故障智能診斷系統(tǒng)的理論與方法

1　緒論
　1.1　設備故障診斷技術的發(fā)展歷史　
　1.2　故障診斷的方法綜述
　1.3　故障智能診斷系統(tǒng)發(fā)展的現(xiàn)狀
　1.4　故障智能診斷系統(tǒng)的發(fā)展趨勢
2　故障智能診斷系統(tǒng)的理論基礎　
　2.1　故障智能診斷系統(tǒng)的概念
　2.2　故障智能診斷系統(tǒng)的一般結構
　2.3　不確定性系統(tǒng)科學一般理論　
　2.4　本章小結　
3　故障智能診斷系統(tǒng)知識獲取和表示方法
　3.1　故障智能診斷系統(tǒng)中知識的分類　
　3.2　故障智能診斷系統(tǒng)中知識的獲取方法
　3.3　故障智能診斷系統(tǒng)中知識的表示方法
　3.4　本章小結　　
4　故障智能診斷系統(tǒng)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　故障智能診斷系統(tǒng)中的不確定性推理
　4.4　本章小結　　
5　面向?qū)ο蠹夹g在故障智以診斷系統(tǒng)中的應用
　5.1　面向?qū)ο蟮乃枷牒头椒▽W
　5.2　面向?qū)ο蠹夹g對故障智能診斷系統(tǒng)的適宜性研究
　5.3　面向?qū)ο蟮脑\斷知識表示方法研究
　5.4　面向?qū)ο蟮脑\斷推理方法
　5.5　本章小結　　
6　神經(jīng)網(wǎng)絡模型　
　6.1　神經(jīng)網(wǎng)絡的發(fā)展和應用
　6.2　神經(jīng)元模型
　6.3　基于神經(jīng)網(wǎng)絡的學習方式　
　6.4　神經(jīng)網(wǎng)絡模型
　6.5　多層前饋神經(jīng)網(wǎng)絡
　6.6　霍普菲爾德（Hopfield）神經(jīng)網(wǎng)絡
　6.7　自組織神經(jīng)網(wǎng)絡
　6.8　海明（Hamming）神經(jīng)網(wǎng)絡
　6.9　自適應共振理論　
　6.10　本章小結　
7　全局優(yōu)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(tài)自適應BP網(wǎng)絡模型及快速算法
　8.2　一種新的快速BP網(wǎng)絡訓練算法
　8.3　實驗結果分析
　8.4　本章小結　　
9　人工神經(jīng)網(wǎng)絡與專家系統(tǒng)結合方法的研究
　9.1　引言
　9.2　專家系統(tǒng)與神經(jīng)網(wǎng)絡的特點
　9.3　專家系統(tǒng)與神經(jīng)網(wǎng)絡結合的途徑和方法
　9.4　本章小結　
10　神經(jīng)網(wǎng)絡與專家系統(tǒng)的結合在導彈故障診斷系統(tǒng)中的應用　
　10.1　引言
　10.2　ANNES的結構
　10.3　基于ANNES的導彈故障診斷系統(tǒng)的實現(xiàn)　
　10.4　基于模糊推理和神經(jīng)網(wǎng)絡的導彈系統(tǒng)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　基于信息融合的神經(jīng)網(wǎng)絡　
12　故障智能診斷系統(tǒng)中機器學習問題的研究　
13　面向?qū)ο蟮墓收现悄茉\斷系統(tǒng)平臺　
參考文獻