一、课程基本信息中文名称：智能装备故障诊断英文名称：IntelligentFaultDiagnosisTechnologyforEquipments课程编码：10S4007B课程类别：专业选修课程总学时：32总学分：2学分适用专业：智能制造工程先修课程：高等数学、大学物理、传感器技术、控制工程基础开课系部：机电工程系二、课程性质、课程目标与及其对毕业要求的支撑1、课程性质《智能装备故障诊断》是在故障诊断基本理论的基础上采用各种先进的智能算法和智能模型来诊断、预测、监控和管理装备健康状态的一门学科。通过学习本课程，学生将掌握各种先进的智能理论和算法，拓宽知识面，有效培养学生的科研创新能力，2、课程目标课程目标1：通过智能装备故障诊断的学习，使得学生掌握机械设备状态监测与故障诊断的一般原理、步骤和方法，强化学生的工程伦理教育，提高学生正确认识问题、分析问题和解决问题的能力;课程自标2：掌握新技术背景下智能故障诊断系统中的知识获取策略和表示方法，培养学生探索未知、追求真理、勇攀科学高峰的责任感和使命感；课程目标3：掌握以人工智能技术为基础的模糊理论、神经网络、支持向量机、专家系统、模拟进化、集群智能等智能故障诊断技术，激发学生科技报国的家国情怀和使命担当课程自标4：通过以人工智能技术为理论的实际案例分析，提高学生独立解决工程实际问题的能力，培养学生精益求精的大国工匠精神。3、课程目标对毕业要求的支撑
一、课程基本信息 中文名称：智能装备故障诊断 英文名称： Intelligent Fault Diagnosis Technology for Equipments 课程编码：10S4007B 课程类别：专业选修课程 总 学 时：32 总 学 分：2学分 适用专业：智能制造工程 先修课程：高等数学、大学物理、传感器技术、控制工程基础 开课系部：机电工程系 二、课程性质、课程目标与及其对毕业要求的支撑 1、课程性质 《智能装备故障诊断》是在故障诊断基本理论的基础上采用各种先进的智能算法和智能模型来 诊断、预测、监控和管理装备健康状态的一门学科。通过学习本课程，学生将掌握各种先进的智能 理论和算法，拓宽知识面，有效培养学生的科研创新能力。 2、课程目标 课程目标1：通过智能装备故障诊断的学习，使得学生掌握机械设备状态监测与故障诊断的一般 原理、步骤和方法，强化学生的工程伦理教育，提高学生正确认识问题、分析问题和解决问题的能 力; 课程目标2：掌握新技术背景下智能故障诊断系统中的知识获取策略和表示方法，培养学生探索 未知、追求真理、勇攀科学高峰的责任感和使命感; 课程目标3：掌握以人工智能技术为基础的模糊理论、神经网络、支持向量机、专家系统、模拟 进化、集群智能等智能故障诊断技术，激发学生科技报国的家国情怀和使命担当; 课程目标4：通过以人工智能技术为理论的实际案例分析，提高学生独立解决工程实际问题的能 力，培养学生精益求精的大国工匠精神。 3、课程目标对毕业要求的支撑
毕业要求3：毕业要求2：毕业要求4：毕业要求5：设计/开发解决研究问题分析使用现代工具方案课程目标10.50. 20.20.1课程目标20.10.40.40.1课程目标30. 20. 30.30.20. 20. 20.10.5课程目标4注：表中课程目标对毕业要求的支撑矩阵，可根据支撑程度用0.1-1间数字表示。三、课程教学基本要求第一章绪论[教学内容与要求]了解装备故障诊断的基础、历史、现状及发展；了解智能科学与智能故障诊断；了解智能故障诊断的一般结构和特点；了解智能故障诊断的基本方法。[教学重点]智能科学与智能故障诊断：智能故障诊断的一般结构和特点。