本书面向机械设备故障诊断，阐述了从无/有监督浅层机器学习到深度学习的混合智能诊断理论和方法，不仅可作为高等院校机械工程等专业教师、研究生参考学习，而且也可为科研机构及企业从事设备故障诊断、预测及维护等相关领域研究的科研人员提供参考。

故障诊断与预测对保障机械设备安全稳定运行具有重要作用和意义。本书面向机械设备智能运维和健康管理，阐述了数据驱动的设备故障智能诊断与预测的概念，基于机器学习、深度学习、迁移学习的故障诊断与预测方法，重点阐述了无监督浅层机器学习的混合智能诊断、有监督浅层机器学习混合智能诊断、混合深度学习智能诊断、浅层机器学习和深度学习迁移诊断、多模式故障预测等方法，利用相关案例进行了验证分析，涵盖了机械设备从传统浅层机器学习到深度学习的混合智能故障诊断与预测的新方法。
本书可供高等院校、科研机构及企业中从事机械设备故障诊断、预测及维护等的研究人员使用，也可作为高等院校机械工程、控制工程、自动化及系统工程等专业的教师、研究生和高年级本科生的教材或参考书。

第1章 绪论1
1.1 混合智能故障诊断与预测的概念1
1.2 混合智能故障诊断与预测的意义3
1.3 混合智能故障诊断与预测的研究内容3
1.4 混合智能故障诊断与预测的研究现状5
1.5 本书的结构体系与特点9
参考文献10
第2章 无监督混合智能故障诊断方法13
2.1 无监督混合智能故障诊断方法概述13
2.2 基于ART模糊相似性聚类的无监督故障诊断方法14
2.3 基于软竞争ART模糊相似性聚类的无监督故障诊断方法27
2.4 集成软竞争ART模糊相似性聚类的无监督故障诊断方法35
2.5 本章小结41
参考文献42
第3章 有监督混合智能故障诊断方法43
3.1 有监督混合智能故障诊断方法概述43
3.2 加权Fuzzy ARTMAP智能诊断方法44
3.3 混合竞争的Fuzzy ARTMAP有监督故障诊断方法55
3.4 选择性集成Fuzzy ARTMAP智能诊断方法61
3.5 本章小结75
参考文献76
第4章 混合深度学习故障诊断方法77
4.1 混合深度学习故障诊断方法概述77
4.2 集成模糊相似性深度度量学习的故障诊断方法78
4.3 多元信息决策融合的胶囊网络故障诊断方法100
4.4 多尺度特征融合的ViT故障诊断方法115
4.5 本章小结130
参考文献130
第5章 基于迁移学习的故障诊断方法132
5.1 混合迁移学习诊断方法概述132
5.2 选择性集成迁移的支持向量机故障诊断方法133
5.3 基于组合核函数半监督迁移成分的深度迁移诊断方法143
5.4 本章小结162
参考文献162
第6章 设备故障混合智能预测方法163
6.1 设备故障混合智能预测方法概述163
6.2 改进的灰色模型故障预测方法163
6.3 基于ART-RBF混合智能故障预测方法171
6.4 设备剩余寿命的深度迁移预测方法182
6.5 本章小结199
参考文献200
第7章 总结与展望201
7.1 总结201
7.2 展望202
参考文献203