图书介绍
故障智能诊断系统的理论与方法PDF|Epub|txt|kindle电子书版本网盘下载
- 王道平，张义忠著（清华大学） 著
- 出版社： 北京：冶金工业出版社
- ISBN：750242752X
- 出版时间：2001
- 标注页数：204页
- 文件大小：8MB
- 文件页数：216页
- 主题词：
PDF下载
下载说明
故障智能诊断系统的理论与方法PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
1 绪论1
1.1 设备故障诊断技术的发展历史2
1.1.1 原始诊断阶段2
1.1.2 基于材料寿命分析与估计的诊断阶段2
1.1.3 基于传感器与计算机技术的诊断阶段2
1.1.4 智能化诊断阶段2
1.2 故障诊断的方法综述3
1.2.1 基于数学模型的故障诊断方法4
1.2.2 基于人工智能的故障诊断方法5
1.3.1 故障智能诊断系统的发展现状8
1.3 故障智能诊断系统发展的现状8
1.3.2 现有故障智能诊断系统存在的问题9
1.4 故障智能诊断系统的发展趋势12
1.4.1 多种知识表示方法的结合12
1.4.2 经验知识与原理知识的紧密结合13
1.4.3 诊断系统与神经网络的结合13
1.4.4 虚拟现实技术将得到重视和应用14
1.4.5 数据库技术与人工智能技术相互渗透14
2.1 故障智能诊断系统的概念16
2.1.1 复杂设备的层次结构16
2 故障智能诊断系统的理论基础16
2.1.2 故障智能诊断系统的概念18
2.1.3 复杂设备系统故障的特点22
2.2 故障智能诊断系统的一般结构23
2.2.1 故障智能诊断系统的一般结构23
2.2.2 故障智能诊断系统的功能特点24
2.3 不确定性系统科学一般理论26
2.3.1 不确定性信息的基本概念及其产生的根源26
2.3.2 不确定性信息的分类27
2.3.3 四种不确定性信息的关系28
2.4 本章小结30
2.3.4 不确定性系统科学的理论框架30
3 故障智能诊断系统知识获取和表示方法33
3.1 故障智能诊断系统中知识的分类33
3.1.1 专家系统中知识的一般分类33
3.1.2 故障智能诊断系统中知识的分类34
5.2.1 专家系统的特征分析37
3.2 故障智能诊断系统中知识的获取方法38
3.2.1 知识获取是建造智能诊断系统的“瓶颈”38
3.2.2 传统的三种知识获取方法39
3.2.3 故障智能诊断系统中知识获取的一般模型41
3.3 故障智能诊断系统中知识的表示方法42
3.3.1 知识表示的概念42
3.3.2 深浅知识集成表示模型43
3.3.3 利用复合框架表示诊断知识的方法45
3.4 本章小结47
4 故障智能诊断系统中不确定性信息的处理方法48
4.1 诊断知识不确定性的分类49
4.1.1 诊断系统的不确定性产生原因49
4.2.2 基于框架的不确定性知识表示51
4.1.2 诊断知识不确定性的分类51
4.2 不确定性诊断知识的表示方法52
4.2.1 基于产生式的不确定性知识表示53
4.3 故障智能诊断系统中的不确定性推理55
4.3.1 故障诊断系统中不确定性的处理方法55
4.2.3 基于语义网络的不确定性知识表示55
4.3.2 故障智能诊断系统中不确定性推理的一般模型60
4.4 本章小结62
5 面向对象技术在故障智能诊断系统中的应用63
5.1 面向对象的思想和方法学64
5.1.2 面向对象程序设计的几个基本概念65
5.1.3 面向对象程序设计的特征分析66
5.2 面向对象技术对故障智能诊断系统的适宜性研究67
5.2.2 面向对象的方法适于建造专家系统68
5.3 面向对象的诊断知识表示方法研究69
5.3.1 面向对象的知识表示方法研究69
5.3.2 面向对象的深浅知识混合表示模型73
5.3.3 面向对象知识表示与其他方法的比较75
5.4 面向对象的诊断推理方法76
5.4.1 消息传递推理76
5.4.2 继承推理77
5.4.3 方法推理77
5.5 本章小结78
6 神经网络模型79
6.1 神经网络的发展和应用79
6.2 神经元模型82
