信息融合故障诊断技术PDF电子书下载

第1章 绪论 1

1.1故障信息融合诊断的目的 1

1.2故障信息融合诊断的策略 3

1.3故障信息融合诊断技术的发展 4

1.3.1信息融合技术 4

1.3.2故障诊断技术 8

1.3.3希尔伯特-黄变换 12

1.3.4过程神经元网络 15

1.3.5支持向量机 17

1.3.6证据理论 22

1.3.7贝叶斯网络 24

参考文献 28

第2章 故障信息仿真技术 42

2.1 基于混合自动机的故障描述模型 43

2.1.1混合自动机理论概述 43

2.1.2基于混合自动机的故障描述 44

2.1.3故障描述模型的建立 45

2.2基于Simulink/Stateflow的故障仿真实现 55

2.2.1平台姿态测量系统故障描述模型实现 55

2.2.2速率陀螺组合故障描述模型实现 57

2.2.3伺服机构故障描述模型实现 58

2.2.4箭载计算机仿真模型 60

2.2.5箭体动力学仿真模型 62

2.2.6力及力矩仿真模型 64

2.2.7故障仿真案例 67

参考文献 77

第3章 故障特征提取技术 78

3.1被测量及特征分析 78

3.1.1故障特征分类 79

3.1.2确定性信号及特征分析 80

3.1.3随机信号及特征分析 81

3.2基于小波变换的特征提取方法 83

3.2.1基本原理 83

3.2.2故障特征提取 86

3.2.3存在的问题 91

3.3基于希尔伯特-黄变换的特征提取方法 95

3.3.1基本原理及方法 95

3.3.2故障特征提取及比较 97

3.3.3存在的问题 104

3.3.4分离终止条件的比较分析 107

3.3.5含直流分量的包络分段计算方法 108

3.3.6希尔伯特-黄变换在故障诊断中的应用 111

参考文献 119

第4章 故障特征信息融合技术 121

4.1基于神经网络的融合方法 121

4.1.1神经元模型 121

4.1.2前馈神经网络 122

4.1.3存在的问题 123

4.2基于过程神经元网络的融合方法 124

4.2.1过程神经元模型 124

4.2.2前馈过程神经元网络 125

4.2.3融合诊断的过程神经元网络模型 127

4.2.4时间累积运算的比较分析 130

4.2.5同精度解的存在性研究 131

4.2.6网络训练收敛性分析 136

4.2.7网络初始化方法改进 137

4.2.8网络学习算法改进 138

4.3神经网络与过程神经元网络的比较 140

4.3.1一维时变信号的辨识问题 140

4.3.2多维时变信号的故障识别问题 146

4.3.3方法适用性分析 148

4.4基于支持向量机的融合方法 151

4.4.1最优超平面的构造 151

4.4.2 SVM分类算法推导 153

4.4.3核函数 154

4.4.4 SVM工作原理 155

4.4.5 SVM融合诊断流程 156

4.5故障特征信息融合诊断应用 157

4.5.1基于希尔伯特-黄变换和过程神经元网络的融合诊断 158

4.5.2基于频谱和过程神经元网络的融合诊断 166

4.5.3基于希尔伯特-黄变换和支持向量机的融合诊断 174

参考文献 182

第5章 基于D-S证据理论的故障决策信息融合方法 184

5.1 D-S证据理论与故障诊断 184

5.1.1证据理论基本概念 184

5.1.2证据分类 187

5.1.3证据理论决策级融合诊断方法及关键问题 187

5.1.4证据理论决策级融合诊断模型 190

5.2证据冲突衡量方法 192

5.2.1典型冲突衡量方法分析 192

5.2.2修正证据距离 199

5.2.3基于合取冲突和修正证据距离的二元组冲突衡量方法 206

5.2.4二元函数冲突程度衡量方法及其Dempster规则使用判据 209

5.3证据聚类方法 212

5.3.1典型证据聚类方法分析 213

5.3.2基于主元和凝聚层次聚类的证据聚类算法 217

5.3.3算例验证 223

5.4证据合成方法 228

5.4.1 Dempster规则悖论分析 229

5.4.2基于焦元冲突分配的证据序贯合成方法 235

5.4.3基于焦元冲突分配的证据均值合成方法 237

5.4.4基于主元的证据折扣方法 238

5.4.5基于分类的证据折扣方法 240

5.4.6合成方法比较 247

参考文献 248

第6章 基于贝叶斯网络的故障决策信息融合方法 252

6.1贝叶斯网络理论 252

6.1.1概率论及概率推理 252

6.1.2贝叶斯网络 254

6.1.3贝叶斯网络推理 255

6.1.4贝叶斯网络学习 258

6.2基于贝叶斯网络的故障诊断 260

6.2.1贝叶斯诊断网络的表达方式 261

6.2.2贝叶斯诊断网络的数学描述 262

6.2.3贝叶斯诊断网络的面向对象表达 264

6.2.4贝叶斯诊断网络的建模方法 270

6.3案例仿真 277

6.3.1伺服阀案例分析及建模 278

6.3.2伺服阀单故障现象仿真与分析 282

6.3.3伺服阀多故障现象仿真与分析 284

6.3.4贝叶斯诊断网络算法蒙特卡罗仿真验证试验 287

6.3.5贝叶斯诊断网络特性总结 288

参考文献 289

第7章 信息融合故障诊断平台设计与实现 292

7.1信息融合故障诊断平台设计 292

7.1.1开发环境 292

7.1.2功能设计 292

7.1.3软件模块 294

7.1.4系统流程 295

7.2信息源模拟软件设计与实现 298

7.2.1功能设计 298

7.2.2接口设计 298

7.2.3软件介绍 299

7.3特征提取与融合软件设计与实现 302

7.3.1功能设计 302

7.3.2接口设计 307

7.3.3软件介绍 309

7.4决策融合诊断软件设计与实现 316

7.4.1功能设计 316

7.4.2接口设计 316

7.4.3软件介绍 316

7.5故障管理统计软件设计与实现 318

7.5.1功能设计 318

7.5.2数据结构 319

7.5.3接口设计 320

7.5.4软件介绍 320

7.6信息融合故障诊断平台案例仿真 323

7.6.1仿真案例 323

7.6.2诊断准确度统计 333

参考文献 334