故障智能诊断系统的理论与方法

　　本书较为系统地阐述了故障智能诊断技术发展简况、现状以及作者近年来在该领域的研究成果。全书包括：绪论、故障智能诊断系统的理论基础、故障智能诊断系统知识获取和表示方法、故障智能诊断系统中不确定信息的处理方法、面向对象技术在故障智能诊断系统中的应用、人工神经网络模型、全局优化方法研究、BP算法的改进方法、人工神经网络与专家系统结合方法的研究、神经网络与专家系统的结合在导弹故障诊断系统中的应用、基于信息融合的神经网络、故障智能诊断系统中机器学习问题的研究、面向对象的故障智能诊断系统平台等。本书供从事自然科学、工程技术等领域的科技人员阅读，也可供大专院校有关专业的师生参考。

　　王道平，男，1964年7月生。1989年在清华大学计算机系获硕士学位，1999年在军械工程学院获博士学位，现为清华大学计算机系博士后，并任河北经贸大学教授、信息技术学院院长。曾主持省级立项课题3项，参加国家“863”项目、国家自然科学基金项目多项。近年来在人工智能、故障诊断等领域发表学术论文30余篇，获省部级以上科技奖3项。

1　绪论
　1.1　设备故障诊断技术的发展历史　
　1.2　故障诊断的方法综述
　1.3　故障智能诊断系统发展的现状
　1.4　故障智能诊断系统的发展趋势
2　故障智能诊断系统的理论基础　
　2.1　故障智能诊断系统的概念
　2.2　故障智能诊断系统的一般结构
　2.3　不确定性系统科学一般理论　
　2.4　本章小结　
3　故障智能诊断系统知识获取和表示方法
　3.1　故障智能诊断系统中知识的分类　
　3.2　故障智能诊断系统中知识的获取方法
　3.3　故障智能诊断系统中知识的表示方法
　3.4　本章小结　　
4　故障智能诊断系统中不确定性信息的处理方法
　4.1　诊断知识不确定性的分类　
　4.2　不确定性诊断知识的表示方法
　4.3　故障智能诊断系统中的不确定性推理
　4.4　本章小结　　
5　面向对象技术在故障智以诊断系统中的应用
　5.1　面向对象的思想和方法学
　5.2　面向对象技术对故障智能诊断系统的适宜性研究
　5.3　面向对象的诊断知识表示方法研究
　5.4　面向对象的诊断推理方法
　5.5　本章小结　　
6　神经网络模型　
　6.1　神经网络的发展和应用
　6.2　神经元模型
　6.3　基于神经网络的学习方式　
　6.4　神经网络模型
　6.5　多层前馈神经网络
　6.6　霍普菲尔德（Hopfield）神经网络
　6.7　自组织神经网络
　6.8　海明（Hamming）神经网络
　6.9　自适应共振理论　
　6.10　本章小结　
7　全局优化方法研究　
　7.1　随机梯度法
　7.2　模拟退火算法
　7.3　遗传算法
　7.4　本章小结　
8　BP算法的改进方法
　8.1　一种动态自适应BP网络模型及快速算法
　8.2　一种新的快速BP网络训练算法
　8.3　实验结果分析
　8.4　本章小结　　
9　人工神经网络与专家系统结合方法的研究
　9.1　引言
　9.2　专家系统与神经网络的特点
　9.3　专家系统与神经网络结合的途径和方法
　9.4　本章小结　
10　神经网络与专家系统的结合在导弹故障诊断系统中的应用　
　10.1　引言
　10.2　ANNES的结构
　10.3　基于ANNES的导弹故障诊断系统的实现　
　10.4　基于模糊推理和神经网络的导弹系统故障诊断方法
　10.5　ANNES的故障诊断实例与结果分析
　10.6　本章小结
11　基于信息融合的神经网络　
12　故障智能诊断系统中机器学习问题的研究　
13　面向对象的故障智能诊断系统平台　
参考文献