[教学难点]智能科学与智能故障诊断第二章智能故障诊断知识的获取及表示[教学内容与要求]了解知识的分类，知识获取的基本概念和一般方法；了解知识表示的概念和基本要求；掌握智能故障诊断知识的一般表示模型和方法；了解故障树的基本概念、故障树的表示和构建方法；掌握基于故障树的知识获取与表示方法；了解故障字典的概念、构建及应用方法；掌握基于故障字典的知识获取与表示方法；了解机器学习的原理、机器学习与知识获取的方法。[教学重点]知识获取的基本概念和一般方法；智能故障诊断知识的一般表示模型和方法；故障树的知识获取与表示方法；故障字典的知识获取与表示方法。[教学难点]故障树的知识获取与表示方法；故障字典的知识获取与表示方法，第三章模糊智能故障诊断[教学内容与要求]
三、课程教学基本要求 第一章 绪论 [教学内容与要求] 了解装备故障诊断的基础、历史、现状及发展;了解智能科学与智能故障诊断;了解智能故障诊断 的一般结构和特点;了解智能故障诊断的基本方法。 [教学重点] 智能科学与智能故障诊断;智能故障诊断的一般结构和特点。 [教学难点] 智能科学与智能故障诊断。 第二章 智能故障诊断知识的获取及表示 [教学内容与要求] 了解知识的分类，知识获取的基本概念和一般方法;了解知识表示的概念和基本要求;掌握智能故 障诊断知识的一般表示模型和方法;了解故障树的基本概念、故障树的表示和构建方法;掌握基于故障 树的知识获取与表示方法;了解故障字典的概念、构建及应用方法;掌握基于故障字典的知识获取与表 示方法;了解机器学习的原理、机器学习与知识获取的方法。 [教学重点] 知识获取的基本概念和一般方法;智能故障诊断知识的一般表示模型和方法;故障树的知识获取与 表示方法;故障字典的知识获取与表示方法。 [教学难点] 故障树的知识获取与表示方法;故障字典的知识获取与表示方法。 第三章 模糊智能故障诊断 [教学内容与要求]
了解普通集合与模糊集合；掌握模糊集合上的基本运算及定理；了解模糊关系与模糊等价关系；了解模糊诊断信息的获取方法；了解确定隶属函数的一般方法；掌握常用隶属函数及其模糊分布；了解机械信号特征的模糊处理；掌握模糊模式识别的一般方法和间接方法；掌握模糊诊断的聚类分析方法；掌握模糊综合评判的数学原理及五种模型；模糊理论在机械智能诊断中的应用；了解基于模糊相似度的范例检索方法。[教学重点]模糊集合上的基本运算及定理；常用隶属函数及其模糊分布；机械信号特征的模糊处理；模糊模式识别的一般方法和间接方法；模糊诊断的聚类分析方法；模糊综合评判的数学原理及五种模型；模糊理论在机械智能诊断中的应用。[教学难点]机械信号特征的模糊处理；模糊诊断的聚类分析方法模糊综合评判的数学原理及五种模型第四章基于神经网络的智能故障诊断[教学内容与要求]了解神经网络的基本理论；掌握BP网络及其改进算法;掌握基于BP网络的故障诊断：掌握RBF网络结构和算法；掌握基于RBF的故障诊断；掌握基于Elman神经网络的故障诊断；了解复杂装备系统故障诊断的层次特点；掌握集成神经网络诊断模型及诊断方法；神经网络在故障诊断中的应用实例。[教学重点]BP网络及其改进算法；基于BP网络的故障诊断;RBF网络结构和算法；基于RBF的故障诊断；基于Elman神经网络的故障诊断；集成神经网络诊断模型及诊断方法[教学难点]基于BP网络的故障诊断；基于RBF的故障诊断；基于EIman神经网络的故障诊断；集成神经网络诊断模型及诊断方法。第五章基于支持向量机的智能故障诊断[教学内容与要求]】了解统计学习理论与支持向量机；了解支持向量机与人工神经网络的性能比较；掌握基于支持向量机的线性、非线性回归估计；掌握最小二乘支持向量机的回归估计；支持向量机在智能故障诊断中的应用。[教学重点]
