故障智能診斷系統的理論與方法

本書較為系統地闡述了故障智能診斷技術發展簡況、現狀以及作者近年來在該領域的研究成果。全書包括：緒論、故障智能診斷系統的理論基礎、故障智能診斷系統知識獲取和表示方法、故障智能診斷系統中不確定信息的處理方法、面向對象技術在故障智能診斷系統中的應用、人工神經網絡模型、全局優化方法研究、BP算法的改進方法、人工神經網絡與專家系統結合方法的研究、神經網絡與專家系統的結合在導彈故障診斷系統中的應用、基於信息融合的神經網絡、故障智能診斷系統中機器學習問題的研究、面向對象的故障智能診斷系統平台等。

本書供從事自然科學、工程技術等領域的科技人員閲讀，也可供大專院校有關專業的師生參考。

王道平，男，1964年7月生。1989年在清華大學計算機係獲碩士學位，1999年在軍械工程學院獲博士學位，現為清華大學計算機系博士後，並任河北經貿大學教授、信息技術學院院長。曾主持省級立項課題3項，參加國家“863”項目、國家自然科學基金項目多項。近年來在人工智能、故障診

1　緒論

1.1　設備故障診斷技術的發展歷史

1.2　故障診斷的方法綜述

1.3　故障智能診斷系統發展的現狀

1.4　故障智能診斷系統的發展趨勢

2　故障智能診斷系統的理論基礎

2.1　故障智能診斷系統的概念

2.2　故障智能診斷系統的一般結構

2.3　不確定性系統科學一般理論

2.4　本章小結

3　故障智能診斷系統知識獲取和表示方法

3.1　故障智能診斷系統中知識的分類

3.2　故障智能診斷系統中知識的獲取方法

3.3　故障智能診斷系統中知識的表示方法

3.4　本章小結

4　故障智能診斷系統中不確定性信息的處理方法

4.1　診斷知識不確定性的分類

4.2　不確定性診斷知識的表示方法

4.3　故障智能診斷系統中的不確定性推理

4.4　本章小結

5　面向對象技術在故障智以診斷系統中的應用

5.1　面向對象的思想和方法學

5.2　面向對象技術對故障智能診斷系統的適宜性研究

5.3　面向對象的診斷知識表示方法研究

5.4　面向對象的診斷推理方法

5.5　本章小結

6　神經網絡模型

6.1　神經網絡的發展和應用

6.2　神經元模型

6.3　基於神經網絡的學習方式

6.4　神經網絡模型

6.5　多層前饋神經網絡

6.6　霍普菲爾德(Hopfield)神經網絡

6.7　自組織神經網絡

6.8　海明(Hamming)神經網絡

6.9　自適應共振理論

6.10　本章小結

7　全局優化方法研究

7.1　隨機梯度法

7.2　模擬退火算法

7.3　遺傳算法

7.4　本章小結

8　BP算法的改進方法

8.1　一種動態自適應BP網絡模型及快速算法

8.2　一種新的快速BP網絡訓練算法

8.3　實驗結果分析

8.4　本章小結

9　人工神經網絡與專家系統結合方法的研究

9.1　引言

9.2　專家系統與神經網絡的特點

9.3　專家系統與神經網絡結合的途徑和方法

9.4　本章小結

10　神經網絡與專家系統的結合在導彈故障診斷系統中的應用

10.1　引言

10.2　ANNES的結構

10.3　基於ANNES的導彈故障診斷系統的實現

10.4　基於模糊推理和神經網絡的導彈系統故障診斷方法

10.5　ANNES的故障診斷實例與結果分析

10.6　本章小結

11　基於信息融合的神經網絡

12　故障智能診斷系統中機器學習問題的研究

13　面向對象的故障智能診斷系統平台

參考文獻 ^[1]