设备故障诊断技术PDF|Epub|txt|kindle电子书版本网盘下载

设备故障诊断技术PDF格式电子书版下载

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

第1章 设备故障诊断概述1

1.1 设备故障诊断的基本概念和特点1

1.1.1 设备故障的基本概念1

1.1.2 设备故障诊断的内容及特点2

1.2 故障诊断的基本问题4

1.2.1 故障分类4

1.2.2 故障诊断的任务4

1.2.3 评价故障诊断系统的性能指标5

1.3 设备故障诊断的知识构成和求解过程6

1.3.1 设备故障诊断的知识构成6

1.3.2 设备故障诊断的求解过程7

1.4 设备故障诊断的基本方法及研究现状7

1.4.1 基于解析模型的故障诊断方法8

1.4.2 基于知识的故障诊断方法9

1.4.3 基于信号处理的故障诊断方法11

1.4.4 其他故障诊断方法11

1.4.5 设备故障诊断技术研究的热点12

1.5 设备故障诊断技术的发展趋势13

复习思考题14

第2章 故障诊断中的数据处理15

2.1 数据处理的有关知识15

2.1.1 动态测试数据的分类15

2.1.2 随机过程的基本概念20

2.1.3 测试数据处理方法37

2.1.4 数据检验38

2.1.5 数据分析流程39

2.2 随机数据统计参量的数值分析40

2.2.1 估计理论的基本概念40

2.2.2 均值和方差的计算41

2.3 离散傅里叶变换（DFT）42

2.3.1 采样与混叠42

2.3.2 截断与泄漏45

2.3.3 频率采样（延拓）45

2.4 小波分析的基本原理47

2.4.1 小波变换47

2.4.2 小波变换的直观理解及其工程解释50

2.4.3 小波包分析52

2.4.4 适合故障信号分析的小波函数选择55

复习思考题57

第3章 基于统计理论的诊断方法58

3.1 Bayes决策诊断方法58

3.1.1 概述58

3.1.2 基于最大后验概率的Bayes诊断59

3.1.3 基于最小风险的Bayes诊断61

3.2 时序模型诊断法63

3.2.1 ARMA,AR和MA模型64

3.2.2 故障诊断时序方法的步骤65

3.2.3 故障诊断时序方法的内容66

3.2.4 ARMA模型的建模67

3.2.5 根据模型参数进行故障诊断69

3.2.6 距离判别函数故障诊断法70

3.3 序贯模式分类故障诊断法75

3.3.1 概述75

3.3.2 序贯分类原理及步骤75

3.3.3 Bayes序贯判别步骤76

3.4 主分量分析法77

3.4.1 引言77

3.4.2 主分量分析77

3.5 线性判别函数法79

3.5.1 引言79

3.5.2 Fisher判别式分析（FDA）80

3.6 灰色系统的关联分析诊断方法81

3.6.1 概述81

3.6.2 关联度分析法在故障诊断模式识别中的应用82

3.6.3 灰色预测在设备状态趋势预报中的应用86

3.7 基于支持向量机的故障诊断方法89

3.7.1 支持向量机的基本原理89

3.7.2 多类支持向量机92

3.7.3 支持向量机的故障诊断方法93

3.7.4 实例94

复习思考题97

第4章 基于模糊理论的诊断方法98

4.1 模糊集合理论基础98

4.1.1 模糊集与隶属函数98

4.1.2 隶属函数的确定99

4.1.3 常用的隶属函数图表102

4.1.4 模糊集的表示方法及其运算105

4.2 基于模糊模式的故障诊断方法107

4.2.1 模糊模式识别的直接方法107

4.2.2 模糊模式识别的间接方法109

4.3 故障诊断的模糊综合评判原则111

4.3.1 综合评判的数学原理111

4.3.2 模糊综合评判的五种具体模型113

4.3.3 综合评判模型的故障诊断应用实例115

4.3.4 几种综合评判模型的适用范围117

4.3.5 故障诊断的多级模糊综合评判方法118

4.4 故障诊断的模糊聚类分析方法121

复习思考题125

第5章 故障树分析诊断方法126

5.1 故障树分析概述126

5.1.1 故障树分析及其特点126

5.1.2 故障树分析使用的符号127

5.2 故障树分析的一般步骤及表述128

5.2.1 故障树分析的步骤128

5.2.2 故障树建造的一般方法129

5.2.3 故障树的结构函数132

5.3 故障树的分析134

5.3.1 故障树的定性分析135

5.3.2 故障树的定量分析136

5.4 诊断实例139

复习思考题141

第6章 专家系统故障诊断方法142

6.1 专家系统概述142

6.1.1 专家系统的基本概念142

6.1.2 专家系统的结构143

6.1.3 专家系统的特点145

6.2 专家系统的知识表示146

6.2.1 知识的层次结构147

6.2.2 公共知识和私有知识148

6.2.3 陈述性知识与过程性知识148

