本書系統(tǒng)的闡述現(xiàn)代工業(yè)中復雜機電系統(tǒng)的故障預測、智能診斷及系統(tǒng)健康狀態(tài)的評估等理論與方法,主要包括基于數(shù)據(jù)驅(qū)動的智能故障診斷原理、方法及其實現(xiàn)技術(shù);诮y(tǒng)計學習理論、半監(jiān)督學習、流形學習、深度學習的故障預測、狀態(tài)評估的原理、技術(shù)及其應(yīng)用。重點從模式識別、機器學習的角度,重點闡述基于半監(jiān)督學習、流形學習的故障特征提取與選擇、早期故障的預測、故障模式的分類及裝備性能退化的評估等。并對當前機器學習的研究熱點,深度學習在智能預測、健康評估中的應(yīng)用進行分析、展望。本書可作為高等院校機械工程、控制工程、自動化及系統(tǒng)工程等專業(yè)的研究生教材或教學參考書,也可供廣大科技工作者和從事過程控制、故障診斷、設(shè)備維護等人員參考 。
章 緒論
1.1 智能故障診斷、預測與健康評估的概念
1.2 故障診斷、預測與健康評估的意義
1.3 智能診斷、預測與健康評估的研究內(nèi)容
1.4 智能診斷、預測與健康評估的研究現(xiàn)狀
1.5 本書的結(jié)構(gòu)體系與特色。
第二章 基于半監(jiān)督學習的智能診斷方法
2 2 監(jiān)督學習的原理
2.2 支持向量機
2.3 支持向量機參數(shù)優(yōu)化方法
2.4 支持向量機特征選擇與參數(shù)優(yōu)化融合方法
2.5 增強支持向量機
參考文字按
第三章 基于半監(jiān)督學習的智能診斷方法
3.1半監(jiān)督學習概述
3.2基于半監(jiān)督核函數(shù)主元分析的故障檢測與分析
3.3基于半監(jiān)督模糊核聚類的離群檢測
3.4基于半監(jiān)督自組織特征映射的故障檢測與分類
3.2關(guān)聯(lián)向量機診斷方法
第四章 基于流形學習的智能故障診斷與預測
4.1 流形學習的基本概念
4.2 基于譜聚類流形的故障特征選擇
4.3 基于局部線性嵌入的故障識別
4.4 基于距離保持投影線性嵌入的故障分類
4.5 基于ISOMAP的機械故障診斷方法。
第五章 基于深度學習的機械故障診斷
5.1 深度學習的原理和方法
5.2 基于DBN的機械故障診斷
5.3 基于深度學習的裝備退化狀態(tài)評估
……
第六章 基于相空間重構(gòu)的機械系統(tǒng)退化跟蹤與故障預測
第七章 復雜機電系統(tǒng)運行可靠性評估與健康維護
參考文獻