《基於免疫機理和神經網路的智慧型故障診斷方法》是2021年科學出版社出版的圖書。
基本介紹
- 中文名：基於免疫機理和神經網路的智慧型故障診斷方法
- 作者：鄭永煌,樊忠澤
- 出版時間：2021年
- 出版社：科學出版社
- ISBN：9787030668851
- 類別：計算機、網路
- 開本：16 開
- 裝幀：平裝
內容簡介,圖書目錄,
內容簡介
《基於免疫機理和神經網路的智慧型故障診斷方法》詳細闡述了基於免疫機理和神經網路的兩種智慧型故障診斷新方法，主要包括基於免疫網路模型的改進的故障診斷算法、與粗糙集理論相結合的免疫網路故障診斷算法、基於量子超球神經網路的故障檢測方法和基於雲神經網路的故障診斷方法等8種方法。《基於免疫機理和神經網路的智慧型故障診斷方法》思路清晰、內容豐富、安排合理，各章相對獨立，有利於讀者學習參考。《基於免疫機理和神經網路的智慧型故障診斷方法》在重點闡述思想方法的基礎上，追求對工程實踐的指導性，力求使讀者在較短的時間內學習掌握這些智慧型故障診斷新方法，並能在實際工程中熟練套用。
圖書目錄
前言
第1章 緒論 1
1.1 故障診斷基本原理與方法 1
1.1.1 故障診斷重要意義 1
1.1.2 故障診斷基本原理 2
1.1.3 故障診斷基本方法 2
1.2 智慧型故障診斷方法發展現狀 3
1.2.1 單一智慧型故障診斷方法 3
1.2.2 集成智慧型故障診斷方法 5
1.2.3 智慧型故障診斷方法當前存在的主要問題 5
1.3 基於免疫機理的故障診斷理論基礎 6
1.3.1 故障診斷的免疫學基礎 6
1.3.2 基於免疫機理的故障診斷基本思想 14
1.3.2 基於免疫機理的故障診斷方法研究現狀 18
1.4 基於神經網路的故障診斷理論基礎 19
1.4.1 故障診斷的神經生物學基礎 19
1.4.2 基於神經網路的故障診斷基本思想 25
1.4.3 基於神經網路的故障診斷方法研究現狀 29
第2章 基於免疫網路模型的改進的故障診斷算法 31
2.1 概述 31
2.2 基於免疫網路模型的傳統的故障診斷算法 32
2.3 基於免疫網路模型的改進的故障診斷算法 34
2.4 仿真實驗 38
2.4.1 實驗過程及結果 38
2.4.2 實驗結果分析 39
2.4.3 實驗結果對比分析 39
2.4.4 關於算法中三個係數值的選擇 42
2.5 本章小結 5
第3 章 與粗糙集理論相結合的免疫網路故障診斷算法 55
3.1 概述 55
3.2 粗糙集理論 56
3.3 粗糙集理論在免疫網路算法中的套用分析 58
3.4 基於粗糙集理論的免疫網路故障診斷算法 59
3.4.1 剪枝門限與漏診和誤診的關係 59
3.4.2 模式空間的鄰域粗糙逼近 60
3.4.3 剪枝門限自適應調整算法 61
3.5 仿真實驗 62
3.5.1 實驗結果分析 62
3.5.2 實驗結果對比分析 63
3.6 本章小結 69
第4章 基於免疫機理的可重構算法 70
4.1 概述 70
4.2 診斷規則可重構算法設計 70
4.3 研究對象與重構依據 72
4.3.1 研究對象 72
4.3.2 診斷規則重構依據 73
4.4 仿真實驗 74
4.4.1 診斷規則重構算例 75
4.4.2 診斷規則重構計算步驟 76
4.4.3 實驗結果分析 77
4.5 本章小結 78
第5章 基於徑向基函式神經網路的故障檢測方法 79
5.1 概述 79
5.2 一種改進的RBF神經網路 80
5.2.1 RBF神經網路簡介 80
5.2.2 RBF神經網路的學習過程 81
5.2.3 改進的RBF神經網路隱含層自適應生成算法 82
5.3 基於改進的RBF神經網路的推進系統低頻數據故障檢測方法 83
