基于免疫理论的智能故障检测与诊断方法pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

基于免疫理论的智能故障检测与诊断方法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

第1章 绪论 1

1.1 人工免疫系统的研究进展 1

1.2 故障诊断方法评价 4

1.3 基于免疫理论的故障诊断方法研究现状 7

1.3.1 人工免疫网络在故障诊断中的应用 7

1.3.2 人工免疫算法在故障诊断中的应用 8

1.3.3 包含固有免疫性的人工免疫系统应用 9

1.4 主要研究内容和研究意义 11

1.5 小结 13

第2章 免疫背景 14

2.1 生物免疫概述 14

2.1.1 免疫系统的几个概念 15

2.1.2 免疫系统的功能 17

2.2 生物免疫多层防御机制 18

2.2.1 固有免疫系统 19

2.2.2 适应性免疫系统 21

2.2.3 固有免疫与适应性免疫的关系 22

2.3 生物免疫机理 23

2.3.1 免疫细胞的相互作用及其活化信号 23

2.3.2 初次响应和二次响应 25

2.3.3 免疫系统的信息处理特性 28

2.4 人工免疫系统概述 29

2.4.1 人工免疫系统研究内容和范围 29

2.4.2 基于免疫的计算智能 30

2.4.3 人工免疫系统的工程应用 31

2.5 人工免疫系统的结构 33

2.5.1 工程免疫系统结构 33

2.5.2 人工免疫系统的概念结构 34

2.5.3 包含固有免疫性的人工免疫系统模型 35

2.6 免疫算法及模型 36

2.6.1 否定选择算法分析 36

2.6.2 克隆选择算法 39

2.6.3 aiNet免疫网络模型 42

2.6.4 树突状细胞算法 48

2.7 小结 51

第3章 面向故障诊断的分层免疫模型 53

3.1 引言 53

3.2 分层免疫模型结构 55

3.3 故障诊断问题定义 58

3.4 异常追踪检测层 59

3.4.1 子空间追踪的信号压缩 60

3.4.2 变化点检测 61

3.4.3 时间序列符号化 61

3.4.4 输入输出信号 62

3.4.5 动态迁移阈值 62

3.5 双重免疫故障诊断层 63

3.5.1 故障知识库 63

3.5.2 已知故障类型诊断 65

3.5.3 双重免疫学习机制 67

3.5.4 仿真实例 70

3.6 动态克隆选择学习机制 74

3.6.1 成熟检测器的克隆扩增 74

3.6.2 分级记忆检测器 76

3.7 故障传播诊断层 77

3.7.1 故障传播模型 78

3.7.2 基于故障传播模型的诊断过程 79

3.8 小结 80

第4章 基于时间序列树突状细胞算法的异常检测方法 81

4.1 引言 81

4.2 树突状细胞的免疫功能 83

4.2.1 树突状细胞 83

4.2.2 树突状细胞的抗原处理与提呈功能 84

4.2.3 树突状细胞与免疫激活和耐受 85

4.2.4 树突状细胞的三种状态及激活信号 86

4.2.5 树突状细胞特征提取 89

4.3 树突状细胞算法 90

4.3.1 危险理论 90

4.3.2 树突状细胞算法原理与定义 92

4.3.3 树突状细胞算法描述 93

4.4 一种动态迁移阈值树突状细胞算法 95

4.4.1 相关定义 96

4.4.2 算法改进策略 97

4.4.3 改进树突状细胞算法描述 97

4.4.4 算法有效性验证 99

4.5 面向异常检测的时间序列树突状细胞算法 104

4.5.1 基于树突状细胞算法的异常检测框架 105

4.5.2 子空间追踪的信号压缩方法 106

4.5.3 变化点检测的抗原定义 108

4.5.4 抗原时间序列符号化 109

4.5.5 输入输出信号关联关系 110

4.5.6 上下文评估 111

4.5.7 实验及仿真 112

4.6 小结 117

第5章 用于故障诊断的体液免疫双重学习机制 118

5.1 机器学习概述 118

5.2 体液免疫的学习与记忆 120

5.2.1 体液免疫 120

5.2.2 免疫学习和记忆 122

5.3 基于体液免疫的双重学习机制 123

5.3.1 体液免疫学习模型 124

5.3.2 记忆细胞库生成 126

5.3.3 故障检测阶段 129

5.3.4 抗原学习过程 130

5.4 检测效率的比较 136

5.5 小结 140

第6章 基于克隆扩增和分级记忆策略的免疫算法 141

6.1 动态克隆选择算法 142

6.1.1 动态克隆选择算法的运行机制 142

6.1.2 动态克隆选择算法存在的问题 144

6.2 基于克隆扩增策略的免疫算法 145

6.2.1 克隆扩增策略 145

6.2.2 基于克隆扩增策略的免疫算法设计 148

6.2.3 基于克隆扩增策略的免疫算法分析 151

6.2.4 实验及分析 152

6.3 基于分级记忆策略的免疫算法 154

6.3.1 免疫记忆机理 155

6.3.2 基于分级记忆策略的免疫算法设计 156

6.3.3 基于分级记忆策略的免疫算法分析 161

6.3.4 实验及分析 162

6.4 基于扩增和记忆策略的故障诊断模型 164

6.4.1 数据处理与特征分析 166

6.4.2 故障检测与学习 168

6.5 小结 170

第7章 基于免疫网络的故障传播模型 171

7.1 引言 171

7.1.1 问题的提出 171

7.1.2 解决思路 173

7.2 现有故障传播模型的描述方法 173

7.3 免疫网络模型 176

7.3.1 独特型网络和免疫调节 176

7.3.2 通用免疫网络模型 178

7.4 基于免疫网络的故障传播模型 181

7.4.1 B细胞网络与故障传播的关系 181

7.4.2 基于免疫网络的故障传播模型描述 182

7.4.3 基于传播模型的故障诊断 184

7.4.4 算法描述 189

7.4.5 故障传播模型举例 190

7.5 小结 193

第8章 免疫诊断模型在电机故障诊断中的应用 194

8.1 异步电动机故障机理分析 194

8.1.1 转子绕组故障 195

8.1.2 定子绕组故障 195

8.1.3 电机轴承故障 196

8.2 信号采集及故障特征分析 196

8.2.1 特征数据提取 197

8.2.2 特征数据归一化 200

8.3 基于免疫模型的故障诊断实验 200

8.3.1 训练阶段 201

8.3.2 故障诊断阶段 203

8.3.3 连续学习阶段 208

8.4 实验结果分析 214

8.5 小结 215

第9章 总结与展望 216

9.1 主要研究工作总结 216

9.2 主要创新点 216

9.3 研究展望 218

参考文献 219