《现代机械制造系统的监控与故障诊断》求取 ⇩

第一章 绪论1

1．1 现代机械制造系统的产生与发展1

1．1．1 现代机械制造系统发展过程1

1．1．2 现代机械制造系统的主要特点4

1．1．3 现代机械制造系统的未来展望6

1．2 现代机械制造系统对监控与诊断的要求9

1．2．2 基于知识的专家诊断系统的应用12

1．2．3 分布式和集成化的系统特点15

1．3．1 根据诊断目的分类17

1．3 故障诊断技术的分类17

1．3．2 根据监测和诊断的信号分类19

1．3．3 根据诊断的对象分类21

1．4 现代机械制造系统与诊断的概念与学科基本体系23

1．4．1 故障诊断的过程与特点24

1．4．2 故障诊断的过程与特点25

1．4．3 故障诊断的基本体系26

第二章 现代机械制造系统监控与故障诊断的数理基础28

2．1 引言28

2．2．2 随机过程的矩函数29

2．2 故障发生与随机过程29

2．2．1 随机过程的基本定义29

2．2．3 特殊的随机过程31

2．3 监控与故障诊断中的参数估计方法32

2．3．1 最小二乘估计法33

2．3．2 尤尔·沃克（Yule-Walder）估计方法35

2．3．3 极大似然估计法36

2．4 监控与故障诊断中的时间序列方法36

2．4．1 自回归模型AR（n）37

2．4．2 自回归滑动平均模型ARMA（n,m）41

2．4．3 格林（Green） 函数44

2．4．4 时间序列方法建模48

2．4．5 特征量（征兆）的提取53

2．4．6 判别函数的构造56

2．4．7 监控与故障诊断中的时间序列方法的步骤与内容57

2．5 监控与故障诊断中的人工智能与专家系统方法59

2．5．1 人国智能与专家系统方法的提出59

2．5．2 专家系统的构成60

2．5．3 人工智能与专家系统中的关键技术61

3．1 故障分类69

第三章 现代机械制造系统的故障分析69

3．2 故障模式与故障机理71

3．3 故障模型74

3．4 故障分析方法75

3．4．1 故障模式影响与后果分析法（FMECA）76

3．4．2 故障树分析法82

3．5 故障诊断概述99

第四章现代机械制造系统监控与诊断系统的总体设计102

4．1 现代机械制造的环境分析102

4．1．1 自动生产红（APL）103

4．1．2 数控机床（NCMT）105

4．1．3 加工中心（MC）107

4．1．4 柔性制造单元（FMC）107

4．1．5 柔性制造系统（FMS）108

4．1．6 计算机集成制造系统（CIMS）111

4．2 监控与诊断的任务和要求113

4．2．1 现代机械制造系统的故障分析113

4．2．2 监控与诊断的任务114

4．2．3 监控与诊断的要求119

4．3．2 监控与诊断的主要模式123

4．3 监控与诊断的集成策略123

4．3．1 监控与诊断的主要内容123

4．4 监控与诊断系统的总体结构131

4．4．1 监控与诊断系统的基本组成131

4．4．2 监控与诊断系统的硬件结构133

4．4．3 监控与诊断系统的软件实现135

第五章 现代机械制造系统的加工过程监控144

5．1 加工过程监控的必要性144

5．2 加工过程监控系统的一般结构145

5．3．1 加工过程建模概述147

5．3 加工过程智能建模与辨识147

5．3．2 加工过程模型及辨识方法150

5．3．3 加工过程状态的时间序列模型153

5．3．4 过程切削力模型155

5．3．5 具有自组织功能的GMDH 模型156

5．3．6 加工过程的神经网络模型159

5．4 加工状态特征信息感知技术164

5．4．1 加工过程典型故障状态的数学描述164

5．4．2 基于加工过程模型辨识的状态特征提取165

5．4．3 状态特征的归一化处理167

5．4．4 智能监控中的多传感器信息特征选择方法169

5．5 基于多传感器信息融合的加工过程监控174

5．5．1 多传感器信息融合原理174

5．5．2 基于多传感器住处融全的监控系统176

第六章 现代械制造系统的故障诊断策略179

6．1 现代机械制造系统故障诊断问题的特点179

6．2 诊断问题的知识策略180

6．2．1 领域知识的获取与自学习181

6．2．2 诊断问题的知识深度182

6．2．3 所用知识的表示与组织184

6．3 不确定性的处理186

6．3．1 不确定性的来源187

6．3．2 不确定性揄模型的基本结构188

6．3．3 面向扩展故障树结构的不确定性知识管理191

6．4 诊断问题的求解策略194

6．4．1 推理策略194

6．4．2 控制策略198

第十章故障诊断知识的获取与表示200

7．1 诊断知识的分类200

7．2．1 隐藏知识问题201

7．2 知识获取的难点201

7．2．2 沟通障碍问题202

7．2．3 知道表示问题203

7．2．4 模型创建问题203

7．3 知识提取中的技术204

7．3．1 直接提问法204

7．3．2 格栅获取技术205

7．3．3 草案分析方法208

7．4 基于模型的知识获取210

7．4．1 KADS 方法简介211

7．4．2 KADS 知识级建模语言213

7．5 基于扩展故障树的诊断知识获取215

7．5．1 扩展故障树树形结构在内存中的表示216

7．5．2 基于扩展故障树的产生式知识获取216

7．5．3 基于故障树的框架知识获取219

7．6 诊断知识表示221

7．6．1 产生式表示法221

7．6．2 框架表示法222

7．6．3 语义网络表示法225

7．7 现代机械制造系统诊断知识库的构成226

8．1．1 模型的设计思想229

第八章故障诊断推理229

8．1 基于故障树分析法的层次诊断推理229

8．1．2 层次诊断模型的建立232

8．1．3 层次诊断揄控制策略236

8．1．4 面向对象的实现238

8．1．5 实例245

8．2 基于PLC 信息的诊断推理247

8．2．1 设备运动过程的PLC控制原理248

8．2．2 基于控制系统流程的逻辑诊断模型249

8．2．3 基于顺序控制过程的顺序诊断模型257

第九章监控与诊断系统的实现264

9．1 系统的总体设计264

9．1．1 系统的设计思想264

9．1．2 系统的功能模型266

9．1．3 监测与诊断子系统硬件结构268

9．2 系统的实现原理与方法270

9．2．1 系统的状态监测270

9．2．2 诊断知识的获取与表示274

9．2．3 故障数据的采集276

9．2．4 集成诊断揄机制278

9．2．5 集成诊断系统软件控制流程280

9．2．6 其它的实现细节及特点281

9．3 系统的实现细节及特点283

9．4 系统运行实例284

9．5 小结290

第十章 现代机械制造系统故障监测与诊断的发展趋势291

10．1 智能多媒体技术在故障监控和诊断中的应用291

10．1．1 智能多媒体故障监控和诊断系统的总体结构292

10．1．2 现代制造系统的多媒体环境292

10．1．3 多媒体智能人机界面293

10．1．4 多媒体诊断数据库294

10．1．5 多媒体诊断知识库和诊断推理294

10．2 分布式智能监控和诊断理论与技术的应用296

10．2．1 分布式人工智能的理论基础296

10．2．2 分布式智能体监控和诊断理论与技术产生的必然性297

10．2．3 多智能体监控和诊断技术的应用298

10．2．4 分布式智能监控和诊断技术的应用300

10．2．5 多神经网络智能诊断理论与技术的应用303

参考文献307