预测与健康管理是对航空发动机和飞行器等复杂装备（设备）保证运行（飞行）安全、减少维修保障费用、实施新型维修保障体制的支撑技术。以现代机器学习为基础的数据挖掘方法和智能推理是从装备运行信息（数据）得到装备运行特性、健康状况和发展态势的重要工具，是近十多年预测与健康管理理论与应用研究的热点和重点。本书总结、介绍了作者在航空发动机智能诊断、建模和预测方法研究中，以现代机器学习为核心或研究手段，所取得的一些研究成果。 本书可供航空发动机专业人员，飞机、舰船、燃气轮机等其他装备和设备专业技术人员，以及数据挖掘和机器学习等研究人员参考。
样章试读
目录
- 序
前言
第1章 绪论
1.1 航空发动机预测与健康管理概述
1.2 航空发动机诊断和预测方法及发展现状
1.2.1 航空发动机诊断和预测的技术途径及发展概况
1.2.2 航空发动机诊断和预测有代表性的数据挖掘方法
1.2.3 存在的主要问题
1.3 主要研究成果及本书章节安排
1.3.1 支持向量机方法及其应用
1.3.2 覆盖机器学习理论及其应用
1.3.3 核多元统计方法及其应用
1.3.4 进化计算和免疫计算方法及其应用
1.3.5 本书章节安排
参考文献
第2章 支持向量机方法及应用
2.1 支持向量机的基本算法
2.1.1 线性支持向量机
2.1.2 广义线性支持向量机
2.1.3 支持向量的定义
2.1.4 核函数技巧与内积
2.1.5 非线性支持向量机
2.1.6 补充说明
2.2 支持向量机分类算法
2.2.1 C-SVM
2.2.2 γ-SVM
2.2.3 One-Class SVM
2.2.4 LS-SVM
2.2.5 多类支持向量机方法
2.3 支持向量机回归算法
2.3.1 数学描述
2.3.2 ε不敏感损失函数
2.3.3 回归SVM
2.3.4 回归LS-SVM
2.3.5 稀疏回归LS-SVM
2.3.6 在线回归LS-SVM
2.4 支持向量机求解算法
2.4.1 块算法
2.4.2 分解算法
2.4.3 顺序最小优化方法
2.4.4 其他算法
2.5 支持向量机诊断理论应用
2.5.1 SVM分类算法应用模式
2.5.2 基于SVM的航空发动机故障诊断
2.5.3 基于SVM的AdaBoost故障诊断方法
2.6 支持向量机建模与预测理论及其应用
2.6.1 SVM回归应用模型
2.6.2 基于SVM的航空发动机起动过程建模与应用
2.6.3 基于SVM的早期故障预示研究
2.6.4 基于LS-SVM的航空发动机动态过程建模
2.6.5 基于SVM的压气机低转速特性建模
参考文献
第3章 覆盖机器学习理论及应用
3.1 覆盖机器学习模型
3.1.1 覆盖机器学习模型化
3.1.2 核学习机MEB等价表征
3.1.3 核学习机广义MEB等价表征
3.1.4 核学习机与MEB关系性质
3.2 MEB核心集快速实现算法
3.2.1 最小MEB算法现状
3.2.2 最优核心集MEB算法
3.2.3 严格核心集MEB算法
3.2.4 新算法理论分析
3.3 结构覆盖分类学习机
3.3.1 理论背景
3.3.2 向量值分类SVM模型
3.3.3 结构覆盖分类算法
3.3.4 结构覆盖分类MEB核心集算法
3.3.5 实验分析
3.4 结构覆盖回归学习机
3.4.1 向量值回归SVM
3.4.2 L_1向量值回归SVM
3.4.3 L_2向量值回归SVM
3.4.4 L_∞向量值回归SVM
3.4.5 结构覆盖回归算法
3.5 应用案例
3.5.1 航空发动机故障诊断应用
3.5.2 航空发动机起动过程多元回归建模与仿真
参考文献
第4章 核多元统计方法及应用
4.1 核主元分析故障检测
4.1.1 核主元分析法
4.1.2 基于KPCA模型的故障检测
4.1.3 基于滑动窗口机制的自适应KPCA
4.1.4 基于滑动窗口机制的自适应KPCA故障检测
4.2 基于核主元分析的故障识别方法研究
4.2.1 基于KPCA模型的数据重构方法
4.2.2 改进的基于KPCA模型的数据重构方法
4.2.3 基于KPCA模型数据重构方法的故障识别
4.2.4 基于贡献率图法的故障识别方法
4.3 基于粗糙核Fisher鉴别分析的故障特征提取
4.3.1 粗糙集理论的属性约简
4.3.2 基于核Fisher鉴别分析的特征提取
4.3.3 基于粗糙核Fisher鉴别分析的特征提取
4.4 应用案例
4.4.1 基于KPCA的航空发动机故障检测应用案例
4.4.2 基于自适应KPCA模型的故障检测案例
4.4.3 基于贡献率图的故障识别应用案例
4.4.4 基于粗糙核Fisher鉴别分析的故障特征提取应用案例
参考文献
第5章 进化计算和人工免疫方法及应用
5.1 基于进化计算的特征提取和动态过程建模
5.1.1 遗传规划的基本原理
5.1.2 基于遗传规划和线性鉴别分析的特征提取模型
5.1.3 基于遗传规划的动态过程自动建模方法
5.2 基于克隆选择原理的智能融合故障诊断
5.2.1 人工免疫系统原理
5.2.2 引入免疫识别机制的距离判别函数法
5.2.3 引入克隆选择机理的模糊聚类分析
5.3 基于反面选择机理的智能融合故障诊断
5.3.1 人工免疫系统的反面选择机理
5.3.2 基于反面选择机理的故障诊断方法
5.3.3 算法参数对故障检测效果的影响分析
5.4 基于反面选择机理的性能监控
5.4.1 反面选择算法在性能监控中的应用途径
5.4.2 基于反面选择机理的发动机性能监控
5.4.3 状态变量对样本点异常程度的影响分析
5.4.4 基于系统异常概率模型的故障隔离
5.5 基于人工免疫网络的传感器故障诊断
5.5.1 人工免疫网络模型
5.5.2 学习向量量化与免疫网络的融合诊断
5.6 应用案例
5.6.1 基于遗传规划和线性鉴别分析的发动机滑油系统特征提取
5.6.2 基于遗传规划的航空发动机起动过程自动建模应用
5.6.3 基于免疫识别的距离判别函数方法应用案例
5.6.4 基于免疫克隆选择的模糊聚类方法应用案例
5.6.5 基于反面选择的滚动轴承损伤故障检测
5.6.6 基于反面选择的性能监控应用案例
5.6.7 基于人工免疫网络的发动机传感器故障诊断
参考文献
第6章 航空发动机PHM数据挖掘问题及技术挑战
6.1 典型数据挖掘问题
6.2 航空发动机PHM技术中的重大挑战
参考文献
京公网安备 11010102004214号