前言

第1章 緒論

1．1 故障診斷的基本概念

1．2 故障診斷技術(shù)的發(fā)展與研究現(xiàn)狀

1．2．1 故障診斷技術(shù)的發(fā)展歷史

1．2．2 故障診斷技術(shù)研究現(xiàn)狀及發(fā)展趨勢

1．3 故障診斷方法概述

1．4 智能故障診斷技術(shù)未來發(fā)展相關(guān)的新技術(shù)

1．4．1 機器學(xué)習(xí)

1．4．2 智能計算機

1．5 智能故障診斷系統(tǒng)發(fā)展的現(xiàn)狀

1．5．1 發(fā)展的現(xiàn)狀

1．5．2 存在的問題

1．6 智能故障診斷系統(tǒng)的發(fā)展趨勢

1．6．1 多種知識表示方法的結(jié)合

1．6．2 經(jīng)驗知識與理論知識的結(jié)合

1．6．3 診斷系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合

1．6．4 虛擬現(xiàn)實技術(shù)和故障智能診斷系統(tǒng)的結(jié)合

1．6．5 數(shù)據(jù)庫技術(shù)與人工智能技術(shù)相互滲透

本章參考文獻

第2章 故障診斷知識智能處理

2．1 診斷知識的基本概念

2．2 故障診斷知識的獲取

2．2．1 故障診斷知識的分類

2．2．2 診斷知識的獲取方式

2．3 診斷知識的表示

2．3．1 謂詞邏輯表示法

2．3．2 語義網(wǎng)絡(luò)表示法

2．3．3 產(chǎn)生式表示法

2．3．4 框架式表示法

2．3．5 面向?qū)ο蟮谋硎痉?

2．3．6 神經(jīng)元網(wǎng)絡(luò)表示法

2．3．7 不精確知識的表示法

2．4 基于知識的診斷推理

2．4．1 推理的基本概念

2．4．2 基于知識的診斷推理

本章參考文獻

第3章 故障征兆自動提取

3．1 數(shù)值型征兆的自動提取

3．1．1 時域征兆的自動提取

3．1．2 頻域征兆的自動提取

3．1．3 趨勢征兆的自動提取

3．2 語義型征兆的自動提取

3．3 圖形征兆的自動提取

3．3．1 Zernike矩特征的提取方法

3．3．2 神經(jīng)網(wǎng)絡(luò)圖形分類器

本章參考文獻

第4章 神經(jīng)網(wǎng)絡(luò)模型

4．1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展過程

4．2 神經(jīng)元模型

4．3 神經(jīng)元互連模式

4．4 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則

4．5 前饋神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法

4．5．1 BP網(wǎng)絡(luò)

4．5．2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)

本章參考文獻

……

第5章 專家系統(tǒng)

第6章 模糊理論基礎(chǔ)

第7章 支持向量機

第8章 深度學(xué)習(xí)

第9章 車用柴油機模糊故障診斷專家系統(tǒng)

第10章 銅精煉爐神經(jīng)網(wǎng)絡(luò)故障診斷專家系統(tǒng)

第11章 煤粉鍋爐燃燒系統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)故障診斷專家系統(tǒng)

第12章 船舶柴油機冷卻系統(tǒng)模糊邏輯推理故障診斷系統(tǒng)

第13章 油氣輸送管道故障融合診斷研究