裝備智能故障診斷技術(shù)

第1章　緒論
1.1 故障診斷技術(shù)歷史、現(xiàn)狀及發(fā)展的系統(tǒng)分析
1.1.1 故障診斷技術(shù)歷史、現(xiàn)狀與發(fā)展
1.1.2 故障診斷基本方法
1.1.3 人工智能發(fā)展歷程
1.1.4 智能故障診斷技術(shù)現(xiàn)狀與發(fā)展
1.2 裝備智能故障診斷基礎(chǔ)
1.2.1 智能故障診斷的一般概念
1.2.2 智能故障診斷系統(tǒng)一般結(jié)構(gòu)和功能特點
1.3 智能故障診斷方法
1.3.1 基于故障樹的方法
1.3.2 基于案例的推理方法
1.3.3 基于模型的方法
1.3.4 基于專家系統(tǒng)的方法
1.3.5 基于模糊推理的方法
1.3.6 基于神經(jīng)網(wǎng)絡的方法
1.3.7 基于模式識別的方法
1.3.8 混合方法
1.3.9 發(fā)展方向
第2章　智能故障診斷中的知識策略
2.1 智能故障診斷系統(tǒng)中知識的分類
2.1.1 專家系統(tǒng)中知識的一般分類
2.1.2 智能故障診斷系統(tǒng)中知識的分類
2.1.3 深淺知識的關(guān)系和結(jié)合組織模型
2.2 智能故障診斷系統(tǒng)中知識的獲取策略
2.2.1 知識獲取是構(gòu)建智能診斷系統(tǒng)的“瓶頸”
2.2.2 傳統(tǒng)的3種知識獲取方法
2.2.3 智能故障診斷系統(tǒng)中知識獲取的一般模型
2.3 智能故障診斷系統(tǒng)中知識的表示方法
2.3.1 知識表示的概念
2.3.2 診斷知識的復合框架與規(guī)則的表示方法
2.4 智能故障診斷系統(tǒng)中不確定知識處理
2.4.1 診斷知識的不確定性及分類
2.4.2 不確定性診斷知識的表示方法
2.4.3 不確定性診斷知識的處理方法
2.4.4 智能故障診斷系統(tǒng)中不確定性推理的一般模型
2.4.5 模糊集合理論不確定性知識的處理方法
2.5 智能故障診斷中的機器學習與知識獲取
2.5.1 機器學習方法的回顧
2.5.2 知識獲取與機器學習
2.5.3 各種學習方法在故障診斷系統(tǒng)中的適應性分析
2.5.4 基于粗集理論的歸納學習方法
2.5.5 智能故障診斷系統(tǒng)中機器學習策略
第3章　基于模糊邏輯和遺傳算法的故障診斷技術(shù)
3.1 模糊邏輯基本理論
3.1.1 模糊集與隸屬函數(shù)
3.1.2 模糊集的表示方法及其運算
3.2 遺傳算法基本理論
3.2.1 遺傳算法的基本概念
3.2.2 遺傳算法的基本組成
3.3 模糊邏輯和遺傳算法相結(jié)合的故障診斷方法
3.3.1 用模糊邏輯對系統(tǒng)狀態(tài)進行描述
3.3.2 用模糊有向圖對系統(tǒng)進行描述
3.3.3 用遺傳算法對可能的故障傳播路徑進行搜索
3.3.4 診斷方法及步驟
3.4 應用實例
第4章　基于模糊理論、神經(jīng)網(wǎng)絡和專家系統(tǒng)的故障診斷技術(shù)
4.1 基于模糊理論的故障診斷方法
4.1.1 基于模糊關(guān)系方程的故障診斷方法
4.1.2 基于模糊規(guī)則的故障診斷方法
4.2 專家系統(tǒng)故障診斷方法
4.2.1 專家系統(tǒng)概述
4.2.2 專家系統(tǒng)的基本原理和結(jié)構(gòu)特點
4.2.3 專家系統(tǒng)的結(jié)構(gòu)與開發(fā)方法
4.2.4 專家系統(tǒng)中模糊性的處理方法
4.2.5 專家系統(tǒng)故障診斷方法存在的問題
4.3 神經(jīng)網(wǎng)絡故障診斷方法
4.3.1 神經(jīng)網(wǎng)絡理論發(fā)展的歷史及現(xiàn)狀
4.3.2 神經(jīng)網(wǎng)絡的理論研究方法
4.3.3 基于神經(jīng)網(wǎng)絡的故障診斷方法
