第1章  绪论
  1.1  深海固体矿物探采装备概述
    1.1.1  海底钻机
    1.1.2  海底采矿车
  1.2  故障诊断技术与设备健康管理
    1.2.1  基于模型的故障诊断方法
    1.2.2  专家系统及其在故障诊断中的应用
    1.2.3  基于数据驱动的故障诊断技术
    1.2.4  聚类算法及其在故障诊断中的应用
  1.3  深海探采装备故障诊断国内外研究现状
  1.4  深海探采装备构建健康监测与故障诊断系统的意义
  1.5  本书所提出的健康监测与故障诊断系统的创新之处
第2章  深海探采装备结构组成及其故障特性分析
  2.1  深海探采装备功能结构及其故障组成
  2.2  深海探采装备信号特点
    2.2.1  深海探采装备中的时间序列信号
    2.2.2  深海探采装备噪声信号的特点
  2.3  传统故障诊断方法的局限性
    2.3.1  包络谱分析法
    2.3.2  谱峭度分析法
  2.4  深海探采装备全局故障诊断策略
  2.5  本章小结
第3章  基于EPL-GG的深海装备时间序列信号故障诊断方法
  3.1  时间序列信号分解及熵值特征
    3.1.1  故障信号的EEMD
    3.1.2  熵值特征提取
  3.2  EPL-GG故障诊断方法的实现流程
    3.2.1  线性判别分析降维
    3.2.2  GG聚类分析
  3.3  EPL-GG方法原理及其对噪声的适应性分析
  3.4  EPL-GG中关键故障诊断策略对比实验研究
    3.4.1  聚类效果评价指标
    3.4.2  EPL-GG故障诊断方法数据实验
    3.4.3  故障诊断组合策略对比研究
  3.5  噪声干扰下的EPL-GG故障诊断效果
  3.6  本章小结
第4章  海底探采装备多工况适应性故障诊断方法研究
  4.1  时间序列信号多特征提取
  4.2  CvrH特征选择流程
    4.2.1  初选特征
    4.2.2  筛选敏感特征
    4.2.3  去除冗余特征
  4.3  CvrH特征选择原理
  4.4  CvrH特征选择实验研究
  4.5  CvrH方法中最优特征参数的选择
    4.5.1  最优参数对比研究
    4.5.2  最优方案对比研究
    4.5.3  CvrH方法对不同工况的自适应性
  4.6  本章小结
第5章  全局故障诊断系统（CA-FDES）关键技术研究
  5.1  子系统故障专家Agent
    5.1.1  专家系统的定义与组成
    5.1.2  专家系统的开发流程
    5.1.3  面向对象技术
    5.1.4  故障专家Agent的结构组成
    5.1.5  Agent故障的知识表示
    5.1.6  事实库与规则库的构建
    5.1.7  故障专家Agent的推理机制
  5.2  基于MFM与FTA的专家知识的获取
    5.2.1  MFM故障模型
    5.2.2  FTA故障模型
  5.3  CA-FDES总体设计
    5.3.1  全局黑板（通信Agent）
    5.3.2  CA-FDES总体结构及其运行原理
  5.4  基于多Agent的CA—FDES运行机制
  5.5  CA-FDES仿真实验
  5.6  本章小结
第6章  应用实例——基于CA-FDES的海底钻机故障诊断及实验研究
  6.1  海底钻机CA-FDES总体设计
    6.1.1  基于时间序列信号的局部故障诊断
    6.1.2  海底钻机故障专家Agent的构建
    6.1.3  海底钻机CA-FDES的总体结构
  6.2  海底钻机CA-FDES实验研究
    6.2.1  实验系统
    6.2.2  故障信号的采集
    6.2.3  基于人为故障的实验室实验
    6.2.4  半实物模拟性实验
  6.3  本章小结
第7章  总结与展望
  7.1  总结
  7.2  创新点
  7.3  研究展望
参考文献