图书介绍
多源不确定信息融合理论及应用 故障诊断与可靠性评估pdf电子书版本下载
- 文成林，徐晓滨著 著
- 出版社： 北京：科学出版社
- ISBN：7030333957
- 出版时间：2012
- 标注页数：259页
- 文件大小：16MB
- 文件页数：275页
- 主题词：
PDF下载
下载说明
多源不确定信息融合理论及应用 故障诊断与可靠性评估PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
第1章 绪论 1
1.1引言 1
1.1.1社会的巨大需求 1
1.1.2政府的高度重视与支持 4
1.1.3故障诊断与预报技术的重要作用 4
1.1.4多源信息融合技术的重要作用 5
1.2动态系统故障诊断技术概述 6
1.2.1定性分析的方法 7
1.2.2基于解析模型的方法 9
1.2.3数据驱动的故障诊断方法 11
1.3工程系统故障诊断中的不确定性信息处理方法 14
1.3.1不确定性信息的分类 14
1.3.2常用的不确定性信息处理方法评述 16
1.3.3多种不确定性理论在应用中存在的问题 19
1.4随机集理论与多源不确定性信息融合 20
1.4.1国外进展状况 21
1.4.2国内进展状况 21
参考文献 22
第2章 随机集理论基础 31
2.1随机集理论的发展概况 31
2.2随机集的基本概念 31
2.2.1随机变量与随机集 31
2.2.2随机集的定义 33
2.3随机集的基本性质 34
2.4随机集的相关准则 36
2.4.1随机集的置信表示和随机关系 36
2.4.2扩展准则 37
2.4.3随机集的包含关系和单调性原理 38
2.5本章小结 39
参考文献 40
第3章 基于随机集理论的不确定性信息统一表示与建模 41
3.1引言 41
3.2随机集理论与几种常用不确定性理论之间的关系 41
3.2.1随机集与DS证据理论 42
3.2.2随机集与模糊集 50
3.2.3随机集与可能性理论 54
3.2.4随机集与粗糙集 57
3.2.5随机集与条件事件代数 60
3.2.6随机集与贝叶斯理论 63
3.3随机集理论在不确定性信息处理中的应用前景 65
3.3.1应用基础研究方面 65
3.3.2工程应用研究方面 66
3.4本章小结 72
参考文献 72
第4章 证据组合规则的随机集统一表示及其在故障诊断中的应用 76
4.1引言 76
4.2证据组合规则的随机集统一表示模型 77
4.3经典组合规则的随机集统一表示 78
4.3.1 Dempster证据组合规则的随机集表示 79
4.3.2 Smets证据组合规则的随机集表示 79
4.3.3 Yager证据组合规则的随机集表示 80
4.3.4 Dubois & Prade证据组合规则的随机集表示 81
4.3.5 DSm证据组合规则的随机集表示 82
4.4一种新的证据组合规则及其在故障诊断中的应用 83
4.5本章小结 85
参考文献 85
第5章 基于随机集的模糊证据获取及故障诊断的信息融合方法 87
5.1引言 87
5.2基于证据理论的信息融合故障诊断框架 88
5.3基于随机集的模糊证据获取方法 89
5.3.1故障样板模式隶属度函数的确定 89
5.3.2待检模式隶属度函数的确定 90
5.3.3获取模糊证据的随机集方法 90
5.4决策准则 93
5.5故障诊断实例 93
5.6本章小结 97
参考文献 97
附录A本章故障样板模式的实验数据 98
附录B本章中待检模式的实验数据 107
第6章 相关证据下并发故障诊断的信息融合方法 109
6.1引言 109
6.2并发故障诊断的DSmT融合模型 110
6.2.1并发故障的表示 110
6.2.2并发故障的融合模型 112
6.3证据相关性及解相关方法 112
6.3.1基于证据分解的解相关方法 112
6.3.2基于参数的解相关方法 113
6.3.3新的证据解相关方法 114
6.4故障诊断实例 115
6.4.1故障样板模式隶属度函数的确定 116
6.4.2待检模式隶属度函数的确定 117
6.4.3构造基于隶属度函数的基本概率赋值函数 117
6.4.4决策规则 119
6.4.5故障诊断结果 120
6.5本章小结 121
参考文献 121
第7章 开放辨识框架下并发故障诊断的信息融合方法 123
7.1引言 123
7.2开放辨识框架下的证据组合 124
7.3 DS证据理论下证据间冲突程度的度量因子 124
7.4 DSmT下基于GPT的冲突度量因子 127
7.5故障诊断实例 128
7.5.1诊断实例选取 128
7.5.2故障诊断结果 129
7.6本章小结 130
参考文献 131
第8章 条件化的DSmT证据组合方法及其在故障诊断中的应用 132
8.1引言 132
8.2 DSmT动态组合方法 132
8.3证据理论中的条件规则 134
8.4条件化的DSmT证据组合方法 135
8.4.1 DSmT框架下条件化的线性组合方法 135
8.4.2线性组合的权重 136
8.5故障诊断实例 137
8.5.1诊断实例选取 137
8.5.2故障诊断结果 138
8.6本章小结 139
参考文献 139
第9章 基于条件证据理论的信息融合故障诊断方法 141
9.1引言 141
9.2条件证据基本理论 142
9.3基于条件证据的故障诊断方法 143
9.4故障诊断实例 144
9.4.1故障样板模式隶属度函数的确定 144
9.4.2待检模式隶属度函数的确定 145
9.4.3基本概率分配函数的确定 145
9.4.4决策准则 147