5.3.1 基於RBF神經網路非線性辨識的故障檢測方法 83
5.3.2 基於RBF神經網路模式識別的故障檢測方法 84
5.4 YF-75 推進系統的故障檢測仿真實驗 84
5.4.1 問題描述 84
5.4.2 數據準備 85
5.4.3 仿真模型 85
5.4.4 參數選取 87
5.4.5 結果分析 87
5.5 某運載火箭推進系統故障檢測仿真實驗 90
5.5.1 問題描述 90
5.5.2 數據準備 91
5.5.3 仿真模型 91
5.5.4 參數選取 93
5.5.5 結果分析 94
5.6 YF-75 推進系統熱試車故障檢測仿真實驗 105
5.6.1 問題描述 105
5.6.2 數據準備 105
5.6.3 仿真模型 105
5.6.4 參數選取 106
5.6.5 結果分析 106
5.7 故障檢測方法的性能分析 110
5.8 本章小結 113
第6章 基於量子超球神經網路的故障檢測方法 114
6.1 概述 114
6.2 量子超球神經網路 116
6.2.1 量子超球神經網路的建立 116
6.2.2 量子超球神經網路的學習算法 118
6.3 基於量子超球神經網路的推進系統振動故障檢測方法 120
6.4 YF-75 推進系統試車振動故障檢測 122
6.4.1 問題描述 122
6.4.2 數據準備 122
6.4.3 結果分析 123
6.5 本章小結 127
第7章 基於模糊超球集神經網路的故障診斷方法 128
7.1 概述 128
7.2 基於模糊超球集神經網路的故障診斷方法 129
7.2.1 方法概述 129
7.2.2 基於超球的樣本空間劃分 130
7.2.3 基於超球的模糊規則拓展 131
7.2.4 基於模糊超球集神經網路的模糊規則集實現 132
7.3 套用模糊超球集神經網路的若干問題 133
7.3.1 基於拓展規則集的模糊相等 134
7.3.2 基於拓展規則集的模糊匹配 134
7.3.3 去模糊化處理 135
7.3.4 診斷邏輯 136
7.4 基於模糊超球集神經網路的故障診斷仿真 136
7.4.1 問題描述 136
7.4.2 數據準備 137
7.4.3 參數選取 138
7.4.4 結果分析 139
7.5 本章小結 148
第8章 基於機率超球集神經網路的故障診斷方法 150
8.1 概述 150
8.2 基於機率超球集神經網路的故障診斷方法 150
8.2.1 方法概述 150
8.2.2 機率規則的改進 151
8.2.3 基於機率超球集神經網路的機率規則集實現 152
8.3 與Bayes分類器的等價性分析 153
8.4 套用機率超球集神經網路的兩個問題 155
8.4.1 機率規則集改進後的相等判別 155
8.4.2 診斷邏輯 155
8.5 基於機率超球神經網路的故障診斷仿真 156
8.5.1 問題描述 156
8.5.2 數據準備 156
8.5.3 參數選取 157
8.5.4 結果分析 157
8.6 本章小結 167
第9章 基於雲神經網路的故障診斷方法 168
9.1 概述 168
9.2 雲模型 168
9.2.1 雲的基本概念 168
9.2.2 雲的數字特徵 169
9.2.3 正態雲模型 169
9.2.4 雲發生器 170
9.3 一種改進的一維逆向雲算法 171
9.4 基於雲神經網路的故障診斷方法 171
9.4.1 雲神經網路的提出 171
9.4.2 雲神經網路故障診斷方法 174
9.4.3 故障檢測算法 174
9.5 基於雲神經網路的故障診斷仿真 175
9.5.1 問題描述 175
9.5.2 數據準備 175
9.5.3 結果分析 177
9.6 本章小結 188
參考文獻 189
