本书较系统地论述了故障知识处理、故障征兆信号提取方法和神经网络、模糊理论与专家系统等人工智能理论,以及神经网络、模糊理论和专家系统等人工智能理论融合成的智能诊断系统在复杂工业设备故障诊断中的应用。
本书适合作为高等学校热能工程、动力工程、机电工程、控制工程以及冶金工程等专业的研究生或高年级本科生的教材,也可供热能工程、动力工程、机电工程、控制工程以及冶金工程等领域从事设备监测与诊断、维修的科研工作与工程技术人员参考。

(6)根据实际工程的需要,开发出实用的工程故障诊断系统软件,使我国自动控制系统向高可靠性发展。
1.4 智能故障诊断技术未来发展的相关新技术
人工智能在故障诊断领域的应用,实现了基于人类专家经验知识的设备故障诊断技术,并且将其提高到一个新的水平——智能化诊断水平。
1.4.1 机器学习
对于机器学习,目前众说纷坛。一般认为,学习是一个有特定目的的知识获取过程,从学习的内在行为看,是从未知到知的过程,是知识增加和积累经验的过程;从外在表现看,学习是使系统改进性能、适应环境,使其在下一次完成同样的或类似的任务时��前一次更有效。
当前机器学习已成为人工智能的核心,它的应用遍及人工智能的各个领域,特别是专家系统、模式识别、计算机视觉等。学习是一切智能行为的基础,但是现存的智能系统都普遍缺乏学习的能力。例如,当它们遇到错误时,不能自我改正;它们不会通过经验改善自身的性能,它们不能自动产生合理的启发式方法和推理策略;它们的推理只限于演绎而缺乏归纳,因此它们至多能够证明已存在的事实、定理,而不能发现新的定律、定理。为了克服这些局限性,人工智能不得不求助于机器学习。
因为通过机器学习,智能系统往往可以克服知识获取瓶颈问题、知识脆弱性问题,克服知识库过于庞大和非结构性问题、求解方法单一问题以及系统直觉判断能力差的问题。
1.4.2 智能计算机
所谓智能计算机就是用来模拟、延伸、扩展人类智能的一种新型计算机。它与目前人们使用的冯?诺伊曼型计算机相比,无论在体系结构、运行模式还是功能上都有本质的不同。传统的冯?诺伊曼型计算机虽然在科学与工程计算、工程控制与现代化管理等领域取得了惊人成就,极大地推动了人类社会与科学技术的发展与进步,但与人脑相比,冯?诺伊曼型计算机存在着如下一些局限性:
(1)冯?诺伊曼型计算机的数据处理与存储是完全分离的,在处理器与存储器之间仅仅通过一条狭窄的通道逐字地交换数据,与大脑中记忆与思维合一及信息分布的方式不一致,不能满足模拟人类记忆与思维的需要。
(2)目前计算机的工作方式不是像串行与并行共存且以并行为主的人的思维过程一样,而是顺序的、串行的,它们所能执行的算法都是串行算法。当需要计算机求解问题时,必须事先用某种程序设计语言编制程序,具体地指出先做什么,后做什么以及怎样做,计算机只能按程序规定的次序顺序地执行,只能完成程序指定的工作。 在复杂工业系统中,某一关键设备因为故障而无法继续运行,往往会波及整个生产流程的进行,而恢复整个生产流程的正常运行需要花费很长的时间,这将会造成巨大的经济损失。良好的智能故障诊断系统能通过复杂工业设备大量的运行状态信息对其进行实时故障诊断及报警,这将有利于操作人员及时地采取相应的调整措施来提高复杂工业设备运行状态的可靠性和**性。
故障诊断技术是以可靠性理论、信息论、控制论和系统论为理论基础,以现代测试仪器和计算机为技术手段,结合各种诊断对象(系统、设备、机器、装置、工程结构以及工艺过程等)的特殊规律逐步形成的一门新技术。它的开发涉及现代控制理论、可靠性理论、数理统计、模糊集理论、信号处理、模式识别、人工智能等多门学科理论,具有诊断对象广泛、技术具体、工程应用性强以及与高技术紧密结合等特点。
早在20世纪60年代末与70年代初,在美国、英国和日本等少数工业发达**,就掀起了现代设备故障诊断研究的热潮。现代设备故障诊断技术在工程中的应用,带来了显著的社会效应和经济效益。20世纪80年代中期以来,经过广大科技工作者的不懈努力,我国在现代设备故障智能诊断领域不仅取得了许多重要的理论研究成果,而且也积累了宝贵的工程实践经验。
现在国内有关故障诊断的教材不少,其中也不乏**之作,但作为研究生教材,在广度和深度方面尚不能完全满足教学需要。研究生课程学时较少,来自各专业的研究生参加了各种各样的科研任务,所提的问题非常广泛和深入,并希望教材有一定的广度和深度,以便他们进一步研究和应用,本书在此方面做了一些努力。
本书各章安排如下:第1章为绪论,介绍故障诊断的基本概念、故障诊断技术的发展与研究现状、与故障诊断方法和智能故障诊断技术未来发展相关的新技术、智能故障诊断系统发展的现状以及智能故障诊断系统的发展趋势;第2章从诊断知识的获取、诊断知识的表示以及基于知识的诊断推理等方面讨论故障诊断知识的智能处理方法;第3辛从数值型征兆自动提取、语义型征兆的自动获取和图形征兆自动提取等方面论述故障征兆的自动提取理论与方法;第4章**介绍前馈神经网络中的BP神经网络和径向基函数神经网络结构以及学习算法;第5章主要介绍专家系统的基本组成、知识库的建立和维护、全局数据库及管理系统、推理机和解释子系统设计;第6章从模糊理论的背景出发,对模糊集合论、模糊关系与模糊矩阵、隶属函数确定、模糊逻辑与模糊推理、模糊聚类分析、模糊综合评判和模糊模式识别等模糊理论基础进行系统介绍;第7章从信息融合技术的发展、信息融合系统的构成、信息融合技术的理论和方法、信息融合关键技术等几方面对信息融合技术进行介绍;第8章主要讨论支持向量机的发展概况、统计学习理论以及支持向量机的理论与方法;第9章主要介绍车用柴油机模糊故障专家系统的开发与应用实例;