9.4.5实验 148
9.5本章小结 149
参考文献 149
第10章 基于条件事件的证据更新方法及其在故障诊断中的应用 150
10.1引言 150
10.2证据的随机集表示 151
10.3基于条件事件的更新规则 152
10.3.1条件置信及更新规则 152
10.3.2条件置信函数 154
10.3.3基于条件事件的更新策略 155
10.4故障诊断实例 156
10.5本章小结 158
参考文献 159
第11章 基于证据相似性度量的冲突证据融合故障诊断方法 160
11.1引言 160
11.2经典的冲突证据度量方法 161
11.2.1证据距离 161
11.2.2 Pignistic概率距离 162
11.2.3冲突的判定 162
11.3基于向量余弦相似性的冲突证据度量方法 163
11.3.1构造Pignistic证据相似度空间 164
11.3.2冲突证据的相似性度量及其融合 165
11.4融合决策及其准则 165
11.5故障诊断实例 166
11.6本章小结 169
参考文献 169
第12章 基于诊断证据可靠性评估的信息融合故障诊断方法 171
12.1引言 171
12.2基于诊断证据可靠性动静态折扣因子的信息融合故障诊断 172
12.2.1基于Pignistic概率的静态折扣因子计算 172
12.2.2基于证据相似度的动态折扣因子的计算 174
12.3融合决策及其准则 175
12.4故障诊断实例 175
12.4.1求静态折扣因子 175
12.4.2求动态折扣因子 176
12.4.3融合诊断结果 178
12.5本章小结 178
参考文献 179
第13章 基于证据动态更新的信息融合故障诊断方法 180
13.1引言 180
13.2诊断证据动态更新的一般规律 181
13.3基于证据动态更新的信息融合故障诊断方法 182
13.3.1基于类Jeffery的诊断证据更新规则 182
13.3.2基于条件化线性组合的诊断证据更新规则 182
13.3.3证据冲突因子N的确定及更新规则的选取 184
13.4故障诊断实例 184
13.5本章小结 192
参考文献 192
第14章 模糊规则推理和证据理论结合的故障诊断方法 194
14.1引言 194
14.2故障诊断中的模糊规则库 195
14.3基于模糊规则推理与证据理论结合的诊断方法 196
14.3.1证据的随机集表示及扩展准则 196
14.3.2基本概率赋值的确定 197
14.4融合决策及其准则 198
14.5故障诊断实例 199
14.5.1问题描述 199
14.5.2模糊规则库的建立 199
14.5.3诊断的输入 201
14.5.4融合诊断结果的统计分析 203
14.6本章小结 204
参考文献 204
第15章 基于随机集理论的电路性能可靠性评估方法 205
15.1引言 205
15.2电路系统性能可靠性评估的概率模型 206
15.3电路性能可靠性评估的随机集方法 207
15.3.1方法的实施步骤 208
15.3.2随机集方法误差及其和蒙特卡罗方法误差的比较 211
15.4电路性能可靠性分析实例 212
15.4.1 TOVCV LFP电路的性能可靠性分析 212
15.4.2 VCO电路的性能可靠性分析 220
15.5本章小结 221
参考文献 221
第16章 基于证据理论可传递信度模型的边坡稳定性评估方法 223
16.1引言 223
16.2实数域上的可传递信度模型 224
16.3基于实数域TBM和随机集的边坡稳定性评估 226
16.3.1基于稳定性函数概率的边坡分析模型 226
16.3.2利用Pignistic概率分析边坡稳定性 227
16.3.3 Pignistic概率累积分布误差分析 229
16.4边坡稳定性评估实例 230
16.4.1受随机性影响的典型边坡结构 230
16.4.2随机变量的随机集证据形式 232
16.4.3稳定性函数输出的随机集证据形式 232
16.4.4 Pignistic概率的决策方法和蒙特卡罗方法比较 233
16.5本章小结 236
参考文献 236
第17章 基于多源不确定性信息随机集统一表示的边坡稳定性评估方法 237
17.1引言 237
17.2随机集上下概率 238
17.3基于多源不确定性信息随机集统一表示的边坡稳定性评估 239
17.3.1基于随机集上下概率的边坡稳定性分析模型 239
17.3.2方法实施步骤 240
17.4边坡稳定性评估实例 241
17.4.1分别受随机性和模糊性影响的典型边坡结构 241
17.4.2模糊参数信息的随机集表示与融合 242
17.4.3随机参数信息的随机集表示 245
17.4.4基于随机集上下概率的边坡稳定性评估 245
17.5本章小结 246
参考文献 246
第18章 基于随机模糊变量模型的边坡稳定性评估方法 247
18.1引言 247
18.2随机模糊变量 248
18.2.1随机变量的模糊集变换 248
18.2.2随机模糊变量的定义 248
18.2.3随机模糊变量的运算 249
18.3基于随机模糊变量的边坡稳定性评估模型 250
18.3.1基于稳定性系数的边坡稳定性分析模型 250
18.3.2方法实施步骤 251
18.4边坡稳定性评估实例 253
18.4.1同时受随机性和模糊性影响的典型边坡结构 253
18.4.2参数的随机模糊变量表示 254
18.4.3随机模糊变量TBM变换 256
18.4.4进行蒙特卡罗仿真并用仿真结果评估边坡的稳定性 257
18.5本章小结 258
参考文献 259