6.2.4 对知识表示的要求149

6.3 知识的产生式表示150

6.3.1 产生式规则的形式150

6.3.2 产生式系统151

6.3.3 产生式表示的优缺点152

6.4 知识的框架表示153

6.4.1 框架表示的形式153

6.4.2 框架表示下的推理155

6.5 故障诊断专家系统的推理方式与控制策略157

6.5.1 基于规则的诊断推理157

6.5.2 基于模型的诊断推理159

6.5.3 基于案例的诊断推理160

6.5.4 不精确推理164

6.6 故障诊断专家系统知识的获取168

6.6.1 间接获取方式168

6.6.2 直接获取方式169

6.7 故障诊断专家系统的开发工具170

6.7.1 骨架型开发工具170

6.7.2 语言型开发工具171

6.7.3 构造辅助工具171

6.7.4 支撑环境171

6.8 故障诊断专家系统应用实例172

6.8.1 核电站常见的故障模式173

6.8.2 核电站故障诊断专家系统175

复习思考题179

第7章 神经网络故障诊断方法180

7.1 概述180

7.1.1 神经网络故障诊断的优越性及其存在的问题180

7.1.2 神经网络故障诊断研究现状及其发展181

7.2 神经网络基础182

7.2.1 神经元模型182

7.2.2 神经网络的拓扑结构184

7.2.3 神经网络的学习规则185

7.3 典型结构的神经网络及故障诊断方法188

7.3.1 反向传播（BP）网络189

7.3.2 径向基函数（RBF）网络191

7.3.3 Hopfield网络192

7.3.4 自组织特征映射网络194

7.3.5 递归神经网络195

7.3.6 模式识别故障诊断方法196

7.3.7 知识处理故障诊断方法197

7.4 神经网络故障诊断的方式和结构199

7.4.1 神经网络用于故障诊断的方式199

7.4.2 神经网络用于故障诊断的结构199

7.4.3 神经网络用于机械设备故障诊断的一般方法201

7.5 神经网络故障诊断实例202

复习思考题203

第8章 数据融合故障诊断方法205

8.1 数据融合的原理205

8.1.1 数据融合的定义206

8.1.2 数据融合的过程206

8.1.3 数据融合的时间性与空间性206

8.2 数据融合的结构208

8.2.1 数据融合的结构形式208

8.2.2 数据融合的功能模型209

8.2.3 数据融合的级别210

8.3 数据融合在故障诊断中的优势212

8.3.1 数据融合在故障诊断中应用的实际背景212

8.3.2 数据融合在故障诊断中应用的理论基础214

8.4 数据融合故障诊断模型215

8.4.1 数据融合诊断级别216

8.4.2 数据融合故障诊断过程217

8.4.3 数据融合故障诊断系统218

8.5 数据融合故障诊断方法219

8.5.1 基于统计的融合诊断方法219

8.5.2 D-S证据理论的融合诊断方法221

8.5.3 基于认识模型的融合诊断方法224

8.5.4 基于参数估计的融合诊断方法224

8.5.5 基于滤波技术的融合诊断方法225

8.5.6 基于人工智能的融合诊断方法225

8.5.7 基于模糊逻辑的融合诊断方法227

8.5.8 神经网络与D-S证据理论相结合的融合诊断方法227

8.6 数据融合故障诊断实例228

8.6.1 数据融合诊断系统结构228

8.6.2 基于数据融合的汽轮机转子故障诊断系统230

复习思考题233

第9章 集成技术的故障诊断方法234

9.1 集成的概念234

9.1.1 诊断信息集成234

9.1.2 诊断知识集成235

9.1.3 诊断方法集成236

9.2 集成化故障诊断体系结构236

9.2.1 集成化故障诊断模型236

9.2.2 集成化故障诊断系统结构237

9.2.3 集成化故障诊断系统功能及其实现239

9.3 集成化推理和诊断策略239

9.3.1 集成化推理机制240

9.3.2 集成化诊断策略240

9.4 神经网络与模糊逻辑集成故障诊断241

9.4.1 模糊逻辑系统与神经网络241

9.4.2 神经网络－模糊推理协作系统243

9.4.3 神经网络与模糊逻辑系统结合的基本方式244

9.4.4 模糊神经网络模型245

9.4.5 模糊神经网络（FNN）学习方法247

9.5 基于神经网络的故障诊断专家系统249

9.5.1 专家系统与神经网络的特点249

9.5.2 专家系统与神经网络结合的途径和方法250

9.5.3 基于神经网络的故障诊断专家系统253

9.6 基于小波神经网络的故障诊断255

9.6.1 小波分析和神经网络的结合途径255

9.6.2 小波分析和神经网络的松散型结合256

9.6.3 从函数逼近到小波神经网络262

9.6.4 小波神经网络的训练264

9.6.5 小波神经网络函数逼近特性分析266

9.6.6 多维小波神经网络267

复习思考题268

参考文献269