前言

随着科学技术的发展和进步，现代化生产中的工业系统变得越来越智能化，系统的复杂性成倍增长。近年来，我国的工业化水平越来越高，在航空航天、冶金化工、核能开发等领域取得了举世瞩目的成就。而目前国内外的工业装备正向着大规模和高精度的方向发展，工业装备中各零部件间衔接的紧密程度变得越来越重要。当其中的某个或某些零部件发生故障时，可能对整台设备乃至整条生产线造成重大影响，由此会带来无法估量的经济损失，更严重的还可能造成不必要的人员伤亡。因此，装备性能的下降和意外的失效影响生产中的三个关键因素，即安全、成本和质量。人们迫切需要提高动态系统的可靠性和可维护性。其中，如何在工业装备出现故障之前，准确监测工业装备的健康状况，判断出其亚健康状态，并进行调控、诊断和维护，以使其长期且稳定运行，具有重要的现实意义。

目前，国内有关工业装备亚健康状态预测、诊断及维护技术的书籍还较为少见，出版本书意在抛砖引玉，引起国内各界对工业装备监控维护的广泛关注。本书在对基础工业装备健康状态诊断理论介绍的基础上，结合作者近几年来的研究成果，重点介绍了几种改进及新型工业装备健康状态诊断模型，并对如何将诊断模型应用到具体问题做了详细的阐述。全书共12章，第1章综述了各种机械健康状态诊断技术的发展现状及发展趋势；第 2 章主要介绍了一种有效的数据预处理方法；第3~10章给出几种改进及新型健康状态诊断模型，主要包括神经网络、支持向量机、小波变换和势能函数等几种方法；第 11 章和第 12 章介绍了不完整数据集的区间重构及在此基础上的聚类算法。

本书涉及的研究成果得到了国家自然科学基金项目（61174115，51104044）和辽宁省教育厅项目（L2010153）的支持。本书在出版过程中，得到了很多学者的惠助。其中特别感谢吴利春、赵家强、杨永波、郑阿楠、田立、孙丽杰、邴兆红、蔡晓辉、张旭男、夏天、王蓓蕾、刘萌萌、张继研、罗建华、蔡连博及卢秀颖等（以出现章节为序）参与了本书部分内容撰写或提供了素材。电子工业出版社徐编辑等为提高本书质量也付出了辛勤汗水，在此一并致谢。

需要指出的是，本书的部分内容是作者所在辽宁大学计算机应用研究所及大连理工大学计算机控制研究所师生多年从事模式识别、故障诊断工作的知识积累。在此向曾经或正在研究所工作学习、在故障诊断方面做出贡献的各位老师、同学和朋友表示感谢；同时，向给予作者支持和鼓励的清华大学、东北大学等兄弟院校的老师、朋友和同行表达谢意。

由于作者理论水平有限，书中难免存在疏漏与不妥之处，恳求各位专家、学者和广大读者批评指正。

作者

2013年8月