第一章 绪论 1
1．1 现代机械制造系统的产生与发展 1
1．1．1 现代机械制造系统发展过程 1
1．1．2 现代机械制造系统的主要特点 4
1．1．3 现代机械制造系统的未来展望 6
1．2 现代机械制造系统对监控与诊断的要求 9
1．2．2 基于知识的专家诊断系统的应用 12
1．2．3 分布式和集成化的系统特点 15
1．3．1 根据诊断目的分类 17
1．3 故障诊断技术的分类 17
1．3．2 根据监测和诊断的信号分类 19
1．3．3 根据诊断的对象分类 21
1．4 现代机械制造系统与诊断的概念与学科基本体系 23
1．4．1 故障诊断的过程与特点 24
1．4．2 故障诊断的过程与特点 25
1．4．3 故障诊断的基本体系 26
第二章 现代机械制造系统监控与故障诊断的数理基础 28
2．1 引言 28
2．2．2 随机过程的矩函数 29
2．2 故障发生与随机过程 29
2．2．1 随机过程的基本定义 29
2．2．3 特殊的随机过程 31
2．3 监控与故障诊断中的参数估计方法 32
2．3．1 最小二乘估计法 33
2．3．2 尤尔·沃克（Yule-Walder）估计方法 35
2．3．3 极大似然估计法 36
2．4 监控与故障诊断中的时间序列方法 36
2．4．1 自回归模型AR（n） 37
2．4．2 自回归滑动平均模型ARMA（n,m） 41
2．4．3 格林（Green） 函数 44
2．4．4 时间序列方法建模 48
2．4．5 特征量（征兆）的提取 53
2．4．6 判别函数的构造 56
2．4．7 监控与故障诊断中的时间序列方法的步骤与内容 57
2．5 监控与故障诊断中的人工智能与专家系统方法 59
2．5．1 人国智能与专家系统方法的提出 59
2．5．2 专家系统的构成 60
2．5．3 人工智能与专家系统中的关键技术 61
3．1 故障分类 69
第三章 现代机械制造系统的故障分析 69
3．2 故障模式与故障机理 71
3．3 故障模型 74
3．4 故障分析方法 75
3．4．1 故障模式影响与后果分析法（FMECA） 76
3．4．2 故障树分析法 82
3．5 故障诊断概述 99
第四章 现代机械制造系统监控与诊断系统的总体设计 102
4．1 现代机械制造的环境分析 102
4．1．1 自动生产红（APL） 103
4．1．2 数控机床（NCMT） 105
4．1．3 加工中心（MC） 107
4．1．4 柔性制造单元（FMC） 107
4．1．5 柔性制造系统（FMS） 108
4．1．6 计算机集成制造系统（CIMS） 111
4．2 监控与诊断的任务和要求 113
4．2．1 现代机械制造系统的故障分析 113
4．2．2 监控与诊断的任务 114
4．2．3 监控与诊断的要求 119
4．3．2 监控与诊断的主要模式 123
4．3 监控与诊断的集成策略 123
4．3．1 监控与诊断的主要内容 123
4．4 监控与诊断系统的总体结构 131
4．4．1 监控与诊断系统的基本组成 131
4．4．2 监控与诊断系统的硬件结构 133
4．4．3 监控与诊断系统的软件实现 135
第五章 现代机械制造系统的加工过程监控 144
5．1 加工过程监控的必要性 144
5．2 加工过程监控系统的一般结构 145
5．3．1 加工过程建模概述 147
5．3 加工过程智能建模与辨识 147
5．3．2 加工过程模型及辨识方法 150
5．3．3 加工过程状态的时间序列模型 153
5．3．4 过程切削力模型 155
5．3．5 具有自组织功能的GMDH 模型 156
5．3．6 加工过程的神经网络模型 159
5．4 加工状态特征信息感知技术 164
5．4．1 加工过程典型故障状态的数学描述 164
5．4．2 基于加工过程模型辨识的状态特征提取 165
5．4．3 状态特征的归一化处理 167