6.3 基于神经网络的学习方式84
6.3.1 有导师学习84
6.3.2 无导师学习84
6.3.3 强化学习85
6.4 神经网络模型85
6.5 多层前馈神经网络86
6.5.1 BP网络的结构及工作原理87
6.5.2 BP网络学习算法90
6.5.3 BP算法的数学原理92
6.6 霍普菲尔德(Hopfield)神经网络95
6.6.1 离散型Hopfield网络96
6.7 自组织神经网络98
6.8 海明(Hamming)神经网络100
6.9 自适应共振理论102
6.9.1 ART1神经网络基本结构102
6.9.2 ART2网络系统结构102
6.10 本章小结103
7 全局优化方法研究104
7.1 随机梯度法104
7.2 模拟退火算法105
7.3 遗传算法106
7.3.1 遗传算法的基本步骤106
7.3.2 遗传算法的改进方法109
7.3.3 遗传算法与神经网络的融合110
7.4 本章小结115
8 BP算法的改进方法116
8.1 一种动态自适应BP网络模型及快速算法116
8.2 一种新的快速BP网络训练算法119
8.3 实验结果分析121
8.4 本章小结124
9 人工神经网络与专家系统结合方法的研究125
9.1 引言125
9.2 专家系统与神经网络的特点126
9.3 专家系统与神经网络结合的途径和方法131
9.3.1 ANN和ES的结合途径132
9.3.2 ANN和ES的“全面统一”136
9.3.3 ANN和ES的“局部结合”137
9.4 本章小结138
10 神经网络与专家系统的结合在导弹故障诊断系统中的应用139
10.1 引言139
10.2 ANNES的结构139
10.3 基于ANNES的导弹故障诊断系统的实现141
10.4 基于模糊推理和神经网络的导弹系统故障诊断方法142
10.4.1 基于模糊推理和神经网络的专家系统设计步骤142
10.4.2 基于神经网络的不确定性推理模型143
10.4.3 基于神经网络模型的导弹故障诊断方法145
10.4.4 某装备故障诊断的神经网络模型146
10.5 ANNES的故障诊断实例与结果分析146
10.6 本章小结152
11.1 设备诊断信息融合方法154
11 基于信息融合的神经网络154
11.1.1 贝叶斯信息融合方法155
11.1.2 D-S推理信息融合方法155
11.2 神经网络与信息融合158
11.3 集成神经网络建模方法161
11.4 子神经网络的组建原则162
11.5 集成神经网络的实现策略164
11.6 本章小结167
12 故障智能诊断系统中机器学习问题的研究168
12.1.1 什么是学习169
12.1 机器学习方法发展的回顾169
12.1.2 机器学习的研究发展过程170
12.1.3 机器学习与人类学习的比较171
12.1.4 机器学习的模型与过程172
12.2 各种机器学习方法在故障诊断系统中的适应性研究174
12.2.1 机器学习方法的分类174
12.2.2 机器学习方法的评价标准177
12.2.3 现有机器学习方法在诊断系统中的适应性分析179
12.2.4 诊断系统学习模块的功能180
12.3.1 故障诊断系统中的机器学习策略181
12.3 故障智能诊断系统中的机器学习策略181
12.3.2 故障诊断与机器学习的运行流程182
12.3.3 故障诊断与机器学习的关系分析183
12.4 本章小结184
13 面向对象的故障智能诊断系统平台185
13.1 故障智能诊断系统的开发策略186
13.1.1 人机接口模块的开发186
13.1.2 知识库和数据库管理模块的开发187
13.1.3 诊断推理模块的开发188
13.1.5 机器学习模块的开发189
13.1.4 诊断信息获取模块的开发189
13.2 系统功能简介190
13.2.1 系统的功能菜单组成190
13.2.2 系统功能菜单简介190
13.3 主要实现技术192
13.3.1 知识的表示192
13.3.2 推理机制193
13.4 诊断系统运行实例195
13.5 本章小结197
参考文献198