陈乐瑞，博士，毕业于西安交通大学电子与信息学部控制科学与工程专业，香港理工大学博士后（受香港ITF研发基金资助）。香港理工大学智能与虚拟现实技术（IVRT）实验室核心成员、美国电气和电子工程师学会会员、中国自动化学会会员。从事复杂系统故障诊断、大数据处理与分析、深度学习算法等领域研究。近年来，以第一作者身份发表SCI、EI论文15篇；作为负责人主持省部级科研项目2项，参与国家或省部级科研项目5项。受国际知名期刊邀请，担任IEEE Transactions on Industrial Electronics、IEEE Transactions on Systems Man Cybernetics-Systems、Journal of Intelligent Manufacturing等多个期刊审稿人。

本书以数据驱动的工业设备故障诊断流程为主线，系统介绍了信号采集与处理、特征选择与提取和故障识别与诊断等方面的知识，并利用MATLAB工具对相关技术进行研究。首先，介绍了工业设备信号采集常用的传感器类型，数据降噪和数据融合等预处理技术；其次，介绍了常用的特征选择与提取方法；最后，利用浅层神经网络和深度学习网络分别对常见的工业设备进行诊断。本书理论与实践相结合，涉及理论内容均结合具体的实例给出相应的MATLAB代码，方便读者理解和掌握故障诊断领域相关的技术方法。
本书内容翔实、针对性强，具有较高的研究价值。不仅适合高等院校机械工程、电气工程和人工智能等专业的学生学习，对相关工程领域的技术人员也有较大的参考价值。

第1章 绪论
1.1 研究背景和意义
1.2 故障诊断研究现状
1.3 故障诊断方法分类
1.4 基于数据驱动的故障诊断流程
第2章 信号采集与处理
2.1 设备故障信号类型及采集方法
2.2 信号处理
第3章 特征选择与提取
3.1 时域分析
3.2 频域分析
3.3 时频域分析
3.4 基于Volterra核的非线性频谱分析
第4章 故障识别与诊断
4.1 基于支持向量机的故障诊断方法及应用研究
4.2 基于人工神经网络的故障诊断方法及应用研究
4.3 基于卷积神经网络的故障诊断方法及应用
4.4 基于堆栈自编码神经网络的故障诊断方法及应用
4.5 基于深度置信网络的故障诊断方法及应用
4.6 基于长短时记忆神经网络的故障诊断方法及应用
第5章 挑战与展望
5.1 挑战
5.2 展望
参考文献