智能故障诊断技术：MATLAB应用 pdf下载

　　《智能故障诊断技术：MATLAB应用》系统地介绍了智能故障诊断理论、技术及应用，从基于数学模型故障诊断方法延伸到基于神经网络故障诊断方法。全书共９章，主要包括智能故障诊断成果的综述及其未来发展展望，航天器在轨故障分析，系统故障的模型化，故障可检测性，故障的统计检测原理，基于数学模型的故障诊断原理，基于神经网络的故障诊断方法，基于模糊神经网络的故障检测阈值设计和故障诊断方法，基于小波神经网络的故障诊断方法等。此外，本书附有MATLAB程序代码，方便读者进行学习和研究扩展。本书各部分内容相互渗透、自成体系，有助于读者掌握智能故障诊断技术的本质。
　　本书可以作为高等院校控制工程、信息工程及相关专业的本科生和研究生教材，也可作为从事故障诊断理论及工程应用研究的相关技术人员和高校师生学习的参考用书。

第1章　绪　论
1．1　故障诊断技术的产生与历史
1．2　故障诊断技术发展现状与展望
1．2．1　故障诊断技术的现状
1．2．2　故障诊断技术应用模式
1．2．3　故障诊断未来面临的问题
1．4　故障诊断的术语定义
第2章　航天器在轨故障分析
2．1　引　言
2．2　结构机构分系统故障统计分析
2．2．1　可伸展机构故障
2．2．2　驱动装置故障
2．2．3　天线装置故障
2．2．4　装配连接件与其他故障
2．3　控制分系统故障统计分析
2．3．1　外部原因造成的姿控回路故障
2．3．2　内部构造缺陷引起的姿控回路故障
2．4　电源分系统故障的统计分析
2．4．1　太阳能电池阵列故障
2．4．2　蓄电池组故障
2．4．3　电源控制器故障
2．5　推进分系统故障统计分析
2．5．1　泄漏故障
2．5．2　喷注器及尾喷管故障
2．5．3　其他电子元器件故障
2．6　故障防护
2．7　小　结
第3章　动态系统故障诊断的基本原理
3．1　系统故障的数学表示
3．1．1　传感器故障模型
3．1．2　执行器故障模型
3．1．3　系统故障模型
3．1．4　控制系统故障的数学描述
3．2　基于系统模型的故障诊断原理
3．3　线性系统的故障诊断原理
3．4　故障检测观测器的设计
3．5　带干扰系统的故障诊断
3．5．1　残差生成与残差响应
3．5．2　干扰解耦设计的一般原理
3．6　奇偶矢量法
第4章　基于统计理论的故障检测原理
4．1　引　言
4．2　二元假设检验
4．2．1　最小误差准则
4．2．2　贝叶斯准则(最小风险准则)
4．2．3　最大后验概率准则
4．3　多元假设检验
4．4　基于多种测量残差的故障诊断方法
4．4．1　问题描述
4．4．2　M ARY的故障决策方法
4．4．3　应用实例
第5章　基于神经网络的故障诊断方法
5．1　引　言
5．2　神经网络特性简述
5．3　带有偏差单元的递归神经网络
5．3．1　BP网络及算法的不足
5．3．2　带有偏差单元的递归神经网络
5．3．3　带有偏差单元的递归神经网络的误差反向传播学习规则的数学推导
5．3．4　带有偏差单元的递归神经网络诊断模型的建立
5．3．5　IRN 网络的故障诊断方法在航天器电源分系统故障诊断中的应用
5．4　基于Hopfield神经网络的故障诊断
5．4．1　Hopfield神经网络描述
5．4．2　双向联想记忆
5．4．3　卫星姿态控制器故障诊断
第6章　基于模糊神经网络的故障诊断
6．1　引　言
6．2　模糊、神经网络和人工智能技术的关系
6．3　神经网络和模糊系统的比较
6．4　模糊和神经网络的结合形式
6．5　模糊推理的残差估计
6．6　模糊神经网络的故障诊断原理
6．6．1　模糊神经网络的结构
6．6．2　模糊神经网络的训练
6．7　基于模糊神经网络的未建模系统的故障诊断
6．7．1　模糊神经网络模型
6．7．2　模糊神经网络的训练算法
6．7．3　基于模糊神经网络的未建模系统的故障检测
6．8　基于泛函模糊神经网络的GPS/INS组合导航系统的软故障诊断
6．8．1　状态χ2 检验原理
6．8．2　泛函模糊神经网络的结构
6．8．3　仿真结果
第7章　基于径向基网络的故障诊断
7．1　模糊径向基网络的故障诊断
7．1．1　径向基函数网络和模糊推理系统的功能等价关系
7．1．2　基于自适应模糊系统的径向基高斯函数网络
7．1．3　学习算法
7．1．4　非线性系统的故障诊断
7．2　基于HBF神经网络的故障诊断
7．2．1　HBF神经网络
7．2．2　HBF网络的自适应观测器
7．2．3　航天器执行机构故障重构
7．3　基于CCA 优化的前馈神经网络故障诊断及应用
7．3．1　优化算法
7．3．2　网络观测器设计与分析
7．3．3　非线性系统故障检测
7．3．4　航天器姿态敏感器的故障诊断
第8章　基于小波神经网络的故障诊断与应用
8．1　小波神经网络应用于航天器故障诊断
8．1．1　BP神经网络简介
8．1．2　小波变换及小波神经网络
8．1．3　小波神经网络在航天器电源故障中的应用
8．2　单隐含层模糊递归小波神经网络的观测器设计
8．2．1　单隐含层模糊递归小波神经网络
8．2．2　使用GA 对SLFRWNN 进行初始化
8．2．3　SLFRWNN 的训练算法
8．3　SLFRWNN 的自适应观测器
8．3．1　观测器的建立
8．3．2　观测器的稳定性分析
8．3．3　系统仿真试验
第9章　智能故障诊断技术在姿态测量系统中的应用
9．1　引　言
9．2　航天器AD系统模型
9．2．1　航天器动力学模型
9．2．2　测量误差模型
9．3　组合传感器
9．4　FDD滤波器设计
9．5　故障模型及残差计算
9．5．1　敏感器故障模型
9．5．2　残差生成
9．5．3　统计实验
9．6　FDD方案
9．6．1　故障检测
9．6．2　初级故障隔离
9．6．3　故障隔离
9．7　AD系统仿真结果
9．7．1　方案实施
9．7．2　仿真结果
9．8　小　结
思考题与习题
参考文献

