1 绪论 1
1.1 系统可靠性最优化基本知识概述 1
1.1.1 系统可靠性最优化的基本概念 1
1.1.2 系统可靠性的发展简史 3
1.1.3 液压可靠性最优化研究现状及发展趋势 3
1.1.4 最优化分类 5
1.2 液压智能故障诊断基本知识概述 7
1.2.1 智能故障诊断系统的基本概念 7
1.2.2 智能故障诊断系统的结构 7
1.2.3 智能故障诊断技术的发展简史 8
1.2.4 智能故障诊断研究现状及发展趋势 10
1.3 本书的主要内容 12
2 可靠性与故障维修的基础知识 14
2.1 可靠性技术的基本内容与特点 14
2.2 可靠性与可靠度的定义 15
2.2.1 可靠性 15
2.2.2 可靠度 16
2.3 失效率 17
2.4 失效密度函数f（t）与失效率和可靠度的关系 18
2.5 失效类型与失效曲线 19
2.6 可靠性寿命 21
2.6.1 平均寿命 21
2.6.2 可靠寿命 23
2.6.3 中位寿命 23
2.6.4 寿命方差和寿命标准离差 23
2.7 维修度与有效度 24
2.7.1 维修度 24
2.7.2 有效度 24
2.8 以可靠性为中心的维修原理及步骤 27
2.8.1 维修原理 27
2.8.2 维修步骤 28
3 液压系统可靠性模型 29
3.1 可靠性模型概述 29
3.1.1 “黑箱”方法和“白箱”方法 29
3.1.2 失效时间建模与失效次数建模 30
3.1.3 两状态可靠性和多状态或连续状态可靠性 31
3.2 可靠性模型的应用 31
3.3 浴盆曲线模型 32
3.3.1 和形式的浴盆曲线模型 32
3.3.2 积形式的浴盆曲线模型 34
3.3.3 由右截短产生的浴盆曲线模型 37
3.3.4 分段浴盆曲线模型 41
3.3.5 变量代换模型 42
3.4 系统可靠性模型 44
3.4.1 可靠性框图 45
3.4.2 串联模型 45
3.4.3 并联模型 46
3.4.4 串-并联、并-串联及串-并联混合模型 47
3.4.5 旁联模型 50
3.4.6 k/n模型 51
3.4.7 连续k/n模型 52
3.4.8 二维连续k/n模型或连续（r，s）／（m，n）模型 54
3.4.9 其他具有独立元件的可靠性模型 54
3.4.10 分担负载模型 56
3.5 失效率衰减模型 57
3.6 定龄更换模型 58
3.7 最小维修优化模型 58
3.8 维修与备件的关系 60
3.9 简单模型一览表 61
4 液压系统可靠度计算方法 64
4.1 液压系统可靠度的一般计算方法 64
4.1.1 组合事件计算法 64
4.1.2 通路追踪法 65
4.1.3 分解法 66
4.1.4 桥式系统 70
4.1.5 梯式系统 73
4.2 待命冗余液压系统计算方法 76
4.2.1 理想型待命冗余系统计算 77
4.2.2 双部件待命冗余系统计算 81
4.3 液压系统可靠度特征值的近似计算 87
4.3.1 串联和并联的组合系统计算 87
4.3.2 k/n：G系统，串联和并联系统计算 88
4.3.3 指数函数的近似计算 92
5 液压系统优化技术 95
5.1 液压系统优化概述 95
5.1.1 优化设计基本概念 95
5.1.2 液压系统结构与优化 97
5.1.3 液压系统优化的内容 99
5.2 优化数学模型 99
5.2.1 参数优化模型 99
5.2.2 函数优化模型 100
5.2.3 控制部分寻优条件 100
5.3 液压开关阀控制系统动态优化 102
5.3.1 系统数学模型 102
5.3.2 控制性能寻优 110
5.3.3 抗干扰能力寻优 121
5.3.4 动态补偿方法 130
5.4 液压伺服系统参数优化 134
5.4.1 液压伺服系统结构 135
5.4.2 阶跃响应ITAE准则寻优 146
5.4.3 跟踪性能寻优 153
5.4.4 线性二次型指标寻优 160
5.4.5 迭代法寻优 168
5.5 液压系统动力机构优化 171
5.5.1 负载与动力机构的特性 171
5.5.2 稳态优化 176
5.5.3 动态优化 180
5.5.4 液压系统的全局优化 187
6 液压系统可靠性最优化技术 193
6.1 系统最优化概述 193
6.2 冗余液压系统可靠性的最优化 195
6.2.1 概述 195
6.2.2 系统可靠性最优化问题的提出 197
6.2.3 确定最优系统可靠性的最优化技术 198
