《智能装备故障诊断》课程 教学大纲

PAGEPAGE8《智能装备故障诊断》课程教学大纲一、课程基本信息课程名称智能装备故障诊断课程编号课程性质选修课课程类别专业课开课单位智能制造教研室授课学期第7学期学分/学时2/32课内学时32理论授课32上机学时0课内实践0实验学时0课外学时48适用专业智能制造工程是否双语否先修课程大学物理，电工电子技术，自动控制原理，传感器技术后续课程单片机原理与接口技术，PLC原理及应用等课程二、课程简介《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。三、课程目标及对毕业要求指标点的支撑（一）课程目标课程目标1：通过智能装备故障诊断的学习，使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。（二）课程目标对毕业要求指标点的支撑课程目标支撑毕业要求指标点毕业要求课程目标11-2能针对复杂工程问题，进行数学建模并求解。12-1能认识不断探索和学习的必要性，具有自主学习和终身学习的意识，拓展知识和能力的途径。1-工程知识12-终身学习课程目标21-2能针对复杂工程问题，进行数学建模并求解。1-工程知识课程目标31-3能够融合专业知识和系统方法对系统模型进行分析。2-2能够针对工程问题选择恰当的基础理论和数学模型方法，表达复杂工程问题。1-工程知识2-问题分析课程目标42-2能够针对工程问题选择恰当的基础理论和数学模型方法，表达复杂工程问题。3-2能够针对工程实际问题，设计满足特定需求的模块。2-问题分析3-设计/开发解决方案四、课程基本教学内容及对课程目标的支撑（一）课程基本教学内容第一单元绪论（学时数：4学时）1.课程主要内容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。2.重点和难点重点：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。难点：智能科学与智能故障诊断。3.教学方法课堂讲授、课堂讨论、巡回指导、案例分析。4.学生学习预期成果能够描述装备故障诊断基础、历史、现状及发展；了解了智能科学与智能故障诊断；了解了智能故障诊断一般结构和特点。5.支撑课程目标课程目标1；课程目标2。第二单元智能故障诊断知识的获取及表示（学时数：6学时）1.课程主要内容了解知识分类，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。2.重点和难点重点：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。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。3.教学方法课堂讲授、课堂讨论、巡回指导、案例分析。4.学生学习预期成果完成课程的主要内容。5.支撑课程目标课程目标1；课程目标2；课程目标3。第三单元模糊智能故障诊断（学时数：6学时）1.课程主要内容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。2.重点和难点重点：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。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。3.教学方法课堂讲授、课堂讨论、巡回指导、案例分析。4.学生学习预期成果能够完成课程的主要内容。5.支撑课程目标课程目标1；课程目标2；课程目标3。第四单元基于神经网络的智能故障诊断（学时数：4学时）1.课程主要内容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。2.重点和难点重点：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。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。3.教学方法课堂讲授、课堂讨论、巡回指导、案例分析、随堂测验。4.学生学习预期成果能够完成课程的主要内容。5.支撑课程目标课程目标1；课程目标2；课程目标3；课程目标4。第五单元基于支持向量机的智能故障诊断（学时数：4学时）1.课程主要内容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；掌握最小二乘法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。2.重点和难点重点：基于支持向量机的线性、非线性回归估计；最小二乘法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。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。3.教学方法课堂讲授、课堂讨论、巡回指导、案例分析、随堂测验。4.学生学习预期成果能够完成课程主要内容，能够解决实际问题。5.支撑课程目标课程目标1；课程目标2；课程目标3；课程目标4。第六单元智能故障诊断专家系统（学时数：4学时）1.课程主要内容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。2.重点和难点重点：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。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。3.教学方法课堂讲授、课堂讨论、巡回指导、案例分析。4.学生学习预期成果能够完成课程主要内容，能够解决实际问题。5.支撑课程目标课程目标1；课程目标2；课程目标3；课程目标4。第七单元基于模拟进化的智能故障诊断（学时数：4学时）1.课程主要内容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。2.重点和难点重点：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。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。3.教学方法课堂讲授、课堂讨论、巡回指导、案例分析。4.学生学习预期成果能够处理综合应用实际问题。5.支撑课程目标课程目标1；课程目标2；课程目标3；课程目标4。（二）课程基本教学内容对课程目标的支撑课程教学内容教学方法支撑的课程目标学时安排课内课外学时比例第一单元课堂讲授、课堂讨论、巡回指导、案例分析。课程目标1、241：1.5第二单元课堂讲授、课堂讨论、巡回指导、案例分析。课程目标1、2、361：1.5第三单元课堂讲授、课堂讨论、巡回指导、案例分析。课程目标1、2、361：1.5第四单元课堂讲授、课堂讨论、巡回指导、案例分析、随堂测验。课程目标1、2、3、441：1.5第五单元课堂讲授、课堂讨论、巡回指导、案例分析、随堂测验。课程目标1、2、3、441：1.5第六单元课堂讲授、课堂讨论、巡回指导、案例分析。课程目标1、2、3、441：1.5第七单元课堂讲授、课堂讨论、巡回指导、案例分析。课程目标1、2、3、441：1.5合计321：1.5五、课程考核及对课程目标的支撑（一）课程考核课程成绩构成（百分制）课程成绩构成比例考核环节目标分值考核/评价细则平时成绩40%作业110%课程第1次作业，提交时间、作业正确率等。作业210%课程第2次作业，提交时间、作业正确率等。作业310%课程第3次作业，提交时间、作业正确率等。课堂表现10%课堂综合表现，提问，回答，互动等。实践成绩40%实践115%完成实践任务1，程序仿真正确性，文本格式规范性。实践215%完成实践任务2，程序仿真正确性，文本格式规范性。实践310%完成实践任务3，程序仿真正确性，文本格式规范性。期末总结20%知识综合应用。20%期末课程论文，文本格式的规范性等。（二）课程考核对课程目标的支撑教学内容考核内容考核方式支撑的课程目标第一单元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；智能科学与智能故障诊断。课前预习随堂测验课后作业期末测验课程目标1、2第二单元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；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。课前预习随堂测验课后作业小组讨论课程目标1、2、3第三单元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。课前预习随堂测验课后作业课程目标1、2、3第四单元基于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。课前预习随堂测验课后作业小组讨论课程目标1、2、3、4第五单元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。课前预习随堂测验课后作业小组讨论课程目标1、2、3、4第六单元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。课前预习随堂测验课后作业课程目标1、2、3、4第七单元遗传算法在故障诊断中的应