了解普通集合与模糊集合;掌握模糊集合上的基本运算及定理;了解模糊关系与模糊等价关系;了解 模糊诊断信息的获取方法;了解确定隶属函数的一般方法;掌握常用隶属函数及其模糊分布;了解机械信 号特征的模糊处理;掌握模糊模式识别的一般方法和间接方法;掌握模糊诊断的聚类分析方法;掌握模糊 综合评判的数学原理及五种模型;模糊理论在机械智能诊断中的应用;了解基于模糊相似度的范例检索 方法。 [教学重点] 模糊集合上的基本运算及定理;常用隶属函数及其模糊分布;机械信号特征的模糊处理;模糊模式识 别的一般方法和间接方法;模糊诊断的聚类分析方法;模糊综合评判的数学原理及五种模型;模糊理论在 机械智能诊断中的应用。 [教学难点] 机械信号特征的模糊处理;模糊诊断的聚类分析方法;模糊综合评判的数学原理及五种模型。 第四章 基于神经网络的智能故障诊断 [教学内容与要求] 了解神经网络的基本理论;掌握BP网络及其改进算法;掌握基于BP网络的故障诊断;掌握RBF网络 结构和算法;掌握基于RBF的故障诊断;掌握基于Elman神经网络的故障诊断;了解复杂装备系统故障诊 断的层次特点;掌握集成神经网络诊断模型及诊断方法;神经网络在故障诊断中的应用实例。 [教学重点] BP网络及其改进算法;基于BP网络的故障诊断;RBF网络结构和算法;基于RBF的故障诊断;基于 Elman神经网络的故障诊断;集成神经网络诊断模型及诊断方法。 [教学难点] 基于BP网络的故障诊断;基于RBF的故障诊断;基于Elman神经网络的故障诊断;集成神经网络诊 断模型及诊断方法。 第五章 基于支持向量机的智能故障诊断 [教学内容与要求] 了解统计学习理论与支持向量机;了解支持向量机与人工神经网络的性能比较;掌握基于支持向量 机的线性、非线性回归估计;掌握最小二乘支持向量机的回归估计;支持向量机在智能故障诊断中的应 用。 [教学重点]
基于支持向量机的线性、非线性回归估计；最小二乘支持向量机的回归估计；支持向量机在智能故障诊断中的应用。[教学难点]基于支持向量机的线性、非线性回归估计；最小二乘支持向量机的回归估计第六章智能故障诊断专家系统[教学内容与要求]了解故障诊断专家系统的基本概念、一般结构与功能；掌握基于规则的专家诊断系统；了解不确定性知识及推理方法；掌握专家系统的概率推理模型、证据推理模型和模糊推理模型；了解模糊故障诊断专家系统的实现方法；掌握基于范例的智能诊断与预测原理及一般工作过程；了解基于径向基函数网络的检索方法；掌握基于神经网络的专家诊断系统；掌握专家系统与神经网络结合的途径和方法；掌握专家系统与神经网络的集成结构。[教学重点]专家系统的概率推理模型、证据推理模型和模糊推理模型；模糊故障诊断专家系统的实现方法；基于范例的智能诊断与预测原理及一般工作过程；基于神经网络的专家诊断系统；专家系统与神经网络结合的途径和方法；专家系统与神经网络的集成结构。[教学难点]模糊故障诊断专家系统的实现方法；基于神经网络的专家诊断系统；专家系统与神经网络结合的途径和方法：专家系统与神经网络的集成结构第七章基于模拟进化的智能故障诊断[教学内容与要求]掌握遗传算法的原理及其实现；了解遗传算法的改进与参数控制；遗传算法在故障诊断中的应用；掌握模拟退火算法的基本原理及其实现；了解模拟退火算法参数的选择原则；模拟退火算法在故障诊断中的应用；掌握差分进化算法的基本原理、特点及参数选择；差分进化算法在故障诊断中的应用。[教学重点]遗传算法的原理及其实现；遗传算法在故障诊断中的应用；模拟退火算法的基本原理及其实现；模拟退火算法在故障诊断中的应用；差分进化算法的基本原理、特点及参数选择；差分进化算法在故障诊断中的应用。[教学难点]
