《航空發動機的智慧型診斷建模與預測方法》是2013年6月1日科學出版社出版的圖書，作者是李應紅、尉詢楷。
基本介紹
- 書名：航空發動機的智慧型診斷建模與預測方法
- 作者：李應紅、尉詢楷
- ISBN：9787030372239
- 頁數：354
- 定價：158.00
- 出版社：科學出版社
- 出版時間：2013年6月1日
- 裝幀：平裝
- 開本：16
內容簡介,圖書目錄,
內容簡介
預測與健康管理是對航空發動機和飛行器等複雜裝備（設備）保證運行（飛行）安全、減少維修保障費用、實施新型維修保障體制的支撐技術。以現代機器學習為基礎的數據挖掘方法和智慧型推理是從裝備運行信息（數據）得到裝備運行特性、健康狀況和發展態勢的重要工具，是近十多年預測與健康管理理論與套用研究的熱點和重點。《航空發動機的智慧型診斷建模與預測方法》總結、介紹了作者在航空發動機智慧型診斷、建模和預測方法研究中，以現代機器學習為核心或研究手段，所取得的一些研究成果。
《航空發動機的智慧型診斷建模與預測方法》可供航空發動機專業人員，飛機、艦船、燃氣輪機等其他裝備和設備專業技術人員，以及數據挖掘和機器學習等研究人員參考。
《航空發動機的智慧型診斷建模與預測方法》可供航空發動機專業人員，飛機、艦船、燃氣輪機等其他裝備和設備專業技術人員，以及數據挖掘和機器學習等研究人員參考。
圖書目錄
序
前言
第1章 緒論
1．1 航空發動機預測與健康管理概述
1．2 航空發動機診斷和預測方法及發展現狀
1．2．1 航空發動機診斷和預測的技術途徑及發展概況
1．2．2 航空發動機診斷和預測有代表性的數據挖掘方法
1．2．3 存在的主要問題
1．3 主要研究成果及本書章節安排
1．3．1 支持向量機方法及其套用
1．3．2 覆蓋機器學習理論及其套用
1．3．3 核多元統計方法及其套用
1．3．4 進化計算和免疫計算方法及其套用
1．3．5 本書章節安排
參考文獻
第2章 支持向量機方法及套用
2．1 支持向量機的基本算法
2．1．1 線性支持向量機
2．1．2 廣義線性支持向量機
2．1．3 支持向量的定義
2．1．4 核函式技巧與內積
2．1．5 非線性支持向量機
2．1．6 補充說明
2．2 支持向量機分類算法
2．2．1 C-SVM
2．2．2 ySVM
2．2．3 One-ClassSVM
2．2．4 LS-SVM
2．2．5 多類支持向量機方法
2．3 支持向量機回歸算法
2．3．1 數學描述
2．3．2 不敏感損失函式
2．3．3 回歸SVM
2．3．4 回歸LS-VM
2．3．5 稀疏回歸LS-SVM
2．3．6 線上回歸LS-SVM
2．4 支持向量機求解算法
2．4．1 塊算法
2．4．2 分解算法
2．4．3 順序最小最佳化方法
2．4．4 其他算法
2．5 支持向量機診斷理論套用
2．5．1 SVM分類算法套用模式
2．5．2 基於SVM的航空發動機故障診斷
2．5．3 基於SVM的AdaBoost故障診斷方法
2．6 支持向量機建模與預測理論及其套用
2．6．1 SVM回歸套用模型
2．6．2 基於SVM的航空發動機起動過程建模與套用
2．6．3 基於SVM的早期故障預示研究
2．6．4 基於LS-SVM的航空發動機動態過程建模
2．6．5 基於SVM的壓氣機低轉速特性建模
參考文獻
第3章 覆蓋機器學習理論及套用
3．1 覆蓋機器學習模型
3．1．1 覆蓋機器學習模型化
3．1．2 核學習機MEB等價表征
3．1．3 核學習機廣義MEB等價表征
3．1．4 核學習機與MEB關係性質
3．2 MEB核心集快速實現算法
3．2．1 最小MEB算法現狀
3．2．2 最優核心集MEB算法
3．2．3 嚴格核心集MEB算法
3．2．4 新算法理論分析
3．3 結構覆蓋分類學習機
3．3．1 理論背景
3．3．2 向量值分類SVM模型
3．3．3 結構覆蓋分類算法
3．3．4 結構覆蓋分類MEB核心集算法
3．3．5 實驗分析
3．4 結構覆蓋回歸學習機
3．4．1 向量值回歸SVM
3．4．2 L一向量值回歸SVM
3．4．3 Lz向量值回歸SVM
3．4．4 k向量值回歸SVM
3．4．5 結構覆蓋回歸算法
3．5 套用案例
3．5．1 航空發動機故障診斷套用