5．4．4 智能监控中的多传感器信息特征选择方法 169
5．5 基于多传感器信息融合的加工过程监控 174
5．5．1 多传感器信息融合原理 174
5．5．2 基于多传感器住处融全的监控系统 176
第六章 现代械制造系统的故障诊断策略 179
6．1 现代机械制造系统故障诊断问题的特点 179
6．2 诊断问题的知识策略 180
6．2．1 领域知识的获取与自学习 181
6．2．2 诊断问题的知识深度 182
6．2．3 所用知识的表示与组织 184
6．3 不确定性的处理 186
6．3．1 不确定性的来源 187
6．3．2 不确定性揄模型的基本结构 188
6．3．3 面向扩展故障树结构的不确定性知识管理 191
6．4 诊断问题的求解策略 194
6．4．1 推理策略 194
6．4．2 控制策略 198
第十章 故障诊断知识的获取与表示 200
7．1 诊断知识的分类 200
7．2．1 隐藏知识问题 201
7．2 知识获取的难点 201
7．2．2 沟通障碍问题 202
7．2．3 知道表示问题 203
7．2．4 模型创建问题 203
7．3 知识提取中的技术 204
7．3．1 直接提问法 204
7．3．2 格栅获取技术 205
7．3．3 草案分析方法 208
7．4 基于模型的知识获取 210
7．4．1 KADS 方法简介 211
7．4．2 KADS 知识级建模语言 213
7．5 基于扩展故障树的诊断知识获取 215
7．5．1 扩展故障树树形结构在内存中的表示 216
7．5．2 基于扩展故障树的产生式知识获取 216
7．5．3 基于故障树的框架知识获取 219
7．6 诊断知识表示 221
7．6．1 产生式表示法 221
7．6．2 框架表示法 222
7．6．3 语义网络表示法 225
7．7 现代机械制造系统诊断知识库的构成 226
8．1．1 模型的设计思想 229
第八章 故障诊断推理 229
8．1 基于故障树分析法的层次诊断推理 229
8．1．2 层次诊断模型的建立 232
8．1．3 层次诊断揄控制策略 236
8．1．4 面向对象的实现 238
8．1．5 实例 245
8．2 基于PLC 信息的诊断推理 247
8．2．1 设备运动过程的PLC控制原理 248
8．2．2 基于控制系统流程的逻辑诊断模型 249
8．2．3 基于顺序控制过程的顺序诊断模型 257
第九章 监控与诊断系统的实现 264
9．1 系统的总体设计 264
9．1．1 系统的设计思想 264
9．1．2 系统的功能模型 266
9．1．3 监测与诊断子系统硬件结构 268
9．2 系统的实现原理与方法 270
9．2．1 系统的状态监测 270
9．2．2 诊断知识的获取与表示 274
9．2．3 故障数据的采集 276
9．2．4 集成诊断揄机制 278
9．2．5 集成诊断系统软件控制流程 280
9．2．6 其它的实现细节及特点 281
9．3 系统的实现细节及特点 283
9．4 系统运行实例 284
9．5 小结 290
第十章 现代机械制造系统故障监测与诊断的发展趋势 291
10．1 智能多媒体技术在故障监控和诊断中的应用 291
10．1．1 智能多媒体故障监控和诊断系统的总体结构 292
10．1．2 现代制造系统的多媒体环境 292
10．1．3 多媒体智能人机界面 293
10．1．4 多媒体诊断数据库 294
10．1．5 多媒体诊断知识库和诊断推理 294
10．2 分布式智能监控和诊断理论与技术的应用 296
10．2．1 分布式人工智能的理论基础 296
10．2．2 分布式智能体监控和诊断理论与技术产生的必然性 297
10．2．3 多智能体监控和诊断技术的应用 298
10．2．4 分布式智能监控和诊断技术的应用 300
10．2．5 多神经网络智能诊断理论与技术的应用 303
参考文献 307