基于支持向量机的线性、非线性回归估计;最小二乘支持向量机的回归估计;支持向量机在智能故 障诊断中的应用。 [教学难点] 基于支持向量机的线性、非线性回归估计;最小二乘支持向量机的回归估计。 第六章 智能故障诊断专家系统 [教学内容与要求] 了解故障诊断专家系统的基本概念、一般结构与功能;掌握基于规则的专家诊断系统;了解不确定 性知识及推理方法;掌握专家系统的概率推理模型、证据推理模型和模糊推理模型;了解模糊故障诊断 专家系统的实现方法;掌握基于范例的智能诊断与预测原理及一般工作过程;了解基于径向基函数网络 的检索方法;掌握基于神经网络的专家诊断系统;掌握专家系统与神经网络结合的途径和方法;掌握专家 系统与神经网络的集成结构。 [教学重点] 专家系统的概率推理模型、证据推理模型和模糊推理模型;模糊故障诊断专家系统的实现方法;基 于范例的智能诊断与预测原理及一般工作过程;基于神经网络的专家诊断系统;专家系统与神经网络结 合的途径和方法;专家系统与神经网络的集成结构。 [教学难点] 模糊故障诊断专家系统的实现方法;基于神经网络的专家诊断系统;专家系统与神经网络结合的途 径和方法;专家系统与神经网络的集成结构。 第七章 基于模拟进化的智能故障诊断 [教学内容与要求] 掌握遗传算法的原理及其实现;了解遗传算法的改进与参数控制;遗传算法在故障诊断中的应用;掌 握模拟退火算法的基本原理及其实现;了解模拟退火算法参数的选择原则;模拟退火算法在故障诊断中 的应用;掌握差分进化算法的基本原理、特点及参数选择;差分进化算法在故障诊断中的应用。 [教学重点] 遗传算法的原理及其实现;遗传算法在故障诊断中的应用;模拟退火算法的基本原理及其实现;模拟 退火算法在故障诊断中的应用;差分进化算法的基本原理、特点及参数选择;差分进化算法在故障诊断 中的应用。 [教学难点]
遗传算法在故障诊断中的应用；模拟退火算法在故障诊断中的应用；差分进化算法在故障诊断中的应用。第八章基于集群智能的故障诊断[教学内容与要求]了解集群智能的基本概念；掌握蚁群觅食的原理；掌握蚁群优化算法的实现及参数设置；掌握蚁群算法的特点及改进方法；掌握基于蚁群算法的故障诊断识别；掌握粒子群优化算法的基本原理、实现方法、参数选择及改进措施；基于粒子群优化的智能故障诊断识别。[教学重点]蚁群优化算法的实现及参数设置;蚁群算法的特点及改进方法；基于蚁群算法的故障诊断识别；粒子群优化算法的基本原理、实现方法、参数选择及改进措施；基于粒子群优化的智能故障诊断识别。[教学难点]基于蚁群算法的故障诊断识别；基于粒子群优化的智能故障诊断识别。根据本课程内容，课程内容对课程自标的支撑如下：课程目标1课程目标2课程目标3课程目标40.60.10.10. 2第一章绪论0.10. 70.1第二章智能故障诊断知识的获取及表示0. 10.2第三章模糊智能故障诊断0.10. 50. 20.1第四章基于神经网络的智能故障诊断0.20.60.10.10.20. 50. 2第五章基于支持向量机的智能故障诊断0. 10. 20.60.1第六章智能故障诊断专家系统0.10.20. 50. 2第七章基于模拟进化的智能故障诊断0. 10.20.60.1第八章基于集群智能的故障诊断注：表中课程内容对课程目标的支撑矩阵，可根据支撑程度用0.1-1间数字表示。四、有关教学环节的要求1、教学方法：教学方法包括理论知识讲授、课堂讨论、自学、答疑（1)理论知识讲授：以教师课堂讲授为主，读阅参考文献、书籍为辅，使得学生掌握机械设备状态监测与故障诊断的一般原理、步骤和方法，强化学生的工程伦理教育。(2)课堂讨论：由教师布置内容、提供参考书，学生自己准备，课堂上围绕提出的问题进行讨论，锻炼学生正确认识问题、分析问题和解决问题的能力。(3)自学：由教师布置自学内容，提出重点，指导学生学习。(4)答疑：针对课程的重点和难点及学生提出的问题，教师组织进行答疑
