本书系统介绍了核动力系统与设备故障诊断方法，内容包括核动力系统与设备故障常规诊断方法、基于神经网络的故障诊断方法、基于智能推理和优化算法的故障诊断方法、基于信息处理和信息融合的故障诊断方法，以及综合诊断和其他监测、诊断方法。本书可作为高等院校核科学与技术和核动力相关专业的研究生教材，也可供核动力相关专业的教师和科技人员参考。

第1章 绪言
1.1 核动力系统与设备
1.1.1 核动力装置主要系统
1.1.2 核动力设备分类
1.2 核动力系统与设备故障诊断及其发展
1.2.1 核动力系统与设备故障诊断
1.2.2 核动力系统与设备故障诊断技术的发展
1.3 本章小结
思考题
第2章 故障诊断基本概念与基础知识
2.1 概述
2.2 故障诊断的基本概念
2.2.1 故障及其分类
2.2.2 故障诊断的概念
2.3 故障诊断的基础知识
2.3.1 故障诊断的基本原则
2.3.2 故障诊断的流程
2.3.3 故障诊断方法分类
2.4 本章小结
思考题
第3章 核动力系统与设备常规监测及诊断方法
3.1 概述
3.2 基于解析模型的诊断方法
3.2.1 概述
3.2.2 诊断原理
3.3 基于信号处理的诊断方法
3.3.1 概述
3.3.2 时域分析
3.3.3 频域分析
3.4 基于Petri网的诊断方法
3.4.1 Petri网的基本概念与建模逻辑
3.4.2 诊断原理的核心机制
3.4.3 诊断流程的工程化实现
3.4.4 方法特性与典型应用
3.5 基于符号有向图的诊断方法
3.5.1 符号有向图的基础建模逻辑
3.5.2 故障诊断的核心机制
3.5.3 工程实践的关键技术与挑战
3.5.4 方法特性与典型应用
3.6 基于故障树的诊断方法
3.6.1 定义
3.6.2 故障树分析的顺序
3.6.3 故障树分析法应用的符号
3.6.4 结构函数
3.6.5 故障树分析
3.7 基于贝叶斯网络的诊断方法
3.7.1 贝叶斯网络模型
3.7.2 基于时间序列分析
3.8 基于PCA的故障诊断方法
3.8.1 PCA降维原理及建模计算过程
3.8.2 基于PCA模型的故障检测原理
3.9 本章小结
思考题
第4章 基于神经网络的核动力系统与设备故障诊断方法
4.1 概述
4.2 神经网络基础
4.2.1 人脑生物神经元
4.2.2 人工神经元模型
4.2.3 激励函数
4.2.4 人工神经网络的拓扑结构
4.2.5 神经网络及其分类
4.2.6 神经网络的学习规则
4.2.7 常用神经网络及特点
4.3 基于单神经网络的核动力系统与设备诊断方法
4.3.1 单神经网络故障诊断方法要素
4.3.2 基于单神经网络的故障诊断原理
4.3.3 典型单神经网络故障诊断方法
4.3.4 诊断事例
4.4 基于集成神经网络的核动力系统与设备故障诊断方法
4.4.1 集成神经网络
4.4.2 集成神经网络故障诊断原理
4.4.3 典型集成神经网络故障诊断方法
4.4.4 诊断事例
4.5 基于深度学习的核动力系统与设备诊断方法
4.5.1 深度学习
4.5.2 深度神经网络
4.5.3 深度神经网络用于故障诊断的思路和步骤
4.5.4 基于迁移学习和改进DCNN的故障诊断原理
4.5.5 诊断事例
4.6 本章小结
思考题
第5章 核动力系统与设备智能推理及优化算法诊断方法
5.1 概述
5.2 核动力系统与设备模糊诊断方法
5.2.1 概述
5.2.2 模糊理论基础
5.2.3 模糊诊断原理
5.2.4 诊断事例
5.3 基于专家系统的核动力系统与设备故障诊断方法
5.3.1 概述
5.3.2 专家系统诊断原理
5.3.3 诊断事例
5.4 基于支持向量机的故障诊断方法
5.4.1 支持向量机概述
5.4.2 支持向量机线性分类
5.4.3 支持向量机非线性分类
5.4.4 诊断事例
5.5 基于遗传算法的故障诊断方法
5.5.1 遗传算法概述
5.5.2 遗传算法的基本操作
5.5.3 诊断事例
5.6 本章小结
思考题
第6章 核动力系统与设备信息融合及信息处理诊断方法
6.1 概述
6.2 基于粗糙集的核动力系统与设备故障诊断方法
6.2.1 粗糙集概述
6.2.2 粗糙集知识及其分类表示
6.2.3 粗糙集基础
6.2.4 基于粗糙集理论的故障诊断方法
6.2.5 诊断事例
6.3 基于信息融合的核动力系统与设备故障诊断方法
6.3.1 信息融合概述
6.3.2 信息融合模型及融合的层次
6.3.3 信息融合的典型结构
6.3.4 信息融合用于核动力装置故障诊断的结构
6.3.5 信息融合在故障诊断中的应用
6.3.6 诊断事例
6.4 本章小结
思考题
第7章 核动力系统与设备综合诊断及其他监测方法
7.1 概述
7.2 核动力系统与设备综合诊断方法
7.3 核动力系统与设备其他监测方法
7.3.1 视觉监测方法
7.3.2 振动和噪声监测方法
7.3.3 基于维修的设备故障监测方法
7.3.4 基于老化管理的设备故障监测方法
7.3.5 基于PHM的监测方法
7.3.6 设备故障全寿命监测与管理
7.4 本章小结
思考题
参考文献
后记