更新时间:2018-12-29 09:10:22
封面
版权信息
前言
第1章 工业装备健康状态诊断方法论述
1.1 引言
1.2 粗糙集理论
1.3 神经网络
1.4 支持向量机
1.5 小波分析
1.6 工业装备健康状态诊断
1.7 全书概况
参考文献
第2章 基于灰色粗糙集的二阶段数据预处理
2.1 引言
2.2 基于灰色粗糙集的二阶段数据预处理方法
2.3 健康状态诊断中的特征参数提取
2.4 提取滚动轴承故障特征的仿真实验
2.5 结束语
第3章 基于遗传神经网络的健康状态诊断模型
3.1 引言
3.2 遗传算法与BP神经网络的结合
3.3 学习算子设计与改进
3.4 遗传神经网络健康状态诊断算法
3.5 健康状态诊断的仿真实验
3.6 结束语
第4章 基于粒子群优化BP神经网络的亚健康识别
4.1 引言
4.2 粒子群算法概述
4.3 粒子群算法的改进
4.4 粒子群优化BP神经网络算法
4.5 亚健康及D-S证据理论的引入
4.6 健康状态诊断的仿真实验
4.7 结束语
第5章 基于机器学习的装备健康度评估
5.1 引言
5.2 模糊集理论
5.3 健康状态的等级划分
5.4 隶属度到健康度的映射关系模型
5.5 健康状态诊断的仿真实验
5.6 结束语
第6章 基于改进蚁群算法优化支持向量机参数的健康状态分类
6.1 引言
6.2 改进蚁群算法对支持向量机的优化过程
6.3 仿真实验及结果分析
6.4 结束语
第7章 基于概率神经网络的轴承健康状态诊断
7.1 引言
7.2 健康度定义
7.3 模型选择
7.4 仿真实验及结果分析
7.5 结束语
第8章 基于小波分析的健康状态检测
8.1 引言
8.2 脉冲小波
8.3 脉冲小波分析方法
8.4 能量谱分析方法
8.5 健康状态诊断仿真实验
8.6 结束语
第9章 势能函数健康状态识别分类算法的研究与应用
9.1 引言
9.2 势能函数
9.3 势能函数实现健康状态多分类
9.4 基于势能函数分类算法的健康状态诊断
9.5 结束语
第10章 基于高斯混合模型EM算法的健康状态识别方法
10.1 引言
10.2 高斯混合模型的基本思想
10.3 基于高斯混合模型EM算法的设计与实现
10.4 仿真实验与结果
10.5 结束语
第11章 不完整数据集的区间重构
11.1 引言
11.2 不完整数据集的处理
11.3 区间限定的必要性
11.4 不完整数据集的预分类
11.5 区间重构的流程
11.6 结束语
第12章 基于区间重构的不完整数据集混杂聚类算法研究
12.1 引言
12.2 区间FCM聚类算法
12.3 不完整数据集的粒子群模糊C均值混杂算法
12.4 基于区间重构的不完整数据集混杂算法
12.5 仿真案例及分析
12.6 结束语
反侵权盗版声明