导语

  

内容提要

  

    本书介绍了认知计算和几何空间变换应用于故障诊断与预测领域中的新理论和新方法，首先概述了故障诊断与预测技术的基本概念与技术状态，阐述了当前存在的瓶颈问题以及引入认知计算与几何空间变换的优势，然后主要介绍了基于认知计算(深度学习、迁移学习、视觉认知、压缩感知)的故障诊断与预测评估技术，最后介绍了基于微分几何、空间变换与形态识别的故障诊断与预测评估技术。
    本书可作为高等院校控制科学与工程、机械工程、可靠性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故障诊断与健康管理的专业人员参考。

第1章  绪论
  1.1  故障诊断与预测技术概述
    1.1.1  背景与意义
    1.1.2  基本概念
    1.1.3  技术发展现状
    1.1.4  问题与启示
  1.2  认知计算技术概述
    1.2.1  认知计算技术
    1.2.2  深度学习技术
    1.2.3  视觉认知技术
    1.2.4  压缩感知技术
  1.3  几何空间变换与形态识别技术概述
    1.3.1  微分流形理论
    1.3.2  几何空间变换技术
    1.3.3  几何形态识别技术
  1.4  全书概况
  参考文献
第2章  基于深度学习与迁移学习的故障诊断与预测
  2.1  引言
  2.2  深度学习技术
    2.2.1  深度学习基本思想和原理
    2.2.2  深度学习常用方法
    2.2.3  深度学习的应用情况
  2.3  迁移学习技术
    2.3.1  迁移学习的基本思想和原理
    2.3.2  迁移学习方法分类
    2.3.3  迁移学习的应用情况
  2.4  基于深度学习分类器的旋转机械故障诊断
    2.4.1  特征自学习技术
    2.4.2  基于层叠自动编码器的深度学习分类技术
    2.4.3  基于层叠降噪自动编码器的深度学习分类技术
    2.4.4  案例分析
  2.5  基于深度学习回归器的控制系统自适应故障检测
    2.5.1  基于模型平均的深度学习回归技术
    2.5.2  基于模型平均深度学习的控制系统自适应故障检测
    2.5.3  案例分析
  2.6  基于多层特征融合深度学习的机电设备健康评估
    2.6.1  基于多层特征融合深度学习的健康评估技术
    2.6.2  案例分析
  2.7  基于迁移学习的相似设备故障诊断
    2.7.1  辅助训练数据与目标训练数据共享特征学习技术
    2.7.2  基于TrAdaBoost样本筛选的故障诊断策略研究
    2.7.3  基于共享特征学习与TrAdaBoost的相似设备故障诊断
    2.7.4  案例分析
  2.8  基于迁移学习的相似设备剩余寿命预测
    2.8.1  基于迁移学习的相似发动机剩余寿命预测
    2.8.2  基于迁移学习的多配方锂电池剩余寿命预测
    2.8.3  案例分析
  2.9  小结
  参考文献
第3章  基于视觉认知计算的故障诊断与评估
  3.1  引言
  3.2  视觉认知的基本特性
    3.2.1  视觉不变性
    3.2.2  视觉流形感知特性
    3.2.3  视觉多通道特性
  3.3  故障信号的图形化等效表征
    3.3.1  基于双谱的图形化等效表征
    3.3.2  基于递归图的图形化等效表征
    3.3.3  基于时序排列的图形化等效表征
  3.4  基于视觉不变性与流形感知特性的变工况故障诊断
    3.4.1  尺度不变特征变换
    3.4.2  加速鲁棒特征
    3.4.3  基于加速鲁棒特征与流形感知的变工况故障诊断
    3.4.4  案例分析
  3.5  基于视觉多通道特性与流形感知特性的健康评估
    3.5.1  Contourlet变换
    3.5.2  非下采样Contourlet变换
    3.5.3  基于非下采样Contourlet变换与流形感知的健康评估
    3.5.4  案例分析
  3.6  小结
  参考文献
第4章  基于压缩感知的故障诊断
  4.1  引言
  4.2  监测数据压缩采样与重构降噪技术