6.3 启发式方法在系统可靠性最优化中的应用 200
6.3.1 概述 200
6.3.2 Sharma-Venkateswaran启发式算法 202
6.3.3 Aggarwal启发式算法 206
6.3.4 Misra启发式算法 209
6.3.5 Ushakov启发式算法 211
6.3.6 Nakagawa-Nakashima启发式算法 213
6.4 动态规划法在系统可靠性最优化中的应用 218
6.4.1 概述 218
6.4.2 基本动态规划法 221
6.4.3 用拉格朗日乘子的动态规划法 236
6.4.4 用控制序列概念的动态规划法 243
6.5 用于系统可靠性最优化的其他方法 249
6.5.1 概述 249
6.5.2 经典算法 249
6.5.3 参数法 251
6.5.4 线性规划法 254
6.5.5 可分离规划法 257
6.6 部件可靠度和冗余数最优化的确定 259
6.6.1 概述 259
6.6.2 问题的提出 260
6.6.3 最优化步骤 262
6.6.4 数值例题 263
7 液压系统智能故障诊断基本模型 266
7.1 液压故障诊断的重要性 266
7.1.1 概述 266
7.1.2 液压故障分析与识别基础 267
7.2 渐发性故障的形成模型 269
7.2.1 液压系统的渐发性故障原因 269
7.2.2 故障形成的一般性过程 270
7.2.3 给定产品的渐发性故障模型的建立 271
7.2.4 考虑产品初始参数离散度的渐发性故障形成模型 274
7.2.5 产品寿命和无故障工作概率的计算实例 276
7.2.6 有两个界限的渐发性故障模型 277
7.3 突发性故障模型 279
7.3.1 液压系统的突发性故障原因 279
7.3.2 突发性故障发生概率 279
7.3.3 估计引起突发性故障的情况 282
7.3.4 指数规律的应用范围 283
7.3.5 同时出现突发性故障和渐发性故障的情形 284
7.3.6 故障的随机流 286
7.4 液压元件故障智能诊断模型 288
7.4.1 液压元件故障模型概念 288
7.4.2 液压元件故障智能诊断基于网络PLC系统模型 288
8 基于专家系统液压故障诊断 294
8.1 专家系统 294
8.1.1 概述 294
8.1.2 专家系统的组成和功能 296
8.1.3 推理机制 298
8.1.4 知识表示 300
8.1.5 知识的获取 301
8.1.6 新型专家系统 303
8.1.7 专家系统的概念及优点 306
8.2 专家系统故障诊断原理 307
8.2.1 专家知识的获取与表示 307
8.2.2 专家推理 308
8.2.3 知识库维护 311
8.2.4 机器学习 312
8.2.5 专家系统故障诊断的特点 313
8.3 专家系统故障诊断方法 313
8.3.1 模式匹配诊断法 314
8.3.2 因果网络诊断法 314
8.3.3 结构与功能模型诊断法 314
8.4 专家系统液压故障诊断实例 316
8.4.1 知识库设计 316
8.4.2 数据库设计 319
8.4.3 推理机设计 319
8.4.4 专家系统的运行 319
9 基于人工神经网络液压系统故障诊断 321
9.1 概述 321
9.1.1 神经网络故障诊断的优越性及其存在的问题 321
9.1.2 神经网络故障诊断研究现状及其发展 322
9.2 神经网络故障诊断原理 323
9.2.1 神经网络模型 323
9.2.2 神经网络故障诊断原理 326
9.3 神经网络故障诊断方法 328
9.3.1 模式识别故障诊断神经网络 328
9.3.2 知识处理故障诊断神经网络 328
9.4 神经网络的辨识方法与模型 330
9.4.1 基于NARMA模型的辨识方法 330
9.4.2 通用辨识模型和动态BP算法 334
9.5 基于小波神经网络的液压泵故障诊断实例 336
9.5.1 小波神经网络 336
9.5.2 实验条件及数据采集 340
9.5.3 基于松散型小波神经网络的液压泵故障诊断 341
9.5.4 基于紧致型小波神经网络的液压泵故障诊断 343
10 液压系统故障的模糊诊断 345
10.1 液压系统故障诊断中的模糊性 345
10.2 液压系统故障模糊诊断的基本原则 346
10.3 模糊故障诊断原理 347
10.4 液压系统故障模糊诊断方法 348
