的设计354

12.7.4综合诊断与预测平台的设计355

12.8总结355

参考文献356