第一部分 状态监控体系概述 1
第一章 状态监控的基本内涵与体系结构 1
1.1 状态监控的基本概念 1
1.2 状态监控的起源与发展概况 2
1.3 状态监控任务的要素与组成 5
1.4 状态监控系统实施路径 9
习题 10
参考文献 10
第二章 状态监控方法概述 12
2.1 引言 12
2.2 经典统计模式识别 13
2.3 模糊识别系统 15
2.4 决策树与专家系统 16
2.5 神经网络识别模型 18
2.6 支持向量机分类模型 19
2.7 状态监控相关支撑技术 24
习题 24
参考文献 25
第三章 状态监控的评价、术语与标准 26
3.1 状态监控方法评价 26
3.2 相关的概念与术语 28
3.3 状态监控的标准化问题 36
习题 46
参考文献 46
第四章 模式识别理论的基本概念 48
4.1 模式识别的概念 48
4.2 模式识别系统 53
4.3 模式识别方法 55
4.4 模式识别和人工智能的关系 59
4.5 机器学习理论与方法概述 60
4.6 机械系统状态监控与识别的特点及要求 67
习题 69
参考文献 69
第二部分 状态感知与特征提取 71
第五章 设备状态现代感知技术 71
5.1 设备状态的主要信号及其分类 71
5.2 现代传感器技术发展概述 72
5.3 微传感器技术 73
5.4 集成化智能传感器 77
5.5 智能材料与结构 86
5.6 无线传感器网络技术 88
5.7 虚拟仪器技术 97
5.8 本章小结 103
习题 103
参考文献 104
第六章 状态信号描述与处理 106
6.1 信号时域描述与处理方法 106
6.2 信号频域描述与处理方法 115
6.3 时间-频率域和时间-尺度域描述与处理方法 122
6.4 信号高阶统计量描述方法 126
6.5 微弱特征信号提取方法 128
6.6 信号分解与提取的现代方法 131
习题 145
参考文献 145
第七章 状态模式特征生成、选择与提取 147
7.1 特征生成 147
7.2 特征选择与特征提取 150
7.3 特征化问题在机械状态监控中的应用 165
7.4 本章小结 166
习题 167
参考文献 168
第三部分 故障模式识别与分类决策第八章 贝叶斯决策理论与技术 169
8.1 引言 169
8.2 贝叶斯分类决策模型 169
8.3 贝叶斯分类决策的误差及估计 175
8.4 贝叶斯分类器的学习训练 179
8.5 贝叶斯置信网简介 188
8.6 贝叶斯决策应用实例——铣削颤振在线识别 190
8.7 本章小结 192
习题 192
参考文献 193
第九章 线性分类器与非线性分类器 194
9.1 引言 194
9.2 线性判别函数的基本概念 194
9.3 感知准则函数 202
9.4 最小均方误差准则 207
9.5 Fisher线性判决 210
9.6 应用实例——线性分类器在刀具状态监控中的应用 213
9.7 非线性分类器概述 217
9.8 分段线性分类器 219
9.9 二次型非线性分类器 223
9.10 基于位势函数的非线性分类器 224
习题 227
参考文献 227
第十章 聚类分析 228
10.1 引言 228
10.2 模式相似性测度 231
10.3 聚类准则 232
10.4 聚类方法 235
10.5 快速动态聚类算法 242
10.6 聚类分析、贝叶斯分类决策应用实例 245
10.7 本章小结 252
习题 252
参考文献 253
第十一章 基于模糊理论的识别方法 255
11.1 引言 255
11.2 模糊集理论简介 255
11.3 模糊识别信息的获取 260
11.4 模糊综合评判 265
11.5 模糊识别算法 272
11.6 模糊聚类分析 278
11.7 柔性加工单元故障诊断的模糊综合决策 283
11.8 本章小结 287
习题 287
参考文献 288
第十二章 神经网络分类器 289
12.1 神经网络概述 289
12.2 多层感知器及BP学习算法 292
12.3 自组织神经网络 300
12.4 Hopfield神经网络 301
12.5 自适应共振理论 305
12.6 应用实例 311
12.7 本章小结 313
习题 313
参考文献 314
第十三章 支持向量机分类器 315
13.1 引言 315
13.2 统计学习理论 315
13.3 支持向量机 323
13.4 支持向量机的应用 330
13.5 本章小结 339
习题 340
参考文献 341
第十四章 融合识别理论与方法 342
14.1 融合识别概述 342
14.2 融合系统的功能结构和融合算法分类 344
14.3 信息融合的熵理论 349
14.4 观测不相关的分布式最小损失准则下的检测与决策融合 352
14.5 观测相关的决策融合 359
14.6 D-S证据理论融合算法 364
14.7 融合识别算法在机械动力传动系统故障诊断中的应用 371
习题 378
参考文献 379
第十五章 基于粗糙集理论的识别与仿生识别方法 380
15.1 粗糙集理论及其在模式识别中的应用 380
15.2 仿生模式识别 392
习题 398
参考文献 399
第四部分 应用案例与发展趋势简析第十六章 船舶动力装置状态监测与故障诊断系统 400
16.1 动力装置的结构与组成 400
16.2 系统组成及功能概述 401
16.3 动力装置运行状态特征分析与提取 406
16.4 贝叶斯决策理论在状态分类中的应用 408
16.5 无完整知识的运行状态统计决策规则 410
16.6 模糊分析在状态分析中的应用 422
16.7 神经网络模型在故障综合决策中的应用 424
参考文献 425
第十七章 直升机健康与使用监控系统 426
17.1 概述 426
17.2 直升机健康与使用监控系统的构成与功能 426
17.3 健康与使用监控系统涉及的主要技术 427
17.4 健康与使用监控系统的特点分析 428
17.5 健康与使用监控系统案例 430
17.6 本章小结 436
参考文献 436
第十八章 状态监控的综合发展概述 438
18.1 状态监控技术及应用的发展 438
18.2 状态监控与相关技术的综合发展 442
18.3 需求牵引推动状态监控技术不断发展 444
参考文献 444
附录一 IRIS分类数据 446
附录二 缩写词说明 448