基于神经网络的智能诊断PDF|Epub|txt|kindle电子书版本下载

基于神经网络的智能诊断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

1 绪论1

1．1 基于神经网络的智能诊断的产生、现状与发展1

1．1．1 人工智能的功能模拟和结构模拟1

1．1．2 诊断工程发展的历史与现状2

2 基于小波变换的信号处理3

4．2．2 演化算法的基本结构4

1．1．3 基于神经网络的智能诊断的形成6

1．1．4 基于神经网络的智能诊断的发展动向10

1．2 神经网络的基本特征12

1．2．1 神经网络的特点12

1．2．2 神经网络的分类13

1．2．3 神经网络的结构和函数映射14

1．3 信号处理的主要方法16

1．3．1 信号的定义和分类16

1．3．2 信号的预处理17

1．3．3 信号处理中的谱分析技术21

1．3．4 信号处理中的时间序列法30

1．3．5 基于小波变换的信号处理35

1．3．6 人工神经网络信号处理方法35

1．4 智能诊断中常用的识别理论及方法(智能诊断原理)35

1．4．1 统计识别法35

1．4．2 函数识别法43

1．4．3 逻辑识别法47

1．4．4 模糊识别法49

1．4．5 灰色识别法57

1．4．6 神经网络识别法66

2．1 小波分析的源起73

2．2 小波分析基础75

2．2．1 小波分析定义75

2．2．2 多分辨率分析77

2．2．3 小波包分析78

2．3 小波分析的工程解释79

2．3．1 尺度函数和小波函数的构造79

2．2．4 小波和小波包分解的信号重构79

2．3．2 尺度函数和小波函数的物理意义80

2．3．3 多分辨率分析的直观表示和理解81

2．3．4 小波分解和小波包分解的直观表示82

2．4 小波分析的进一步讨论82

2．4．1 小波基的选取问题82

2．4．2 小波分析的边界问题85

2．5 小波分析应用实例86

2．6 基于小波分析的信号处理89

2．6．1 奇异信号检测89

2．6．2 信噪分离90

2．6．3 频带分析技术94

2．7 小波诊断的工程应用97

2．7．1 功率谱的多分辨率识别97

2．7．2 柴油机振动信号的多分辨率分析99

2．7．3 柴油机振动信号的小波包分析101

3．1．1 生物神经元模型104

3．1 神经网络综论104

3 神经网络结构的确定及算法改进104

3．1．2 神经网络的基本特征和性质105

3．1．3 神经网络的故障诊断能力106

3．2 神经网络的基本原理108

3．2．1 反向传播网络109

3．2．2 自适应线性元件112

3．2．3 汉明网络113

3．2．4 自组织映射Kohonen网络114

3．2．5 Hopfield网络116

3．2．6 Boltzmann机和模拟退火算法117

3．3 多层感知器性能分析及结构的确定120

3．3．1 隐层数的分析120

3．3．3 隐层神经元的作用机理分析121

3．3．2 隐层节点数的确定121

3．3．4 隐层神经元数的自适应确定123

3．4 对BP算法的改进124

3．4．1 算法的概况124

3．4．2 输出层的优化125

3．4．3 网络的线性化126

3．4．4 隐层的优化127

3．5 特征提取及神经网络的训练129

3．5．2 神经网络与特征提取130

3．5．1 多频潜分析与特征提取130

3．5．3 神经网络的训练131

3．6 汽轮机故障神经网络智能诊断133

3．6．1 松动故障机理133

3．6．2 摩擦故障机理135

3．6．3 汽轮机故障诊断137

4．1．1 演化算法发展的历史及现状139

4 演化算法及其在智能诊断中的应用139

4．1 演化算法概述139

4．1．2 演化算法的分支140

4．1．3 演化算法的数学描述142

4．2 演化算法的基本原理142

4．2．1 遗传算法的基本算子及其定理142

4．2．3 演化算法的基本特征147

4．2．4 演化算法与其他搜索算法的比较148

4．3 演化算法求解过程149

4．2．5 演化算法中交叉的意义149

4．4 演化算法的工程应用153

4．4．1 故障诊断153

4．4．2 系统辨识154

4．4．3 最优控制154

4．4．4 化工过程155

4．4．5 电力系统155

4．4．6 模糊控制155

4．5 演化算法的改进156

4．5．1 演化算法的特点156

4．4．7 其他应用156

4．5．2 GA的改进157

4．5．3 对遗传算法中交叉和变异操作的改进及作用原理探讨159

4．5．4 改进算法的性能测试163

4．6 智能诊断中的演化算法166

4．6．1 诊断问题的数学描述166

4．6．2 遗传算法故障诊断实例167

5．2．1 多分辨率分析和神经网络的结合170

5．2 小波分析和神经网络的松散型结合170

5．1 小波分析和神经网络的结合途径170

5 小波神经网络170

5．2．2 小波包分析和神经网络的结合172

5．3 从函数逼近到小波神经网络174

5．4 小波神经网络的训练176

5．5 小波神经网络函数逼近特性分析177

5．6 多维小波神经网络178

6 演化多层感知器180

6．1 概述180

6．2 演化神经网络研究181

6．3 演化算法对多层感知器结构的优化184

6．4 多层感知器优化的编码特性研究187

6．5 演化多层感知器的实现及其在故障诊断中的应用188

7 集成神经网络191

7．1 设备诊断信息融合方法191

7．1．1 贝叶斯信息融合方法191

7．1．2 D-S推理信息融合方法192

7．2 神经网络与信息融合194

7．3 集成神经网络建模方法195

7．4 子神经网络的组建原则196

7．5 集成神经网络的实现策略197

7．6 集成神经网络诊断实例200

8 基于神经网络的智能监测诊断系统203

8．1 智能自动监测诊断系统的设计203

8．2 旋转机械类智能诊断系统204

8．2．1 风机监测诊断系统的构成205

8．2．2 风机监测诊断系统的设计205

8．2．3 风机诊断系统运行实例207

8．2．4 系统的智能自动化行为207

8．3．1 往复机械故障诊断技术研究现状及发展208

8．3 往复机械类智能诊断系统208

8．3．2 柴油机故障分类及主要故障模式212

8．3．3 柴油机故障诊断油液分析子系统213

8．3．4 柴油机故障振声诊断子系统219

8．3．5 柴油机集成神经网络诊断系统225

8．4 工程结构智能诊断系统226

8．4．1 工程结构故障智能诊断系统的历史与现状226

8．4．2 基于知识的结构故障诊断专家系统229

8．4．3 结构故障诊断的标准谱及计算机仿真(计算机仿真建立知识库)231

8．4．4 结构故障诊断智能系统NUDES244

8．4．5 NUDES系统在钢梁和钢筋混凝土梁裂缝诊断中的应用259

8．5 智能诊断系统的发展前景264

8．5．1 诊断理论与神经网络的结合264

8．5．2 信号处理与神经网络的融合269

8．5．3 神经网络结构的改进270

8．5．4 基于知识的故障诊断专家系统与基于神经网络的智能诊断系统的结合270

8．5．5 设备故障诊断智能系统的微型化和“傻瓜”化270

附录271

参考文献287