遗传算法在故障诊断中的应用;模拟退火算法在故障诊断中的应用;差分进化算法在故障诊断中的 应用。 第八章 基于集群智能的故障诊断 [教学内容与要求] 了解集群智能的基本概念;掌握蚁群觅食的原理;掌握蚁群优化算法的实现及参数设置;掌握蚁群算 法的特点及改进方法;掌握基于蚁群算法的故障诊断识别;掌握粒子群优化算法的基本原理、实现方 法、参数选择及改进措施;基于粒子群优化的智能故障诊断识别。 [教学重点] 蚁群优化算法的实现及参数设置;蚁群算法的特点及改进方法;基于蚁群算法的故障诊断识别;粒子 群优化算法的基本原理、实现方法、参数选择及改进措施;基于粒子群优化的智能故障诊断识别。 [教学难点] 基于蚁群算法的故障诊断识别;基于粒子群优化的智能故障诊断识别。 根据本课程内容，课程内容对课程目标的支撑如下： 四、有关教学环节的要求 1、教学方法：教学方法包括理论知识讲授、课堂讨论、自学、答疑。 (1)理论知识讲授：以教师课堂讲授为主，读阅参考文献、书籍为辅，使得学生掌握机械设备状 态监测与故障诊断的一般原理、步骤和方法，强化学生的工程伦理教育。 (2)课堂讨论：由教师布置内容、提供参考书，学生自己准备，课堂上围绕提出的问题进行讨 论，锻炼学生正确认识问题、分析问题和解决问题的能力。 (3)自学：由教师布置自学内容，提出重点，指导学生学习。 (4)答疑：针对课程的重点和难点及学生提出的问题，教师组织进行答疑
2、教学手段在教学过程中要掌握传授知识和培养学生能力的辩证关系，特别注意培养学生的分析问题和解决问题的能力。始终贯彻教书育人的思想，讲授应灵活多样，始终贯彻启发式教学，做到重点突出、层次清楚、联系实际，培养学生的科研创新能力和精益求精的大国工匠精神。3、作业要求：作业要求数据真实、内容书写规范整齐、分析步骤完整，强化学生的工程伦理教育，提高学生正确认识问题、分析问题和解决问题的能力。4、课程考试：本课程为专业选修课程，考查课，课程考核内容为本大纲规定内容，期未考核方式为开卷考试。成绩评定一般采用结构成绩，总评成绩=期末考试成绩50%+平时成绩50%，注意：期未考试成绩为50分以下，不允许加平时成绩。通过期末考试，强化了学生对课程的总体把握和理解，提升学生正确认识问题、分析问题和解决问题的能力，强化学生的工程伦理教育。平时成绩中的科技文献查找、阅读和总结交流，增加了课程中人工智能技术的理解应用，培养学生探索未知、追求真理、勇攀科学高峰的责任感和使命感，激发学生科技报国的家国情怀和使命担当，同时，培养学生的科研创新能力和精益求精的大国工匠精神。五、学时分配
2、教学手段： 在教学过程中要掌握传授知识和培养学生能力的辩证关系，特别注意培养学生的分析问题和解 决问题的能力。始终贯彻教书育人的思想，讲授应灵活多样，始终贯彻启发式教学，做到重点突 出、层次清楚、联系实际，培养学生的科研创新能力和精益求精的大国工匠精神。 3、作业要求： 作业要求数据真实、内容书写规范整齐、分析步骤完整，强化学生的工程伦理教育，提高学生 正确认识问题、分析问题和解决问题的能力。 4、课程考试： 本课程为专业选修课程，考查课，课程考核内容为本大纲规定内容，期末考核方式为开卷考 试。成绩评定一般采用结构成绩，总评成绩=期末考试成绩50%+平时成绩50%，注意：期末考试成 绩为50分以下，不允许加平时成绩。通过期末考试，强化了学生对课程的总体把握和理解，提升学 生正确认识问题、分析问题和解决问题的能力，强化学生的工程伦理教育。平时成绩中的科技文献 查找、阅读和总结交流，增加了课程中人工智能技术的理解应用，培养学生探索未知、追求真理、 勇攀科学高峰的责任感和使命感，激发学生科技报国的家国情怀和使命担当，同时，培养学生的科 研创新能力和精益求精的大国工匠精神。 五、学时分配
作业备注主要各教学环节学时分配题量章节内容讲授实验习题课外小计22第一章绪论智能故障诊断知22第二章识的获取及表示模糊智能故障诊第三章44断基于神经网络的6第四章60智能故障诊断基于支持向量机6第五章6的智能故障诊断智能故障诊断专第六章44家系统基于模拟进化的4第七章4智能故障诊断基于集群智能的4第八章4故障诊断合计3232