能源动力设备智能故障诊断(研究生教学和科研用书)

本书较系统地论述了能 源动力设备智能故障诊断处 理、故障征兆信号提取方法 ，神经网络、模糊理论与专 家系统等人工智能理论，以 及神经网络、模糊理论及专 家系统等人工智能理论融合 成的智能诊断系统在复杂工 业设备故障诊断中的应用。 本书适合作为高等学校 能源与动力、机械工程、电 子与信息工程以及冶金工程 等专业的研究生或高年级本 科生的教学参考书，也可供 能源与动力、机械工程、电 子与信息工程以及冶金工程 等领域从事设备监测与诊断 、维修的科研工作者与工程 技术人员参考。

前言 第1章 绪论 1.1 故障诊断的基本概念 1.2 故障诊断技术的发展与研究现状 1.2.1 故障诊断技术的发展历史 1.2.2 故障诊断技术研究现状及发展趋势 1.3 故障诊断方法概述 1.4 智能故障诊断技术未来发展相关的新技术 1.4.1 机器学习 l.4.2 智能计算机 1.5 智能故障诊断系统发展的现状 1.5.1 发展的现状 1.5.2 存在的问题 1.6 智能故障诊断系统的发展趋势 1.6.1 多种知识表示方法的结合 1.6.2 经验知识与理论知识的结合 1.6.3 诊断系统与神经网络的结合 1.6.4 虚拟现实技术和故障智能诊断系统的结合 1.6.5 数据库技术与人工智能技术相互渗透 本章参考文献 第2章 故障诊断知识智能处理 2.1 诊断知识的基本概念 2.2 故障诊断知识的获取 2.2.1 故障诊断知识的分类 2.2.2 诊断知识的获取方式 2.3 诊断知识的表示 2.3.1 谓词逻辑表示法 2.3.2 语义网络表示法 2.3.3 产生式表示法 2.3.4 框架式表示法 2.3.5 面向对象的表示法 2.3.6 神经元网络表示法 2.3.7 不精确知识的表示法 2.4 基于知识的诊断推理 2.4.1 推理的基本概念 2.4.2 基于知识的诊断推理 本章参考文献 第3章 故障征兆自动提取 3.1 数值型征兆的自动提取 3.1.1 时域征兆的自动提取 3.1.2 频域征兆的自动提取 3.1.3 趋势征兆的自动提取 3.2 语义型征兆的自动提取 3.3 图形征兆的自动提取 3.3.1 Zernike矩特征的提取方法 3.3.2 神经网络图形分类器 本章参考文献 第4章 神经网络模型 4.1 人工神经网络的发展过程 4.2 神经元模型