信息融合故障诊断技术PDF|Epub|txt|kindle电子书版本网盘下载

信息融合故障诊断技术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 绪论1

1.1故障信息融合诊断的目的1

1.2故障信息融合诊断的策略3

1.3故障信息融合诊断技术的发展4

1.3.1信息融合技术4

1.3.2故障诊断技术8

1.3.3希尔伯特-黄变换12

1.3.4过程神经元网络15

1.3.5支持向量机17

1.3.6证据理论22

1.3.7贝叶斯网络24

参考文献28

第2章 故障信息仿真技术42

2.1 基于混合自动机的故障描述模型43

2.1.1混合自动机理论概述43

2.1.2基于混合自动机的故障描述44

2.1.3故障描述模型的建立45

2.2基于Simulink/Stateflow的故障仿真实现55

2.2.1平台姿态测量系统故障描述模型实现55

2.2.2速率陀螺组合故障描述模型实现57

2.2.3伺服机构故障描述模型实现58

2.2.4箭载计算机仿真模型60

2.2.5箭体动力学仿真模型62

2.2.6力及力矩仿真模型64

2.2.7故障仿真案例67

参考文献77

第3章 故障特征提取技术78

3.1被测量及特征分析78

3.1.1故障特征分类79

3.1.2确定性信号及特征分析80

3.1.3随机信号及特征分析81

3.2基于小波变换的特征提取方法83

3.2.1基本原理83

3.2.2故障特征提取86

3.2.3存在的问题91

3.3基于希尔伯特-黄变换的特征提取方法95

3.3.1基本原理及方法95

3.3.2故障特征提取及比较97

3.3.3存在的问题104

3.3.4分离终止条件的比较分析107

3.3.5含直流分量的包络分段计算方法108

3.3.6希尔伯特-黄变换在故障诊断中的应用111

参考文献119

第4章 故障特征信息融合技术121

4.1基于神经网络的融合方法121

4.1.1神经元模型121

4.1.2前馈神经网络122

4.1.3存在的问题123

4.2基于过程神经元网络的融合方法124

4.2.1过程神经元模型124

4.2.2前馈过程神经元网络125

4.2.3融合诊断的过程神经元网络模型127

4.2.4时间累积运算的比较分析130

4.2.5同精度解的存在性研究131

4.2.6网络训练收敛性分析136

4.2.7网络初始化方法改进137

4.2.8网络学习算法改进138

4.3神经网络与过程神经元网络的比较140

4.3.1一维时变信号的辨识问题140

4.3.2多维时变信号的故障识别问题146

4.3.3方法适用性分析148

4.4基于支持向量机的融合方法151

4.4.1最优超平面的构造151

4.4.2 SVM分类算法推导153

4.4.3核函数154

4.4.4 SVM工作原理155

4.4.5 SVM融合诊断流程156

4.5故障特征信息融合诊断应用157

4.5.1基于希尔伯特-黄变换和过程神经元网络的融合诊断158

4.5.2基于频谱和过程神经元网络的融合诊断166

4.5.3基于希尔伯特-黄变换和支持向量机的融合诊断174

参考文献182

第5章 基于D-S证据理论的故障决策信息融合方法184

5.1 D-S证据理论与故障诊断184

5.1.1证据理论基本概念184

5.1.2证据分类187

5.1.3证据理论决策级融合诊断方法及关键问题187

5.1.4证据理论决策级融合诊断模型190

5.2证据冲突衡量方法192

5.2.1典型冲突衡量方法分析192

5.2.2修正证据距离199

5.2.3基于合取冲突和修正证据距离的二元组冲突衡量方法206

5.2.4二元函数冲突程度衡量方法及其Dempster规则使用判据209

5.3证据聚类方法212

5.3.1典型证据聚类方法分析213

5.3.2基于主元和凝聚层次聚类的证据聚类算法217

5.3.3算例验证223

5.4证据合成方法228

5.4.1 Dempster规则悖论分析229

5.4.2基于焦元冲突分配的证据序贯合成方法235

5.4.3基于焦元冲突分配的证据均值合成方法237

5.4.4基于主元的证据折扣方法238

5.4.5基于分类的证据折扣方法240

5.4.6合成方法比较247

参考文献248

第6章 基于贝叶斯网络的故障决策信息融合方法252

6.1贝叶斯网络理论252

6.1.1概率论及概率推理252

6.1.2贝叶斯网络254

6.1.3贝叶斯网络推理255

6.1.4贝叶斯网络学习258

6.2基于贝叶斯网络的故障诊断260

6.2.1贝叶斯诊断网络的表达方式261

6.2.2贝叶斯诊断网络的数学描述262

6.2.3贝叶斯诊断网络的面向对象表达264

6.2.4贝叶斯诊断网络的建模方法270

6.3案例仿真277

6.3.1伺服阀案例分析及建模278

6.3.2伺服阀单故障现象仿真与分析282

6.3.3伺服阀多故障现象仿真与分析284

6.3.4贝叶斯诊断网络算法蒙特卡罗仿真验证试验287

6.3.5贝叶斯诊断网络特性总结288

参考文献289

第7章 信息融合故障诊断平台设计与实现292

7.1信息融合故障诊断平台设计292

7.1.1开发环境292

7.1.2功能设计292

7.1.3软件模块294

7.1.4系统流程295

7.2信息源模拟软件设计与实现298

7.2.1功能设计298

7.2.2接口设计298

7.2.3软件介绍299

7.3特征提取与融合软件设计与实现302

7.3.1功能设计302

7.3.2接口设计307

7.3.3软件介绍309

7.4决策融合诊断软件设计与实现316

7.4.1功能设计316

7.4.2接口设计316

7.4.3软件介绍316

7.5故障管理统计软件设计与实现318

7.5.1功能设计318

7.5.2数据结构319

7.5.3接口设计320

7.5.4软件介绍320

7.6信息融合故障诊断平台案例仿真323

7.6.1仿真案例323

7.6.2诊断准确度统计333

参考文献334