装备智能故障诊断与预测PDF电子书下载

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

6.2.3 SVM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

9.3.2 LRE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

9.4.2 LRE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

11.4.1 Bayes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

12.3.3 DDPSS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

12.5.1 RDPSC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

12.6.2 PHM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