第1章 绪 论
1.1 故障诊断的基本概念
1.2 故障诊断技术的发展与研究现状
1.3 故障诊断方法概述
1.4 智能故障诊断技术未来发展的相关新技术
1.5 智能化故障诊断系统发展的现状
1.6 智能故障诊断系统的发展趋势
参考文献
第2章 故障诊断知识智能处理
2.1 诊断知识的基本概念
2.2 故障诊断知识的获取
2.3 诊断知识的表示
2.4 基于知识的诊断推理
参考文献
第3章 故障征兆自动提取
3.1 数值型征兆自动提取
3.2 语义型征兆的自动获取
3.3 图形征兆的自动提取
参考文献
第4章 神经网络模型
4.1 人工神经网络的发展历程
4.2 神经元模型
4.3 神经元互连模式
4.4 神经网络学习规则
4.5 前馈神经网络及其学习算法
参考文献
第5章 专家系统
5.1 专家系统的基本组成
5.2 知识库的建立和维护
5.3 全局数据库及管理系统
5.4 推理机
5.5 解释子系统设计
5.6 基于规则的专家系统中的不**推理
参考文献
第6章 模糊理论基础
6.1 模糊理论的背景
6.2 模糊集合论
6.3 模糊关系与模糊矩阵
6.4 隶属函数的确定
6.5 模糊逻辑与模糊推理
6.6 模糊聚类分析
6.7 模糊综合评判
6.8 模糊模式识别
参考文献
第7章 信息融合技术
7.1 信息融合技术的发展
7.2 信息融合系统的构成
7.3 信息融合技术的理论和方法
7.4 信息融合的关键技术
参考文献
第8章 支持向量机
8.1 支持向量机发展概况
8.2 统计学习理论
8.3 支持向量机的理论与方法
参考文献
第9章 车用柴油机模糊故障诊断专家系统
9.1 车用柴油机模糊故障诊断专家系统知识库设计
9.2 车用柴油机模糊故障诊断专家系统推理机设计
9.3 车用柴油机模糊故障诊断专家系统实现问题
参考文献
第10章 铜精炼炉神经网络故障诊断专家系统
10.1 铜精炼炉神经网络故障诊断专家系统知识库
10.2 铜精炼炉神经网络故障诊断专家系统推理机
10.3 铜精炼炉炉况故障智能诊断实现
参考文献
第11章 煤粉锅炉燃烧系统模糊神经网络故障诊断专家系统
11.1 锅炉炉况故障诊断研究现状
11.2 煤粉锅炉燃烧系统模糊神经网络故障诊断模型
11.3 煤粉锅炉燃烧系统故障知识库构建
11.4 煤粉锅炉燃烧系统故障诊断推理机设计
11.5 煤粉锅炉燃烧系统模糊神经网络故障诊断专家系统应用实现
参考文献
第12章 船舶柴油机冷却系统模糊逻辑推理故障诊断系统
12.1 船舶柴油机冷却系统模糊逻辑推理故障诊断系统总体规划
12.2 模糊器设计
12.3 解模糊器设计
12.4 模糊规则库设计
12.5 模糊推理机
12.6 船舶柴油机冷却系统模糊逻辑推理故障诊断系统实现
参考文献
第13章 油气输送管道故障融合诊断
13.1 油气输送管道故障诊断研究现状
13.2 油气输送管道TPD定位诊断
13.4 基于证据理论的油气输送管道TPD融合诊断理论
13.5 油气输送管道TPD融合诊断原理
13.6 油气输送管道故障智能诊断应用
参考文献
……

适合热能工程、动力工程、机电工程、控制工程以及冶金工程等领域从事设备监测与诊断、维修的科研工作与工程技术人员