《故障智慧型診斷系統的理論與方法》是2001年冶金工業出版社出版的圖書，作者是王道平、張義忠。
基本介紹
內容簡介,作者簡介,目錄,
內容簡介
本書較為系統地闡述了故障智慧型診斷技術發展簡況、現狀以及作者近年來在該領域的研究成果。全書包括：緒論、故障智慧型診斷系統的理論基礎、故障智慧型診斷系統知識獲取和表示方法、故障智慧型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慧型診斷系統中的套用、人工神經網路模型、全局最佳化方法研究、BP算法的改進方法、人工神經網路與專家系統結合方法的研究、神經網路與專家系統的結合在飛彈故障診斷系統中的套用、基於信息融合的神經網路、故障智慧型診斷系統中機器學習問題的研究、面向對象的故障智慧型診斷系統平台等。
本書供從事自然科學、工程技術等領域的科技人員閱讀，也可供大專院校有關專業的師生參考。
本書供從事自然科學、工程技術等領域的科技人員閱讀，也可供大專院校有關專業的師生參考。
作者簡介
王道平，男，1964年7月生。1989年在清華大學計算機系獲碩士學位，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。近年來在人工智慧、故障診
目錄
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 故障智慧型診斷系統發展的現狀
1.4 故障智慧型診斷系統的發展趨勢
2 故障智慧型診斷系統的理論基礎
2.1 故障智慧型診斷系統的概念
2.2 故障智慧型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 故障智慧型診斷系統知識獲取和表示方法
3.1 故障智慧型診斷系統中知識的分類
3.2 故障智慧型診斷系統中知識的獲取方法
3.3 故障智慧型診斷系統中知識的表示方法
3.4 本章小結
4 故障智慧型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 故障智慧型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套用
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慧型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 神經網路模型
6.1 神經網路的發展和套用
6.2 神經元模型
6.3 基於神經網路的學習方式
6.4 神經網路模型
6.5 多層前饋神經網路
6.6 霍普菲爾德(Hopfield)神經網路
6.7 自組織神經網路
6.8 海明(Hamming)神經網路
6.9 自適應共振理論
6.10 本章小結
7 全局最佳化方法研究
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網路模型及快速算法
8.2 一種新的快速BP網路訓練算法
8.3 實驗結果分析
8.4 本章小結
9 人工神經網路與專家系統結合方法的研究
9.1 引言
9.2 專家系統與神經網路的特點
9.3 專家系統與神經網路結合的途徑和方法
9.4 本章小結
10 神經網路與專家系統的結合在飛彈故障診斷系統中的套用
10.1 引言
10.2 ANNES的結構
10.3 基於ANNES的飛彈故障診斷系統的實現
10.4 基於模糊推理和神經網路的飛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路
12 故障智慧型診斷系統中機器學習問題的研究
13 面向對象的故障智慧型診斷系統平台
參考文獻
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 故障智慧型診斷系統發展的現狀
1.4 故障智慧型診斷系統的發展趨勢
2 故障智慧型診斷系統的理論基礎
2.1 故障智慧型診斷系統的概念
2.2 故障智慧型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 故障智慧型診斷系統知識獲取和表示方法
3.1 故障智慧型診斷系統中知識的分類
3.2 故障智慧型診斷系統中知識的獲取方法
3.3 故障智慧型診斷系統中知識的表示方法
3.4 本章小結
4 故障智慧型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 故障智慧型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套用
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慧型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 神經網路模型
6.1 神經網路的發展和套用
6.2 神經元模型
6.3 基於神經網路的學習方式
6.4 神經網路模型
6.5 多層前饋神經網路
6.6 霍普菲爾德(Hopfield)神經網路
6.7 自組織神經網路
6.8 海明(Hamming)神經網路
6.9 自適應共振理論
6.10 本章小結
7 全局最佳化方法研究
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網路模型及快速算法
8.2 一種新的快速BP網路訓練算法
8.3 實驗結果分析
8.4 本章小結
9 人工神經網路與專家系統結合方法的研究
9.1 引言
9.2 專家系統與神經網路的特點
9.3 專家系統與神經網路結合的途徑和方法
9.4 本章小結
10 神經網路與專家系統的結合在飛彈故障診斷系統中的套用
10.1 引言
10.2 ANNES的結構
10.3 基於ANNES的飛彈故障診斷系統的實現
10.4 基於模糊推理和神經網路的飛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路
12 故障智慧型診斷系統中機器學習問題的研究
13 面向對象的故障智慧型診斷系統平台
參考文獻
