故障诊断与预测 原理、技术及应用PDF电子书下载

1 绪论 1

1.1 故障诊断技术的目的和意义 1

1.2 故障诊断的任务 3

1.3 故障诊断技术发展概况 5

1.3.1 故障诊断技术的历史、现状与发展 5

1.3.2 故障诊断基本方法 6

1.3.3 人工智能发展历程 11

1.3.4 发展方向 13

习题 14

参考文献 14

2 故障诊断的基本原理和技术基础 16

2.1 故障诊断的基本概念 16

2.1.1 故障的定义 16

2.1.2 故障的分类 17

2.1.3 故障诊断流程 20

2.1.4 故障诊断技术的分类 21

2.2 故障诊断基础 24

2.2.1 系统的构成 24

2.2.2 故障的基本特性 24

2.2.3 故障诊断的多维层次模型 25

2.3 故障诊断信息的获取和检测方法 26

2.3.1 故障诊断的知识构成 26

2.3.2 故障信息的获取方法 27

2.3.3 故障的检测方法 28

2.3.4 故障特征识别 29

2.4 诊断技术与维修方式 38

2.4.1 故障诊断技术在设备管理现代化中的地位和作用 38

2.4.2 五种维修体制的特点和运用范围 39

2.4.3 故障维修决策 41

2.4.4 现场故障诊断技术的技术框架和工作程序 46

习题 47

参考文献 48

3 故障诊断中的信号处理 49

3.1 测试的基础知识 49

3.1.1 测量、计量和测试 49

3.1.2 测试方法的分类 49

3.1.3 测试系统的组成 50

3.1.4 各组成部分的特点 50

3.2 传感器的基本概念 51

3.2.1 传感器的定义及基本组成 51

3.2.2 传感器的分类 51

3.2.3 传感器的性能参数及要求 52

3.2.4 传感器的标定与校准 53

3.2.5 几种常用传感器的介绍 53

3.3 检测系统的误差合成 55

3.3.1 测量误差的基本概念 56

3.3.2 系统误差的处理 59

3.3.3 测量粗大误差的存在判定准则与消除方法 60

3.3.4 随机误差的处理 60

3.4 信号处理方法 61

3.4.1 信号处理的基础知识 61

3.4.2 离散傅里叶变换（DFT） 65

3.4.3 小波变换 71

习题 78

参考文献 79

4 智能故障诊断方法 80

4.1 基于案例推理的故障诊断方法 80

4.1.1 故障案例的表示方法 81

4.1.2 故障案例的组织和索引 87

4.1.3 基于案例的诊断模型 89

4.1.4 诊断实例分析 92

4.2 模糊故障诊断技术 93

4.2.1 模糊故障诊断原理 93

4.2.2 模糊故障诊断方法 95

4.2.3 模糊诊断的几个关键问题 100

4.2.4 小结 103

4.3 专家系统故障诊断技术 103

4.3.1 专家系统概述 103

4.3.2 专家系统故障诊断原理 114

4.3.3 专家系统故障诊断方法 121

4.3.4 风洞运行过程故障诊断 123

4.3.5 小结 124

4.4 神经网络故障诊断技术 125

4.4.1 神经网络简介 125

4.4.2 神经网络故障诊断原理 127

4.4.3 神经网络故障诊断方法 132

4.4.4 大型复杂机电设备多故障神经网络诊断 134

4.4.5 小结 137

4.5 信息融合故障诊断技术 137

4.5.1 信息融合的概念 137

4.5.2 信息融合故障诊断原理 142

4.5.3 信息融合故障诊断方法 145

4.5.4 飞行器信息融合故障诊断专家系统 150

4.5.5 小结 152

4.6 智能体故障诊断技术 153

4.6.1 智能体概述 153

4.6.2 智能体故障诊断原理 159

4.6.3 智能体故障诊断方法 168

4.6.4 基于Agent的飞行器智能故障诊断 176

4.6.5 小结 180

4.7 智能结构故障诊断技术 180

4.7.1 智能结构的概念 180

4.7.2 智能结构故障诊断系统的组成 184

4.7.3 智能结构故障诊断的关键技术 186

4.7.4 小结 189

4.8 BIT故障诊断技术 189

4.8.1 BIT概述 189

4.8.2 BIT故障诊断原理 193

4.8.3 无人机BIT故障诊断 195

4.8.4 小结 198

4.9 集成化故障诊断技术 198

4.9.1 集成的概念 199

4.9.2 集成化故障诊断体系结构 200

4.9.3 集成化推理和诊断策略 203

4.9.4 神经网络与模糊逻辑集成故障诊断 204

4.9.5 专家系统与神经网络集成故障诊断 205

4.9.6 神经网络与案例集成故障诊断 207

4.9.7 小结 207

4.10 网络化故障诊断技术 208

4.10.1 网络化故障概述 208

4.10.2 网络化故障诊断的结构模式 211

4.10.3 网络化故障诊断的实现方案 216

4.10.4 网络化故障诊断的关键技术 218

4.10.5 网络化故障诊断的评价指标 219

4.10.6 飞行器网络化远程诊断与故障防护 220

4.10.7 小结 223

4.11 基于混沌理论的故障诊断技术 224

4.11.1 混沌的概念 224

4.11.2 相空间重构 227

4.11.3 混沌识别 233

4.11.4 混沌理论在故障检测中的应用 239

4.11.5 小结 251

习题 251

参考文献 252

5 故障预测技术 262

5.1 预测技术概述 262

5.1.1 故障预测：存在的难题 262

5.1.2 预测问题：概念框架 263

5.1.3 预测方法 263

5.2 基于传统可靠性的预测方法介绍 265

5.2.1 基于寿命分布模型的故障预测方法 265

5.2.2 基于故障树分析的故障预测方法 267

5.2.3 基于传统可靠性的预测方法的不足 268

5.3 基于失效物理模型的预测方法 268

5.3.1 帕里斯法则裂纹扩展建模 271

5.3.2 基于Forman规律的裂纹扩展建模 272

5.3.3 疲劳剥落扩展模型 273

5.3.4 基于刚度的损伤规律模型 275

5.3.5 电子产品失效物理模型 276

5.3.6 应用案例 277

5.4 基于统计的预测方法 279

5.4.1 贝叶斯技术 279

5.4.2 隐马尔可夫和隐半马尔可夫模型 280

5.4.3 回归分析方法 282

5.4.4 威布尔分布的稳定区与退化区间隔表示的预测方法 286

5.4.5 比例风险模型的预测方法 288

5.4.6 智能乘积极限估计器 289

5.4.7 应用案例 290

5.5 基于数据驱动的预测方法 292

5.5.1 时间序列的预测方法 293

5.5.2 人工神经网络（ANN）的预测方法 295

5.5.3 基于滤波器的预测方法 299

5.5.4 应用案例 301

5.6 本章小结 303

习题 303

参考文献 304