10.4.1 基于模糊模式识别的故障诊断方法 348
10.4.2 基于模糊综合评判的故障诊断方法 350
10.4.3 基于模糊推理的故障诊断方法 353
10.4.4 基于模糊模型的故障诊断方法 354
10.4.5 基于模糊残差评价的故障诊断方法 354
10.5 模糊故障诊断有关问题的处理方法 355
10.5.1 故障模糊分类方法 355
10.5.2 模糊样本的建立 356
10.5.3 故障分析矩阵的建立 356
10.6 液压系统故障模糊诊断实例 358
10.6.1 确定考察对象与建立故障评价标准 358
10.6.2 现场诊断 360
11 灰色系统理论在液压系统故障诊断中的应用 362
11.1 灰色系统理论基本概念 362
11.1.1 概念的分类及灰色概念 362
11.1.2 在液压故障诊断中的应用 362
11.2 灰色关联度分析 363
11.2.1 关联系数计算公式 363
11.2.2 关联系数计算 364
11.2.3 关联度 366
11.3 灰色关联度分析在液压系统故障诊断中的应用 367
11.3.1 在简易诊断中的应用 367
11.3.2 关联度分析在轧机液压伺服系统中进行故障诊断 367
11.3.3 轧机液压伺服系统的故障诊断实例 368
11.3.4 旋转机械的故障诊断实例 369
12 液压系统智能集成化故障诊断 374
12.1 集成基本概述 374
12.1.1 诊断信息集成 374
12.1.2 诊断知识集成 375
12.1.3 诊断方法集成 376
12.2 集成化故障诊断体系结构 376
12.2.1 集成化故障诊断模型 376
12.2.2 集成化故障诊断系统结构 376
12.2.3 多信息融合系统层次结构 378
12.2.4 集成化故障诊断系统功能及其实现 379
12.3 集成化推理和诊断策略 379
12.3.1 集成化推理机制 379
12.3.2 集成化诊断策略 380
12.4 神经网络与模糊逻辑集成故障诊断 381
12.5 专家系统与神经网络集成故障诊断 382
12.5.1 专家系统与神经网络的集成方法 382
12.5.2 专家系统与神经网络的集成策略 382
12.5.3 专家系统与神经网络的集成结构 382
12.5.4 专家系统与神经网络的集成模型 383
12.5.5 专家系统与神经网络集成的特点 384
12.5.6 专家系统与神经网络集成的适用范围 384
12.6 神经网络与案例集成故障诊断 384
13 液压系统网络化故障诊断 386
13.1 概述 386
13.1.1 网络化故障诊断的提出 386
13.1.2 网络化故障诊断的特点 387
13.1.3 网络化故障诊断需要解决的问题 387
13.1.4 网络化故障诊断的研究方向 388
13.2 网络化故障诊断的结构模式 389
13.2.1 客户机／服务器模式 389
13.2.2 浏览器／服务器模式 390
13.2.3 面向客户公共对象请求代理结构 393
13.2.4 模式驱动结构 394
13.3 网络化故障诊断的实现方案 394
13.3.1 基于三层网络的实现方案 394
13.3.2 基于四层网络的实现方案 395
13.4 网络化故障诊断的关键技术 398
13.4.1 网络数据库技术 398
13.4.2 数据实时传输技术 398
13.4.3 网络安全技术 399
13.5 网络化故障诊断的评价指标 399
14 液压系统工作介质智能故障诊断 401
14.1 概述 401
14.2 液压系统的污染物及其危害 401
14.2.1 污染物的概念 401
14.2.2 污染物的来源 401
14.2.3 污染物特征的描述 402
14.2.4 液压系统污染物的危害 403
14.3 液压系统的污染物分析 404
14.3.1 污染物成分及其含量的分析 404
14.3.2 油液污染度的测定诊断 407
14.4 液压系统污染监测与故障诊断实现 410
14.4.1 在线监测与诊断系统的方案 410
14.4.2 在线监测与诊断系统的功能及原理 410
14.4.3 硬件系统 411
14.5 在线监测与诊断系统的软件实现 413
14.6 液压元件对工作介质清洁度要求及过滤器的配置 415
14.6.1 清洁度要求 415
14.6.2 过滤器配置 416
附录 液压传动装置的平均失效率 418
参考文献 419