幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

複雜機電系統智能故障診斷與健康評估/可靠性新技術叢書

  • 作者：李巍華//張小麗//嚴如強|責編:白天明
  • 出版社：國防工業
  • ISBN：9787118122183
  • 出版日期：2021/05/01
  • 裝幀：平裝
  • 頁數：408
人民幣：RMB 156 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書結合作者在智能故障預測與診斷、裝備健康評估方面的研究成果，以信號的特徵提取和故障分類診斷為目標，重點介紹基於增強支持向量機、半監督學習、流形學習、深度信念網路等機器學習領域較新穎的方法在診斷領域的應用，同時基於相空間重構理論研究機械部件性能衰退的評估方法，以形象的模擬分析和典型的工程案例來說明其應用效果。
作者介紹
李巍華//張小麗//嚴如強|責編:白天明
目錄
第1章  緒論
  1.1  智能故障診斷與健康評估的概念
  1.2  複雜機電系統智能故障診斷與健康評估的意義
  1.3  複雜機電系統智能故障診斷與健康評估的研究內容
  1.4  智能故障診斷與健康評估的研究現狀
    1.4.1  基於淺層機器學習的方法
    1.4.2  基於深度學習的方法
  1.5  本書的結構體系與特色
參考文獻
第2章  基於監督學習的支持向量機智能診斷方法
  2.1  監督學習的原理
    2.1.1  監督學習問題的一般模型
    2.1.2  風險最小化問題
    2.1.3  3種主要的學習問題
  2.2  支持向量機
    2.2.1  線性支持向量機
    2.2.2  非線性支持向量機
    2.2.3  核函數
    2.2.4  支持向量機在機械故障診斷中的應用現狀
  2.3  支持向量機參數優化方法
    2.3.1  蟻群優化演算法
    2.3.2  基於蟻群優化演算法的支持向量機參數優化演算法
    2.3.3  國際標準數據驗證與分析
    2.3.4  電力機車滾動軸承單一損傷故障診斷應用
  2.4  支持向量機特徵選擇與參數優化融合方法
    2.4.1  基於蟻群優化演算法的支持向量機特徵選擇與參數優化
融合方法
    2.4.2  Bently轉子多類故障診斷應用
    2.4.3  電力機車滾動軸承多類故障診斷應用
  2.5  增強支持向量機
    2.5.1  集成學習理論
    2.5.2  增強學習理論
    2.5.3  集成增強支持向量機演算法
    2.5.4  滾動軸承早期故障診斷實驗對比分析
    2.5.5  電力機車滾動軸承複合故障診斷應用
參考文獻
第3章  基於半監督學習的智能診斷方法
  3.1  半監督學習概述
  3.2  基於半監督核函數主元分析的故障檢測與分類
    3.2.1  核函數主元分析方法
    3.2.2  半監督核函數主元分析方法
    3.2.3  半監督核函數主元分析分類方法
    3.2.4  半監督核函數主元分析方法在變速器故障檢測與
分類中的應用
  3.3  基於半監督模糊核聚類的離群檢測
    3.3.1  離群檢測與早期故障的相關性
    3.3.2  半監督模糊核聚類
    3.3.3  基於超球體的半監督模糊核聚類
    3.3.4  變速器早期故障檢測
  3.4  基於半監督自組織特徵映射的故障檢測與分類

    3.4.1  半監督SOM故障診斷
    3.4.2  基於半監督GNSOM的故障診斷方法
    3.4.3  基於半監督DPs0M的故障診斷方法
    3.4.4  實例分析
  3.5  關聯向量機診斷方法
    3.5.1  RVM簡介
    3.5.2  RVM分類器構造方法
    3.5.3  RvM在故障檢測與分類中的應用
參考文獻
第4章  基於流形學習的智能故障診斷與預測
  4.1  流形學習的概念及其研究現狀
  4.2  基於譜聚類流形的故障特徵選擇
    4.2.1  譜聚類方法介紹
    4.2.2  譜聚類的特徵選擇
    4.2.3  DSTSVM的特徵提取
    4.2.4  機械早期故障診斷
  4.3  基於局部線性嵌入的故障識別
    4.3.1  LLE方法
    4.3.2  基於局部線性嵌入的模式分類
    4.3.3  基於LLE演算法和其他流形學習演算法的降維比較
    4.3.4  基於LLE的故障診斷方法
    4.3.5  基於可變近鄰LLE的軸承狀態識別方法
  4.4  基於距離保持投影的故障分類
    4.4.1  局部保持投影映射演算法
    4.4.2  NFDPP演算法
    4.4.3  發動機失火實驗分析
    4.4.4  局部與全局譜回歸演算法
    4.4.5  距離保持投影及其譜回歸演算法在故障分類中的應用
參考文獻
第5章  基於深度學習的機械故障診斷
  5.1  深度學習的原理和方法
  5.2  基於DBN的機械故障診斷
    5.2.1  DBN的原理和結構
    5.2.2  基於DBN的振動信號重構
    5.2.3  基於DBN的故障分類
  5.3  基於cNN的故障分類
    5.3.1  CNN的原理和結構
    5.3.2  基於CNN的故障分類
    5.3.3  變轉速下的變速器故障診斷
  5.4  基於深度學習的裝備退化狀態評估
    5.4.1  SAE的原理和結構
    5.4.2  RNN的原理和結構
    5.4.3  基於DAE—LSTM的刀具退化評估
參考文獻
第6章  基於相空間重構的機械系統退化跟蹤與故障預測
  6.1  相空間重構理論
    6.1.1  Takens嵌入定理
    6.1.2  延遲時間計算
    6.1.3  嵌入維數計算
  6.2  基於遞歸定量分析的機械故障識別

    6.2.1  基於相空間重構的RQA方法介紹
    6.2.2  基於RQA的多參數故障識別
  6.3  基於卡爾曼濾波的機械退化跟蹤
    6.3.1  基於標準差的RQA閾值選取
    6.3.2  退化跟蹤閡值選取
    6.3.3  基於改進RQA的退化跟蹤演算法
    6.3.4  基於卡爾曼濾波的初始故障預測
  6.4  基於粒子濾波的機械故障預測
    6.4.1  傳統粒子濾波演算法
    6.4.2  增強型粒子濾波演算法
    6.4.3  基於增強型粒子濾波的機械部件剩餘壽命預測
參考文獻
第7章  複雜機電系統運行可靠性評估與健康維護
  7.1  複雜機電系統運行可靠性評估原理
    7.1.1  可靠性定義
    7.1.2  運行可靠性評估方法
  7.2  電廠汽輪發電機組運行可靠性評估與健康維護
    7.2.1  狀態監測與振動信號採集
    7.2.2  振動信號分析
    7.2.3  運行可靠性評估與健康維護
    7.2.4  分析與討論
  7.3  鋼廠壓縮機齒輪箱運行可靠性評估與健康維護
    7.3.1  狀態監測與振動信號採集
    7.3.2  振動信號分析
    7.3.3  運行可靠性評估與健康維護
    7.3.4  分析與討論
  7.4  航空發動機轉子裝配可靠性評估與健康維護
    7.4.1  航空發動機轉子結構特點
    7.4.2  航空發動機轉子裝配可靠性測試系統
    7.4.3  實驗與分析
    7.4.4  在役航空發動機轉子運行可靠性評估與健康維護
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032