模式识别与状态监控PDF|Epub|txt|kindle电子书版本网盘下载

模式识别与状态监控PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 状态监控体系概述1

第一章 状态监控的基本内涵与体系结构1

1.1 状态监控的基本概念1

1.2 状态监控的起源与发展概况2

1.3 状态监控任务的要素与组成5

1.4 状态监控系统实施路径9

习题10

参考文献10

第二章 状态监控方法概述12

2.1 引言12

2.2 经典统计模式识别13

2.3 模糊识别系统15

2.4 决策树与专家系统16

2.5 神经网络识别模型18

2.6 支持向量机分类模型19

2.7 状态监控相关支撑技术24

习题24

参考文献25

第三章 状态监控的评价、术语与标准26

3.1 状态监控方法评价26

3.2 相关的概念与术语28

3.3 状态监控的标准化问题36

习题46

参考文献46

第四章 模式识别理论的基本概念48

4.1 模式识别的概念48

4.2 模式识别系统53

4.3 模式识别方法55

4.4 模式识别和人工智能的关系59

4.5 机器学习理论与方法概述60

4.6 机械系统状态监控与识别的特点及要求67

习题69

参考文献69

第二部分 状态感知与特征提取71

第五章 设备状态现代感知技术71

5.1 设备状态的主要信号及其分类71

5.2 现代传感器技术发展概述72

5.3 微传感器技术73

5.4 集成化智能传感器77

5.5 智能材料与结构86

5.6 无线传感器网络技术88

5.7 虚拟仪器技术97

5.8 本章小结103

习题103

参考文献104

第六章 状态信号描述与处理106

6.1 信号时域描述与处理方法106

6.2 信号频域描述与处理方法115

6.3 时间-频率域和时间-尺度域描述与处理方法122

6.4 信号高阶统计量描述方法126

6.5 微弱特征信号提取方法128

6.6 信号分解与提取的现代方法131

习题145

参考文献145

第七章 状态模式特征生成、选择与提取147

7.1 特征生成147

7.2 特征选择与特征提取150

7.3 特征化问题在机械状态监控中的应用165

7.4 本章小结166

习题167

参考文献168

第三部分 故障模式识别与分类决策第八章 贝叶斯决策理论与技术169

8.1 引言169

8.2 贝叶斯分类决策模型169

8.3 贝叶斯分类决策的误差及估计175

8.4 贝叶斯分类器的学习训练179

8.5 贝叶斯置信网简介188

8.6 贝叶斯决策应用实例——铣削颤振在线识别190

8.7 本章小结192

习题192

参考文献193

第九章 线性分类器与非线性分类器194

9.1 引言194

9.2 线性判别函数的基本概念194

9.3 感知准则函数202

9.4 最小均方误差准则207

9.5 Fisher线性判决210

9.6 应用实例——线性分类器在刀具状态监控中的应用213

9.7 非线性分类器概述217

9.8 分段线性分类器219

9.9 二次型非线性分类器223

9.10 基于位势函数的非线性分类器224

习题227

参考文献227

第十章 聚类分析228

10.1 引言228

10.2 模式相似性测度231

10.3 聚类准则232

10.4 聚类方法235

10.5 快速动态聚类算法242

10.6 聚类分析、贝叶斯分类决策应用实例245

10.7 本章小结252

习题252

参考文献253

第十一章 基于模糊理论的识别方法255

11.1 引言255

11.2 模糊集理论简介255

11.3 模糊识别信息的获取260

11.4 模糊综合评判265

11.5 模糊识别算法272

11.6 模糊聚类分析278

11.7 柔性加工单元故障诊断的模糊综合决策283

11.8 本章小结287

习题287

参考文献288

第十二章 神经网络分类器289

12.1 神经网络概述289

12.2 多层感知器及BP学习算法292

12.3 自组织神经网络300

12.4 Hopfield神经网络301

12.5 自适应共振理论305

12.6 应用实例311

12.7 本章小结313

习题313

参考文献314

第十三章 支持向量机分类器315

13.1 引言315

13.2 统计学习理论315

13.3 支持向量机323

13.4 支持向量机的应用330

13.5 本章小结339

习题340

参考文献341

第十四章 融合识别理论与方法342

14.1 融合识别概述342

14.2 融合系统的功能结构和融合算法分类344

14.3 信息融合的熵理论349

14.4 观测不相关的分布式最小损失准则下的检测与决策融合352

14.5 观测相关的决策融合359

14.6 D-S证据理论融合算法364

14.7 融合识别算法在机械动力传动系统故障诊断中的应用371

习题378

参考文献379

第十五章 基于粗糙集理论的识别与仿生识别方法380

15.1 粗糙集理论及其在模式识别中的应用380

15.2 仿生模式识别392

习题398

参考文献399

第四部分 应用案例与发展趋势简析第十六章 船舶动力装置状态监测与故障诊断系统400

16.1 动力装置的结构与组成400

16.2 系统组成及功能概述401

16.3 动力装置运行状态特征分析与提取406

16.4 贝叶斯决策理论在状态分类中的应用408

16.5 无完整知识的运行状态统计决策规则410

16.6 模糊分析在状态分析中的应用422

16.7 神经网络模型在故障综合决策中的应用424

参考文献425

第十七章 直升机健康与使用监控系统426

17.1 概述426

17.2 直升机健康与使用监控系统的构成与功能426

17.3 健康与使用监控系统涉及的主要技术427

17.4 健康与使用监控系统的特点分析428

17.5 健康与使用监控系统案例430

17.6 本章小结436

参考文献436

第十八章 状态监控的综合发展概述438

18.1 状态监控技术及应用的发展438

18.2 状态监控与相关技术的综合发展442

18.3 需求牵引推动状态监控技术不断发展444

参考文献444

附录一 IRIS分类数据446

附录二 缩写词说明448