4.3.4 神經(jīng)網(wǎng)絡故障診斷方法的特點及存在的問題
4.4 基于神經(jīng)網(wǎng)絡的故障診斷專家系統(tǒng)
4.4.1 專家系統(tǒng)與神經(jīng)網(wǎng)絡的特點
4.4.2 專家系統(tǒng)與神經(jīng)網(wǎng)絡結(jié)合的途徑和方法
4.4.3 基于神經(jīng)網(wǎng)絡的故障診斷專家系統(tǒng)
4.5 基于模糊神經(jīng)網(wǎng)絡的故障診斷專家系統(tǒng)
4.5.1 模糊神經(jīng)網(wǎng)絡方法概述
4.5.2 基本模糊神經(jīng)元和模糊神經(jīng)網(wǎng)絡
4.5.3 前饋型模糊推理網(wǎng)絡
4.5.4 輸入矢量的模糊化過程
4.5.5 輸出矢量的去模糊化過程
4.5.6 診斷樣本的模糊性表示
第5章　裝備智能故障診斷系統(tǒng)的開發(fā)與建立
5.1 智能故障診斷系統(tǒng)開發(fā)策略
5.1.1 人機接口模塊的開發(fā)
5.1.2 知識庫和數(shù)據(jù)庫管理模塊的開發(fā)
5.1.3 診斷推理模塊的開發(fā)
5.1.4 診斷信息獲取模塊的開發(fā)
5.1.5 機器學習模塊的開發(fā)
5.2 某型導彈智能故障診斷系統(tǒng)設計
5.2.1 某型導彈武器系統(tǒng)基本構(gòu)成
5.2.2 某型導彈武器系統(tǒng)智能故障診斷系統(tǒng)總體技術(shù)
5.2.3 某型導彈武器系統(tǒng)智能故障診斷系統(tǒng)總體構(gòu)成
5.2.4 基于神經(jīng)網(wǎng)絡的導彈智能故障診斷專家系統(tǒng)
5.2.5 基于模糊神經(jīng)網(wǎng)絡的導彈智能故障診斷專家系統(tǒng)
第6章　裝備故障模式識別通用平臺
6.1 基于模式識別的故障診斷方法
6.1.1 模式識別在故障診斷問題中的描述
6.1.2 模式分類問題的數(shù)學描述
6.1.3 基于模式識別的故障診斷方法
6.2 故障模式識別通用平臺總體結(jié)構(gòu)設計
6.2.1 總體設計
6.2.2 程序設計
6.3 工作原理
6.3.1 故障模式識別通用平臺77-作原理
6.3.2 故障模式識別通用平臺使用方法及步驟
第7章　智能故障診斷技術(shù)在其他領(lǐng)域中的應用
7.1 專家系統(tǒng)在電子設備故障診斷中的應用
7.1.1 電子設備故障診斷專家系統(tǒng)
7.1.2 電子設備故障診斷專家系統(tǒng)設計
7.1.3 2000t多功能鍛壓電子設備故障診斷專家系統(tǒng)
7.2 人工神經(jīng)網(wǎng)絡在電力系統(tǒng)故障檢測和診斷中的應用
7.2.1 神經(jīng)網(wǎng)絡與模式識別
7.2.2 神經(jīng)網(wǎng)絡故障檢測和診斷方法
7.2.3 人工神經(jīng)網(wǎng)絡對電力系統(tǒng)的故障檢測和診斷
7.3 模糊專家系統(tǒng)在汽車發(fā)動機故障診斷中的應用
7.3.1 模糊專家系統(tǒng)結(jié)構(gòu)
7.3.2 自然語言接口模塊
7.3.3 診斷知識庫
7.3.4 模糊推理機
7.4 基于ANN-ES混合智能診斷系統(tǒng)的應用實例
7.4.1 變壓器故障診斷系統(tǒng)概述
7.4.2 ANN與ES合成系統(tǒng)結(jié)構(gòu)
7.4.3 ANN與ES合成系統(tǒng)實現(xiàn)
7.4.4 測試結(jié)果分析
7.5 自主式水下機器人智能故障診斷系統(tǒng)
7.5.1 自主式水下機器人
7.5.2 智能故障診斷系統(tǒng)結(jié)構(gòu)
7.5.3 智能故障診斷系統(tǒng)的設計
7.5.4 智能故障診斷系統(tǒng)實現(xiàn)與測試
參考文獻