《慣性測量組合智慧型故障診斷及預測技術》是2017年國防工業出版社出版的圖書，作者是王宏力、何星、陸敬輝、姜偉、馮磊。
基本介紹
- 中文名：慣性測量組合智慧型故障診斷及預測技術
- 作者：王宏力、何星、陸敬輝、姜偉、馮磊
- ISBN：9787118112511
- 頁數：226頁
- 定價：69元
- 出版社：國防工業出版社
- 出版時間：2017年5月
- 裝幀：平裝
- 開本：16開
內容簡介,圖書目錄,
內容簡介
《慣性測量組合智慧型故障診斷及預測技術》以作者及團隊近10年來在慣性導航和故障診斷等方面從事學術、科研和教學工作中的成果為基礎。主要針對慣性導航系統關鍵部件一一慣性測量組合的故障診斷與預測技術總結歸納加工而成。
《慣性測量組合智慧型故障診斷及預測技術》內容新穎，突出理論創新和套用，適合從事慣性測量組合等複雜機電系統狀態監測與故障診斷、故障預測及健康管理、維護工作的工程技術人員和研究人員參考、閱讀，也可作為高等院校自動化系統工程、可靠性工程等相關專業的研究生教材。
圖書目錄
第1章 緒論
1．1 引言
1．2 故障診斷方法概述
1．2．1 故障診斷的概念
1．2．2 基於多信號模型的故障診斷研究現狀
1．2．3 基於人工智慧的模擬電路故障診斷研究現狀
1．3 故障預測方法概述
1．4 剩餘壽命估計方法概述
1．4．1 基於機理模型的剩餘壽命估計方法
1．4．2 數據驅動的剩餘壽命估計方法
1．4．3 剩餘壽命估計在預測維護中的套用
1．5 慣性測量組合
1．5．1 慣性導航的基本原理
1．5．2 慣性測量組合的組成
1．5．3 慣性測量組合的工作原理及功能
1．6 本書結構安排
參考文獻
第2章 多信號模型建模
2．1 引言
2．2 多信號建模理論與建模方法
2．2．1 多信號建模理論
2．2．2 多信號建模方法
2．3 測試性工程與維護系統（TEAMS）
2．3．1 TEAMS的功能與組成
2．3．2 基於TEAMS的測試性分析
2．3．3 基於TEAMS的故障診斷策略
2．4 慣性測量組合多信號模型的構建
2．4．1 建模原則
2．4．2 本體多信號建模
2．4．3 電子箱多信號建模
2．4．4 二次電源多信號建模
2．4．5 模型合成及屬性設定
2．5 慣性測量組合測試性分析與改進
2．5．1 測試點的選取及測試設定
2．5．2 慣性測量組合固有測試性分析
2．5．3 改進測試性分析
2．6 小結
參考文獻
第3章 基於計算智慧型的慣性測量組合診斷策略最佳化
3．1 引言
3．2 測試集最佳化方法
3．2．1 測試集最佳化的數學描述
3．2．2 測試性指標
3．2．3 粒子群最佳化算法概述
3．2．4 基於多維並行免疫離散粒子群最佳化算法的IMU測試集最佳化
3．2．5 基於多維動態翻轉離散粒子群算法的IMU測試集最佳化
3．3 診斷策略最佳化方法
3．3．1 慣性測量組合故障樹的構建
3．3．2 慣性測量組合故障樹診斷策略最佳化
3．3．3 基於蟻群算法最佳化的慣性測量組合相關矩陣診斷策略
3．4 小結
參考文獻
第4章 基於人工智慧方法的慣．陸測量組合模擬電路故障診斷
4．1 引言
4．2 基於人工神經網路的模擬電路故障診斷
4．2．1 神經網路的故障診斷能力
4．2．2 徑向基函式神經網路
4．2．3 基於遺傳RBF網路的慣性測量組合模擬電路故障診斷
4．2．4 基於經驗模式分解和神經網路的IMU模擬電路故障診斷
4．3 基於支持向量機的模擬電路故障診斷
4．3．1 支持向量機基本理論
4．3．2 層次聚類LSSVM多分類算法
4．3．3 基於層次聚類LSSVM的慣性測量組合模擬電路故障診斷
4．3．4 基於故障殘差和SVM的慣性測量組合模擬電路故障診斷
4．4 基於極端學習機的模擬電路故障診斷
4．4．1 ELM基本理論
4．4．2 基於優選小波包和ELM的模擬電路故障診斷
4．4．3 基於固定尺寸序貫極端學習機的模擬電路線上故障診斷
4．5 基於信息融合的模擬電路故障診斷
4．5．1 信息融合的級別
4．5．2 基於特徵級信息融合的故障診斷
4．5．3 基於回響曲線有效點的特徵提取方法
4．5．4 改進的模糊聚類特徵壓縮算法
4．5．5 診斷實例
4．6 小結
參考文獻
第5章 基於數據驅動的慣性測量組合智慧型故障預測
5．1 引言
5．2 基於數據驅動的故障預測方法
5．3 基於支持向量機的慣性測量組合故障預測
5．3．1 最小二乘支持向量機回歸
5．3．2 基於EMD-LSSVM的故障預測方法
5．3．3 基於進化交叉驗證與直接支持向量機回歸的故障預測方法
5．4 基於極端學習機的慣性測量組合故障預測
5．4．1 基於極端學習機的慣性測量組合多尺度混合預測方法
5．4．2 基於改進集合線上序貫極端學習機的慣性測量組合故障預測
5．5 基於小樣本條件下的慣性測量組合故障預測
5．5．1 結構自適應序貫正則極端學習機
5．5．2 實例驗證
5．6 小結
參考文獻
第6章 基於退化過程建模的慣性測量組合剩餘壽命線上估計
6．1 引言
6．2 基於半隨機濾波和EM算法的剩餘壽命線上估計
6．2．1 問題描述
6．2．2 基於半隨機濾波的估計模型
6．2．3 參數線上估計算法
6．2．4 慣性測量組合剩餘壽命估計的仿真試驗
6．3 基於隱含線性退化過程建模的剩餘壽命線上估計
6．3．1 狀態空間模型與剩餘壽命估計
6．3．2 參數估計
6．3．3 慣性測量組合剩餘壽命估計的仿真試驗
6．4 基於隱含非線性退化過程建模的剩餘壽命線上估計
6．4．1 問題描述與剩餘壽命估計
6．4．2 參數線上估計算法
6．4．3 慣性測量組合剩餘壽命預測的仿真試驗
6．5 小結
參考文獻
第7章 基於可變成本的MU實時預測維護與備件訂購
7．1 引言
7．2 第一種基於可變成本的預測維護模型的構建
7．2．1 長期運行成本方差
7．2．2 預測維護決策目標函式
7．3 第二種基於可變成本的預測維護模型的構建
7．3．1 長期運行成本方差
7．3．2 預測維護決策目標函式
7．4 備件訂購模型的構建
7．5 慣性測量組合預測維護的仿真試驗
7．5．1 問題描述
7．5．2 試驗結果
7．6 小結
參考文獻
