新书报道
当前位置: 首页 >> 电子电气计算机信息科学 >> 正文
基于免疫理论的智能故障检测与诊断方法
发布日期:2016-05-11  浏览

 

[内容推荐]
  田玉玲编*的《基于免疫理论的智能故障检测与 诊断方法》以机电设备故障诊断为目标,论述了生物 免疫系统的机理及信息处理特性,重点阐述了人工免 疫系统的算法、模型及其在故障诊断中的应用。主要 内容包括:分层免疫诊断模型总体结构的设计;基于 变化点子空间追踪算法的异常检测方法;具有动态环 境适应性的学习机制,解决未知及早期故障的诊断方 法;构建基于免疫网络的故障传播模型。这些新的设 计机制为研究人工免疫系统提供了一个结构框架。
   本书可供从事人工智能、故障诊断等领域研究工 作的学者、博士生,从事机电设备故障诊断的科技人 员,以及高等院校计算机、信息技术、机电一体化等 专业的研究生和高年级本科生参考。
[目录]
《智能科学技术著作丛书》序
前言
第1章  绪论
  1.1  人工免疫系统的研究进展
  1.2  故障诊断方法评价
  1.3  基于免疫理论的故障诊断方法研究现状
    1.3.1  人工免疫网络在故障诊断中的应用
    1.3.2  人工免疫算法在故障诊断中的应用
    1.3.3  包含固有免疫性的人工免疫系统应用
  1.4  主要研究内容和研究意义
  1.5  小结
第2章  免疫背景
  2.1  生物免疫概述
    2.1.1  免疫系统的几个概念
    2.1.2  免疫系统的功能
  2.2  生物免疫多层防御机制
    2.2.1  固有免疫系统
    2.2.2  适应性免疫系统
    2.2.3  固有免疫与适应性免疫的关系
  2.3  生物免疫机理
    2.3.1  免疫细胞的相互作用及其活化信号
    2.3.2  初次响应和二次响应
    2.3.3  免疫系统的信息处理特性
  2.4  人工免疫系统概述
    2.4.1  人工免疫系统研究内容和范围
    2.4.2  基于免疫的计算智能
    2.4.3  人工免疫系统的工程应用
  2.5  人工免疫系统的结构
    2.5.1  工程免疫系统结构
    2.5.2  人工免疫系统的概念结构
    2.5.3  包含固有免疫性的人工免疫系统模型
  2.6  免疫算法及模型
    2.6.1  否定选择算法分析
    2.6.2  克隆选择算法
    2.6.3  aiNet免疫网络模型
    2.6.4  树突状细胞算法
  2.7  小结
第3章  面向故障诊断的分层免疫模型
  3.1  引言
  3.2  分层免疫模型结构
  3.3  故障诊断问题定义
  3.4  异常追踪检测层
    3.4.1  子空间追踪的信号压缩
    3.4.2  变化点检测
    3.4.3  时间序列符号化
    3.4.4  输入输出信号
    3.4.5  动态迁移阈值
  3.5  双重免疫故障诊断层
    3.5.1  故障知识库
    3.5.2  已知故障类型诊断
    3.5.3  双重免疫学习机制
    3.5.4  仿真实例
  3.6  动态克隆选择学习机制
    3.6.1  成熟检测器的克隆扩增
    3.6.2  分级记忆检测器
  3.7  故障传播诊断层
    3.7.1  故障传播模型
    3.7.2  基于故障传播模型的诊断过程
  3.8  小结
第4章  基于时间序列树突状细胞算法的异常检测方法
  4.1  引言
  4.2  树突状细胞的免疫功能
    4.2.1  树突状细胞
    4.2.2  树突状细胞的抗原处理与提呈功能
    4.2.3  树突状细胞与免疫激活和耐受
    4.2.4  树突状细胞的三种状态及激活信号
    4.2.5  树突状细胞特征提取
  4.3  树突状细胞算法
    4.3.1  危险理论
    4.3.2  树突状细胞算法原理与定义
    4.3.3  树突状细胞算法描述
  4.4  一种动态迁移阈值树突状细胞算法
    4.4.1  相关定义
    4.4.2  算法改进策略
    4.4.3  改进树突状细胞算法描述
    4.4.4  算法有效性验证
  4.5  面向异常检测的时间序列树突状细胞算法
    4.5.1  基于树突状细胞算法的异常检测框架
    4.5.2  子空间追踪的信号压缩方法
    4.5.3  变化点检测的抗原定义
    4.5.4  抗原时间序列符号化
    4.5.5  输入输出信号关联关系
    4.5.6  上下文评估
    4.5.7  实验及仿真
  4.6  小结
第5章  用于故障诊断的体液免疫双重学习机制
  5.1  机器学习概述
  5.2  体液免疫的学习与记忆
    5.2.1  体液免疫
    5.2.2  免疫学习和记忆
  5.3  基于体液免疫的双重学习机制
    5.3.1  体液免疫学习模型
    5.3.2  记忆细胞库生成
    5.3.3  故障检测阶段
    5.3.4  抗原学习过程
  5.4  检测效率的比较
  5.5  小结
第6章  基于克隆扩增和分级记忆策略的免疫算法
  6.1  动态克隆选择算法
    6.1.1  动态克隆选择算法的运行机制
    6.1.2  动态克隆选择算法存在的问题
  6.2  基于克隆扩增策略的免疫算法
  6.2   1克隆扩增策略
    6.2.2  基于克隆扩增策略的免疫算法设计
    6.2.3  基于克隆扩增策略的免疫算法分析
    6.2.4  实验及分析
  6.3  基于分级记忆策略的免疫算法
    6.3.1  免疫记忆机理
    6.3.2  基于分级记忆策略的免疫算法设计
    6.3.3  基于分级记忆策略的免疫算法分析
    6.3.4  实验及分析
  6.4  基于扩增和记忆策略的故障诊断模型
    6.4.1  数据处理与特征分析
    6.4.2  故障检测与学习
  6.5  小结
第7章  基于免疫网络的故障传播模型
  7.1  引言
    7.1.1  问题的提出
    7.1.2  解决思路
  7.2  现有故障传播模型的描述方法
  7.3  免疫网络模型
    7.3.1  独特型网络和免疫调节
    7.3.2  通用免疫网络模型
  7.4  基于免疫网络的故障传播模型
    7.4.1  B细胞网络与故障传播的关系
    7.4.2  基于免疫网络的故障传播模型描述
    7.4.3  基于传播模型的故障诊断
    7.4.4  算法描述
    7.4.5  故障传播模型举例
  7.5  小结
第8章  免疫诊断模型在电机故障诊断中的应用
  8.1  异步电动机故障机理分析
    8.1.1  转子绕组故障
    8.1.2  定子绕组故障
    8.1.3  电机轴承故障
  8.2  信号采集及故障特征分析
    8.2.1  特征数据提取
    8.2.2  特征数据归一化
  8.3  基于免疫模型的故障诊断实验
    8.3.1  训练阶段
    8.3.2  故障诊断阶段
    8.3.3  连续学习阶段
  8.4  实验结果分析
  8.5  小结
第9章  总结与展望
  9.1  主要研究工作总结
  9.2  主要创新点
  9.3  研究展望
参考文献

 

关闭


版权所有:西安交通大学图书馆      设计与制作:西安交通大学数据与信息中心  
地址:陕西省西安市碑林区咸宁西路28号     邮编710049

推荐使用IE9以上浏览器、谷歌、搜狗、360浏览器;推荐分辨率1360*768以上