3．5．2 航空發動機起動過程多元回歸建模與仿真
參考文獻
第4章 核多元統計方法及套用
4．1 核主元分析故障檢測
4．1．1 核主元分析法
4．1．2 基於KIDCA模型的故障檢測
4．1 I3基於滑動視窗機制的自適應KPCA
4．1．4 基於滑動視窗機制的自適應KPCA故障檢測
4．2 基於核主元分析的故障識別方法研究
4．2．1 基於KPCA模型的數據重構方法
4．2．2 改進的基於KPCA模型的數據重構方法
4．2．3 基於KPcA模型數據重構方法的故障識別
4．2．4 基於貢獻率圖法的故障識別方法
4．3 基於粗糙核Fis}mr鑑別分析的故障特徵提取
4．3．1 粗糙集理論的屬性約簡
4．3．2 基於核Fisher鑑別分析的特徵提取
4．3．3 基於粗糙核Fisher鑑別分析的特徵提取
4．4 套用案例
4．4．1 基於KPCA的航空發動機故障檢測套用案例
4．4．2 基於自適應KPCA模型的故障檢測案例
4．4．3 基於貢獻率圖的故障識別套用案例
4．4．4 基於粗糙核Fisher鑑別分析的故障特徵提取套用案例
參考文獻
第5章 進化計算和人工免疫方法及套用
5．1 基於進化計算的特徵提取和動態過程建模
5．1．1 遺傳規劃的基本原理
5．1．2 基於遺傳規劃和線性鑑別分析的特徵提取模型
5．1．3 基於遺傳規劃的動態過程自動建模方法
5．2 基於克隆選擇原理的智慧型融合故障診斷
5．2．1 人工免疫系統原理
5．2．2 引入免疫識別機制的距離判別函式法
5．2．3 引入克隆選擇機理的模糊聚類分析
5．3 基於反面選擇機理的智慧型融合故障診斷
5．3．1 人工免疫系統的反面選擇機理
5．3．2 基於反面選擇機理的故障診斷方法
5．3．3 算法參數對故障檢測效果的影響分析
5．4 基於反面選擇機理的性能監控
5．4．1 反面選擇算法在性能監控中的套用途徑
5．4．2 基於反面選擇機理的發動機性能監控
5．4．3 狀態變數對樣本點異常程度的影響分析
5．4．4 基於系統異常機率模型的故障隔離
5．5 基於人工免疫網路的感測器故障診斷
5．5．1 人工免疫網路模型
5．5．2 學習向量量化與免疫網路的融合診斷
5．6 套用案例
5．6．1 基於遺傳規劃和線性鑑別分析的發動機滑油系統特徵提取
5．6．2 基於遺傳規劃的航空發動機起動過程自動建模套用
5．6．3 基於免疫識別的距離判別函式方法套用案例
5．6．4 基於免疫克隆選擇的模糊聚類方法套用案例
5．6．5 基於反面選擇的滾動軸承損傷故障檢測
5．6．6 基於反面選擇的性能監控套用案例
5．6．7 基於人工免疫網路的發動機感測器故障診斷
參考文獻
第6章 航空發動機PⅧⅥ數據挖掘問題及技術挑戰
6．1 典型數據挖掘問題
6．2 航空發動機PHM技術中的重大挑戰
參考文獻
前言
第1章 緒論
1．1 航空發動機預測與健康管理概述
1．2 航空發動機診斷和預測方法及發展現狀
1．2．1 航空發動機診斷和預測的技術途徑及發展概況
1．2．2 航空發動機診斷和預測有代表性的數據挖掘方法
1．2．3 存在的主要問題
1．3 主要研究成果及本書章節安排
1．3．1 支持向量機方法及其套用
1．3．2 覆蓋機器學習理論及其套用
1．3．3 核多元統計方法及其套用
1．3．4 進化計算和免疫計算方法及其套用
1．3．5 本書章節安排
參考文獻
第2章 支持向量機方法及套用
2．1 支持向量機的基本算法
2．1．1 線性支持向量機
2．1．2 廣義線性支持向量機
2．1．3 支持向量的定義
2．1．4 核函式技巧與內積
2．1．5 非線性支持向量機
2．1．6 補充說明
2．2 支持向量機分類算法
2．2．1 C-SVM
2．2．2 ySVM
2．2．3 One-ClassSVM
2．2．4 LS-SVM
2．2．5 多類支持向量機方法
2．3 支持向量機回歸算法
2．3．1 數學描述
2．3．2 不敏感損失函式
2．3．3 回歸SVM
2．3．4 回歸LS-VM
2．3．5 稀疏回歸LS-SVM
2．3．6 線上回歸LS-SVM
2．4 支持向量機求解算法
2．4．1 塊算法
2．4．2 分解算法
2．4．3 順序最小最佳化方法
2．4．4 其他算法
2．5 支持向量機診斷理論套用