    4.2.1  基于压缩感知的监测数据压缩采样及重构方法
    4.2.2  基于压缩感知的监测数据降噪方法
    4.2.3  基于集成字典的改进压缩数据重构方法
    4.2.4  基于自适应阈值的分段正交匹配追踪及压缩数据降噪
    4.2.5  案例分析
  4.3  基于压缩域信息的设备诊断技术
    4.3.1  基于混合型压缩采样的故障诊断技术
    4.3.2  基于双级压缩学习的设备故障诊断
    4.3.3  基于重构匹配的旋转机械多工况故障诊断
    4.3.4  基于多信号协同压缩的故障诊断
    4.3.5  案例分析
  4.4  小结
  参考文献
第5章  基于微分几何的故障诊断与评估
  5.1  引言
  5.2  非线性数据检验与预处理研究
    5.2.1  替代数据方法
    5.2.2  相空间重构方法
    5.2.3  本征维数计算及改进方法
  5.3  基于邻域分布信息约束的局部投影非线性降噪技术
    5.3.1  局部投影降噪方法的原理
    5.3.2  基于经验模态分解噪声估计的邻域半径选取
    5.3.3  基于邻域分布信息约束的噪声子空间确定
    5.3.4  案例分析
  5.4  基于流形学习与奇异值分解的特征提取技术
    5.4.1  流形学习方法
    5.4.2  基于局部切空间排列与奇异值分解的特征提取
    5.4.3  案例分析
  5.5  基于流形距离-田口方法的健康评估技术
    5.5.1  基本思路及流程
    5.5.2  流形距离
    5.5.3  基于田口方法的特征优选
    5.5.4  基于高斯混合模型的健康评估
    5.5.5  案例分析
  5.6  基于累积测地线距离的健康评估技术
    5.6.1  基本思路及流程
    5.6.2  基于拉普拉斯特征映射的内禀流形构建
    5.6.3  流形累积测地线距离
    5.6.4  案例分析
  5.7  基于信息几何与支持向量机的故障诊断技术
    5.7.1  基于信息几何的支持向量机
    5.7.2  基于信息几何支持向量机的故障诊断
    5.7.3  案例分析
  5.8  小结
  参考文献
第6章  基于几何空间变换与形态识别的性能衰退预测评估
  6.1  引言
  6.2  健康流形空间中性能衰退预测的启示与几何概念
    6.2.1  经典物理学与数学相关概念
    6.2.2  性能衰退的背景流形空间猜想：闵氏时空
    6.2.3  健康流形空间中性能衰退预测的基本概念
  6.3  健康流形的本征维数确定
    6.3.1  健康流形本征维度估计的多尺度几何方法
    6.3.2  基于k近邻图的健康流形本征维度估计
    6.3.3  基于Packing numbers的健康流形本征维度估计
  6.4  高维背景流形空间维数确定
    6.4.1  坐标主体信息损失度量方法
    6.4.2  基于局部几何信息全局优化及坐标主体信息损失度量的方法
  6.5  高维流形空间向健康流形空间的映射构建
    6.5.1  基于等距映射的健康流形空间构建
    6.5.2  基于拉普拉斯特征映射的健康流形空间构建
    6.5.3  基于改进局部线性嵌入的健康流形空间构建
  6.6  变工况条件下健康流形空间中性能衰退预测
    6.6.1  高维背景流形空间中健康流形与性能衰退轨迹
    6.6.2  仿射变换及仿射关系建立
    6.6.3  基于样本总体与个体信息的健康时空图构建
    6.6.4  案例分析
  6.7  完全截断数据条件下健康流形空间中性能衰退预测
    6.7.1  高维背景流形空间中截断数据的流形结构
    6.7.2  健康流形空间中累积测地线的识别与预测
    6.7.3  基于智能乘积限估计器的性能衰退预测几何方法
    6.7.4  案例分析
  6.8  基于几何图形与形态识别的性能退化评估
    6.8.1  动态时间规整：优势与不足
    6.8.2  基于时间规整的快速相似度搜索方法
  6，8.3  快速动态时空规整方法
    6.8.4  案例分析
  6.9  小结
  参考文献