　　现代科学与技术飞速发展的一个重要表现形式就是服务于国民经济发展各部门的应用系统日益大型化和复杂化。一方面，这些系统促进生产发展，带来了巨大的经济效益；另一方面应用系统中任何一个部件发生故障都可能带来机毁人亡的灾难。因此，在应用系统日益发展的今天，仅仅采用有效的维修措施不能满足安全要求，智能故障诊断技术已经成为可靠性设计的重要手段。在最近几十年
　　中，故障诊断和容错控制已成为当前国际信息技术领域研究的热点之一，发展速度很快且日渐成熟，各式各样的智能故障诊断方法不断涌现，例如基于数学模型、神经网络、专家系统和模糊推理的故障诊断方法等。作为新兴的综合性边缘科学，故障诊断技术已经初步形成了比较完整的科学体系。
　　本书是在作者多年研究工作和教学工作基础上总结而成的，并广泛吸收了国内外这一领域的最新成果。本书将理论与实际并重，以大型复杂航天系统为背景，以现代控制理论、统计假设理论和人工智能理论为工具，系统地介绍神经网络故障诊断方法和应用实例。本书不仅对系统归纳神经故障诊断方法有着重要的学术价值，而且对促进复杂系统可靠性设计也有着重要的工程应用价值。
　　本书编写的另一个目的是结合我国航天工业部门发展的需要，系统地总结归纳和循序渐进地论述智能故障诊断的基础和应用技术，为即将工作的学生掌握先进的故障诊断技术提供学习材料，使他们成为具有很强的安全和故障防范意识的工程技术人才。
　　近20年里，国内外关于故障诊断的专著已经出版了十几部，本书与其比较，具有如下特色：
　　1)现有的著作大部分是理论方面的书籍。本书的最大特点就是结合工程实际讲述理论，实用性强。
　　2)本书是在南京航空航天大学的“航天器智能故障诊断技术”课程讲义基础上编著而成，所涉及的理论基础简明扼要，通俗易懂，本科生就可阅读和参考。
　　3)为方便自学和理解，本书自成体系，层次分明、内容翔实、理论推导和MATLAB可视化仿真技术分析相结合。
　　4)本书论述内容范围广泛，包括三部分：解析冗余方法、统计方法和神经网络方法。
　　5)本书在论述应用方面侧重两类，一类是嵌入式的故障诊断应用，另一类是分离式的应用。嵌入式的应用，就是指故障诊断技术直接包含在系统设计中，例如对控制系统的设计，在设计时就考虑故障检测、隔离和补偿问题，从而保证故障一旦发生，就把故障消灭在萌芽状态。分离式故障诊断技术，是指故障诊断系统与被诊断对象处于分离状态，也即故障诊断推理系统和被诊断对象各自独立存在，没有任何耦合关系。
　　鉴于目前结合航天系统的故障诊断方面教材紧缺，各航天高校教师不得不花费时间从散见的刊物和相关专著整理教案，本书的目的是为广大学生和教师提供一部有参考价值的教材。
　　编著者
　　2015年6月于南京