2．5．1 SVM分類算法套用模式
2．5．2 基於SVM的航空發動機故障診斷
2．5．3 基於SVM的AdaBoost故障診斷方法
2．6 支持向量機建模與預測理論及其套用
2．6．1 SVM回歸套用模型
2．6．2 基於SVM的航空發動機起動過程建模與套用
2．6．3 基於SVM的早期故障預示研究
2．6．4 基於LS-SVM的航空發動機動態過程建模
2．6．5 基於SVM的壓氣機低轉速特性建模
參考文獻
第3章 覆蓋機器學習理論及套用
3．1 覆蓋機器學習模型
3．1．1 覆蓋機器學習模型化
3．1．2 核學習機MEB等價表征
3．1．3 核學習機廣義MEB等價表征
3．1．4 核學習機與MEB關係性質
3．2 MEB核心集快速實現算法
3．2．1 最小MEB算法現狀
3．2．2 最優核心集MEB算法
3．2．3 嚴格核心集MEB算法
3．2．4 新算法理論分析
3．3 結構覆蓋分類學習機
3．3．1 理論背景
3．3．2 向量值分類SVM模型
3．3．3 結構覆蓋分類算法
3．3．4 結構覆蓋分類MEB核心集算法
3．3．5 實驗分析
3．4 結構覆蓋回歸學習機
3．4．1 向量值回歸SVM
3．4．2 L一向量值回歸SVM
3．4．3 Lz向量值回歸SVM
3．4．4 k向量值回歸SVM
3．4．5 結構覆蓋回歸算法
3．5 套用案例
3．5．1 航空發動機故障診斷套用
3．5．2 航空發動機起動過程多元回歸建模與仿真
參考文獻
第4章 核多元統計方法及套用
4．1 核主元分析故障檢測
4．1．1 核主元分析法
4．1．2 基於KIDCA模型的故障檢測
4．1 I3基於滑動視窗機制的自適應KPCA
4．1．4 基於滑動視窗機制的自適應KPCA故障檢測
4．2 基於核主元分析的故障識別方法研究
4．2．1 基於KPCA模型的數據重構方法
4．2．2 改進的基於KPCA模型的數據重構方法
4．2．3 基於KPcA模型數據重構方法的故障識別
4．2．4 基於貢獻率圖法的故障識別方法
4．3 基於粗糙核Fis}mr鑑別分析的故障特徵提取
4．3．1 粗糙集理論的屬性約簡
4．3．2 基於核Fisher鑑別分析的特徵提取
4．3．3 基於粗糙核Fisher鑑別分析的特徵提取
4．4 套用案例
4．4．1 基於KPCA的航空發動機故障檢測套用案例
4．4．2 基於自適應KPCA模型的故障檢測案例
4．4．3 基於貢獻率圖的故障識別套用案例
4．4．4 基於粗糙核Fisher鑑別分析的故障特徵提取套用案例
參考文獻
第5章 進化計算和人工免疫方法及套用
5．1 基於進化計算的特徵提取和動態過程建模
5．1．1 遺傳規劃的基本原理
5．1．2 基於遺傳規劃和線性鑑別分析的特徵提取模型
5．1．3 基於遺傳規劃的動態過程自動建模方法
5．2 基於克隆選擇原理的智慧型融合故障診斷
5．2．1 人工免疫系統原理
5．2．2 引入免疫識別機制的距離判別函式法
5．2．3 引入克隆選擇機理的模糊聚類分析
5．3 基於反面選擇機理的智慧型融合故障診斷
5．3．1 人工免疫系統的反面選擇機理
5．3．2 基於反面選擇機理的故障診斷方法
5．3．3 算法參數對故障檢測效果的影響分析
5．4 基於反面選擇機理的性能監控
5．4．1 反面選擇算法在性能監控中的套用途徑
5．4．2 基於反面選擇機理的發動機性能監控
5．4．3 狀態變數對樣本點異常程度的影響分析
5．4．4 基於系統異常機率模型的故障隔離
5．5 基於人工免疫網路的感測器故障診斷
5．5．1 人工免疫網路模型
5．5．2 學習向量量化與免疫網路的融合診斷
5．6 套用案例
5．6．1 基於遺傳規劃和線性鑑別分析的發動機滑油系統特徵提取
5．6．2 基於遺傳規劃的航空發動機起動過程自動建模套用
5．6．3 基於免疫識別的距離判別函式方法套用案例
5．6．4 基於免疫克隆選擇的模糊聚類方法套用案例
5．6．5 基於反面選擇的滾動軸承損傷故障檢測
5．6．6 基於反面選擇的性能監控套用案例
5．6．7 基於人工免疫網路的發動機感測器故障診斷
參考文獻
第6章 航空發動機PⅧⅥ數據挖掘問題及技術挑戰
6．1 典型數據挖掘問題
6．2 航空發動機PHM技術中的重大挑戰
參考文獻
