《人工智能与机械工程》是为适应国家智能制造发展战略而编写的教材。本书系统阐述人工智能核心理论与方法，包括模糊数学、神经网络、遗传算法等，并重点探讨其在机械工程关键领域的融合与应用，涵盖智能优化设计、智能传感、智能控制、智能生产与智能运维。内容兼具理论基础与工程实践，辅以MATLAB/ Python实例，旨在培养学生运用智能技术解决复杂机械工程问题的能力，推动机械工程向智能化、自主化方向创新发展。
本书适用于机械工程、智能制造等相关专业的高年级本科生和研究生，也可为相关领域的工程技术人员提供参考。
第1章 绪论?/?001
1.1 人工智能概念 001
1.2 机械工程的发展 002
1.2.1 近代机械的发展 002
1.2.2 现代机械工程的发展 004
1.3 人工智能的发展 007
1.4 人工智能的研究领域与应用范围 010
1.5 人工智能对机械工程发展的作用 010
第2章 模糊数学?/?012
2.1 模糊数学概论 012
2.2 模糊集合 013
2.2.1 模糊集合的定义 013
2.2.2 模糊集合的表示 015
2.2.3 模糊集合的基本运算 017
2.2.4 模糊集合与经典集合的联系 020
2.2.5 隶属度函数 022
2.3 模糊矩阵与模糊关系 028
2.3.1 模糊矩阵 028
2.3.2 模糊关系 033
2.4 模糊逻辑与近似推理 039
2.4.1 模糊逻辑 039
2.4.2 模糊语言 047
2.4.3 模糊推理 052
第3章 神经网络?/?062
3.1 神经网络基础 062
3.1.1 神经元的模型 062
3.1.2 激活函数 063
3.1.3 网络结构分类 065
3.1.4 神经网络性能 066
3.1.5 神经网络学习方式 067
3.2 感知机 067
3.2.1 感知机概述 067
3.2.2 单层感知机 068
3.2.3 多层感知机 071
3.3 BP神经网络 071
3.3.1 BP算法的原理 071
3.3.2 BP算法的改进 073
3.4 RBF神经网络 074
3.4.1 RBF神经网络结构及工作原理 074
3.4.2 RBF神经网络的常规学习算法 076
3.5 SOM神经网络 077
3.5.1 SOM神经网络介绍 078
3.5.2 SOM神经网络结构 078
3.5.3 SOM神经网络的权值调整域 078
3.5.4 SOM神经网络原理和学习方法 079
3.5.5 SOM神经网络优缺点和应用 081
第4章 遗传算法?/?082
4.1 遗传算法基础 082
4.1.1 遗传算法概述 082
4.1.2 遗传算法流程 082
4.2 遗传编码和适应度函数 084
4.2.1 遗传编码 084
4.2.2 适应度函数 086
4.3 遗传算子 086
4.3.1 选择 087
4.3.2 交叉 089
4.3.3 变异 090
4.4 遗传算法的改进 091
4.4.1 大变异算法 091
4.4.2 自适应遗传算法 092
4.5 遗传算法在MATLAB上的应用 092
第5章 智能优化设计?/?095
5.1 机械优化设计概论 095
5.2 基于模糊算法的机械结构优化 097
5.2.1 基于模糊数学的优化原理 097
5.2.2 机械模糊优化设计的一般步骤 101
5.2.3 模糊优化在机械优化设计中的应用 101
5.2.4 MATLAB程序实现 106
5.3 基于BP神经网络算法的机械结构优化 107
5.3.1 基于BP神经网络的优化原理 107
5.3.2 BP神经网络算法一般步骤 108
5.3.3 BP神经网络在优化设计中的应用 108
5.3.4 优化器算法MATLAB程序实现 111
5.3.5 BPN-GA算法MATLAB程序实现 112
第6章 智能传感?/?114
6.1 智能传感技术概论 114
6.1.1 智能传感的内涵与发展历程 114
6.1.2 智能传感器的基本构成与功能层级 115
6.2 人工智能技术在智能传感中的应用基础 116
6.2.1 智能传感器概述 116
6.2.2 基于神经网络的传感器非线性建模与补偿方法 117
6.3 智能传感器性能优化典型案例 119
6.3.1 基于专家系统的压电传感器故障自主识别 119
6.3.2 基于浅层神经网络的气压传感器非线性校正 125
6.3.3 基于反向传播神经网络的温度传感器补偿 129
第7章 智能控制?/?133
7.1 智能控制概述 133
7.2 模糊控制器设计 134
7.2.1 模糊控制器的基本原理 134
7.2.2 模糊控制器设计步骤 136
7.2.3 模糊控制器设计实例 138
7.3 模糊自适应PID控制 142
7.3.1 模糊自适应整定PID控制原理 142
7.3.2 仿真实例及程序 145
7.4 基于单神经元网络的PID智能控制 152
7.4.1 单神经元的基本原理 152
7.4.2 神经网络学习规则 153
7.4.3 单神经元自适应PID控制 153
7.4.4 仿真实例及程序 155
7.5 基于BP神经网络整定的PID控制 161
7.5.1 基于BP神经网络的PID整定原理 162
7.5.2 仿真实例及程序 165
7.6 基于遗传算法的PID控制 169
7.6.1 基于遗传算法的PID整定 170
7.6.2 仿真实例及程序 171
第8章 智能生产?/?182
8.1 智能生产概论 182
8.1.1 智能生产定义 182
8.1.2 智能生产系统 183
8.2 车间调度 183
8.2.1 车间概述 183
8.2.2 “人机料法环” 184
8.2.3 生产调度概述 187
8.2.4 车间调度问题描述 189
8.2.5 生产调度问题与车间调度问题的性能指标 189
8.2.6 生产调度问题与车间调度问题的分类 191
8.2.7 车间调度问题的目标 193
8.2.8 车间调度问题的特点 193
8.2.9 车间调度问题模型 195
8.3 智能优化算法 196
8.3.1 车间调度问题的优化算法 196
8.3.2 结合模糊数学求解车间调度问题 203
8.3.3 神经网络求解车间调度问题 211
8.3.4 遗传算法求解车间调度问题 222
第9章 智能运维?/?236
9.1 智能运维的意义 236
9.1.1 PHM的核心与内涵 236
9.1.2 设备故障检测与寿命预测 237
9.2 旋转机械频谱分析与故障识别 238
9.2.1 故障特征频率计算 239
9.2.2 MATLAB程序实现 239
9.2.3 实验验证 240
9.3 透平机械智能损伤识别 242
9.3.1 迁移学习及其在损伤识别中的应用 242
9.3.2 MATLAB程序实现 244
9.3.3 实验验证 245
9.4 滚动轴承寿命预测 247
9.4.1 寿命预测流程与循环网络简介 247
9.4.2 MATLAB程序实现 249
9.4.3 实验验证 251
附录 基本术语?/?253
参考文献?/?254
新书资讯
