复杂机电系统智能故障诊断与健康评估

　　本书系统的阐述现代工业中复杂机电系统的故障预测、智能诊断及系统健康状态的评估等理论与方法，主要包括基于数据驱动的智能故障诊断原理、方法及其实现技术。基于统计学习理论、半监督学习、流形学习、深度学习的故障预测、状态评估的原理、技术及其应用。重点从模式识别、机器学习的角度，重点阐述基于半监督学习、流形学习的故障特征提取与选择、早期故障的预测、故障模式的分类及装备性能退化的评估等。并对当前机器学习的研究热点，深度学习在智能预测、健康评估中的应用进行分析、展望。本书可作为高等院校机械工程、控制工程、自动化及系统工程等专业的研究生教材或教学参考书，也可供广大科技工作者和从事过程控制、故障诊断、设备维护等人员参考 。

暂缺《复杂机电系统智能故障诊断与健康评估》作者简介

章 绪论
1.1 智能故障诊断、预测与健康评估的概念
1.2 故障诊断、预测与健康评估的意义
1.3 智能诊断、预测与健康评估的研究内容
1.4 智能诊断、预测与健康评估的研究现状
1.5 本书的结构体系与特色。
第二章 基于半监督学习的智能诊断方法
2 2 监督学习的原理
2.2 支持向量机
2.3 支持向量机参数优化方法
2.4 支持向量机特征选择与参数优化融合方法
2.5 增强支持向量机
参考文字按
第三章 基于半监督学习的智能诊断方法
3.1半监督学习概述
3.2基于半监督核函数主元分析的故障检测与分析
3.3基于半监督模糊核聚类的离群检测
3.4基于半监督自组织特征映射的故障检测与分类
3.2关联向量机诊断方法
第四章 基于流形学习的智能故障诊断与预测
4.1 流形学习的基本概念
4.2 基于谱聚类流形的故障特征选择
4.3 基于局部线性嵌入的故障识别
4.4 基于距离保持投影线性嵌入的故障分类
4.5 基于ISOMAP的机械故障诊断方法。
第五章 基于深度学习的机械故障诊断
5.1 深度学习的原理和方法
5.2 基于DBN的机械故障诊断
5.3 基于深度学习的装备退化状态评估
 
……
 第六章 基于相空间重构的机械系统退化跟踪与故障预测
第七章 复杂机电系统运行可靠性评估与健康维护
参考文献