模式識別與狀態監控

《模式識別與狀態監控》是溫熙森編著的關於模式識別與狀態監控的理論與技術的書籍。

基本介紹

• 書名：模式識別與狀態監控
• 作者：溫熙森
• ISBN：9787030200655
• 頁數：448
• 定價：￥46.00
• 出版社：科學出版社
• 出版時間： 2007年10月1日
• 裝幀：平裝

基本信息

作者: 溫熙森

ISBN: 9787030200655

頁數: 448

定價: ￥46.00

出版社: 科學出版社

裝幀: 平裝

出版日期: 2007年10月1日

圖書簡介

狀態監控是提高設備(過程)運行的可靠性、安全性、產品質量，減少生產與使用中的維護費用的重要技術手段。狀態監控為提高系統的可靠性和可維修性開闢了一條嶄新的途徑，而模式識別技術是狀態監控(故障檢測)的重要理論基礎之一。本書在討論狀態監控基本內涵與體系結構、狀態監控方法、模式識別理論等基本概念的基礎上，簡要回顧了設備狀態感知技術、狀態信號描述與處理技術；重點論述了狀態模式特徵表達、提取與選擇、模式識別與分類的若干模型與方法；結合各章的理論與技術，給出了多個狀態監控的套用案例，並簡要分析了狀態監控技術與系統的發展趨勢。

本書可作為機械電子工程專業研究生教材，也可供高等院校相關專業高年級本科生和教師參考。

圖書目錄

第一部分 狀態監控體系概述

第一章 狀態監控的基本內涵與體系結構

1.1 狀態監控的基本概念

1.2 狀態監控的起源與發展概況

1.3 狀態監控任務的要素與組成

1.4 狀態監控系統實施路徑

習題

參考文獻

第二章 狀態監控方法概述

2.1 引言

2.2 經典統計模式識別

2.3 模糊識別系統

2.4 決策樹與專家系統

2.5 神經網路識別模型

2.6 支持向量機分類模型

2.7 狀態監控相關支撐技術

習題

參考文獻

第三章 狀態監控的評價、術語與標準

3.1 狀態監控方法評價

3.2 相關的概念與術語

3.3 狀態監控的標準化問題

習題

參考文獻

第四章 模式識別理論的基本概念

4.1 模式識別的概念

4.2 模式識別系統

4.3 模式識別方法

4.4 模式識別和人工智慧的關係

4.5 機器學習理論與方法概述

4.6 機械系統狀態監控與識別的特點及要求

習題

參考文獻

第二部分 狀態感知與特徵提取

第五章 設備狀態現代感知技術

5.1 設備狀態的主要信號及其分類

5.2 現代感測器技術發展概述

5.3 微感測器技術

5.4 集成化智慧型感測器

5.5 智慧型材料與結構

5.6 無線感測器網路技術

5.7 虛擬儀器技術

5.8 本章小結

習題

參考文獻

第六章 狀態信號描述與處理

6.1 信號時域描述與處理方法

6.2 信號頻域描述與處理方法

6.3 時間一頻率域和時間一尺度域描述與處理方法

6.4 信號高階統計量描述方法

6.5 微弱特徵信號提取方法

6.6 信號分解與提取的現代方法

習題

參考文獻

第七章 狀態模式特徵生成、選擇與提取

7.1 特徵生成

7.2 特徵選擇與特徵提取

7.3 特徵化問題在機械狀態監控中的套用

7.4 本章小結

習題

參考文獻

第三部分 故障模式識別與分類決策

第八章 貝葉斯決策理論與技術

8.1 引言

8.2 貝葉斯分類決策模型

8.3 貝葉斯分類決策的誤差及估計

8.4 貝葉斯分類器的學習訓練

8.5 貝葉斯置信網簡介

8.6 貝葉斯決策套用實例??銑削顫振線上識別

8.7 本章小結

習題

參考文獻

第九章 線性分類器與非線性分類器

9.1 引言

9.2 線性判別函式的基本概念

9.3 感知準則函式

9.4 最小均方誤差準則

9.5 Fisher線性判決

9.6 套用實例 線性分類器在刀具狀態監控中的套用

9.7 非線性分類器概述

9.8 分段線性分類器

9.9 二次型非線性分類器

9.10 基於位勢函式的非線性分類器

習題

參考文獻

第十章 聚類分析

10.1 引言

10.2 模式相似性測度

10.3 聚類準則

10.4 聚類方法

10.5 快速動態聚類算法

10.6 聚類分析、貝葉斯分類決策套用實例

10.7 本章小結

習題

參考文獻

第十一章 基於模糊理論的識別方法

11.1 引言

11.2 模糊集理論簡介

11.3 模糊識別信息的獲取

11.4 模糊綜合評判

11.5 模糊識別算法

11.6 模糊聚類分析

11.7 柔性加工單元故障診斷的模糊綜合決策

11.8 本章小結

習題

參考文獻

第十二章 神經網路分類器

12.1 神經網路概述

12.2 多層感知器及BP學習算法

12.3 自組織神經網路

12.4 Hopfield神經網路

12.5 自適應共振理論

12.6 套用實例

12.7 本章小結

習題

參考文獻

第十三章 支持向量機分類器

13.1 引言

13.2 統計學習理論

13.3 支持向量機

13.4 支持向量機的套用

13.5 本章小結

習題

參考文獻

第十四章 融合識別理論與方法

14.1 融合識別概述

14.2 融合系統的功能結構和融合算法分類

14.3 信息融合的熵理論

14.4 觀測不相關的分散式最小損失準則下的檢測與決策融合

14.5 觀測相關的決策融合

14.6 DS證據理論融合算法

14.7 融合識別算法在機械動力傳動系統故障診斷中的套用

習題

參考文獻

第十五章 基於粗糙集理論的識別與仿生識別方法

15.1 粗糙集理論及其在模式識別中的套用

15.2 仿生模式識別

習題

參考文獻

第四部分 套用案例與發展趨勢簡析

第十六章 船舶動力裝置狀態監測與故障診斷系統

16.1 動力裝置的結構與組成

16.2 系統組成及功能概述

16.3 動力裝置運行狀態特徵分析與提取

16.4 貝葉斯決策理論在狀態分類中的套用

16.5 無完整知識的運行狀態統計決策規則

16.6 模糊分析在狀態分析中的套用

16.7 神經網路模型在故障綜合決策中的套用

參考文獻

第十七章 直升機健康與使用監控系統

17.1 概述

17.2 直升機健康與使用監控系統的構成與功能

17.3 健康與使用監控系統涉及的主要技術

17.4 健康與使用監控系統的特點分析

17.5 健康與使用監控系統案例

17.6 本章小結

參考文獻

第十八章 狀態監控的綜合發展概述

18.1 狀態監控技術及套用的發展

18.2 狀態監控與相關技術的綜合發展

18.3 需求牽引推動狀態監控技術不斷發展

參考文獻

附錄一 IRIS分類數據

附錄二 縮寫詞說明