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

機器學習與振動信號處理(新工科建設之路人工智慧系列教材)

  • 作者：編者:楊宏暉//閆孝偉//盛美萍|責編:王曉慶
  • 出版社：電子工業
  • ISBN：9787121421242
  • 出版日期：2021/10/01
  • 裝幀：平裝
  • 頁數：209
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書詳細地論述人工智慧與機器學習的基礎知識、振動信號處理基礎知識、機器學習在振動信號處理中應用的基本理論和方法，提供各種應用實例，並闡述實現振動信號測試、分析、處理的軟硬體系統，給出基於機器學習的振動信號測試、分析、處理的演算法。本書內容具有典型的智、機、電跨學科特色。全書共10章，主要包括：緒論、振動測試感測器、振動測試系統、振動信號處理基礎、振動信號時域處理、振動信號頻域處理、基於虛擬儀器的振動信號測試與處理、機器學習基礎、基於機器學習的振動信號識別原理與方法、基於機器學習的機械故障診斷。
    本書可作為高等院校機械、人工智慧、電子信息工程、測控、自動化、電腦科學等專業技術課程的教材，也可作為相關領域的工程技術人員的參考書籍。
作者介紹
編者:楊宏暉//閆孝偉//盛美萍|責編:王曉慶
目錄
第1章  緒論
第2章  振動測試感測器
  2.1  振動的描述
  2.2  質點振動系統
    2.2.1  無阻尼振動系統的自由振動
    2.2.2  有阻尼振動系統的衰減振動
    2.2.3  質點的受迫振動
  2.3  工程中的振動測試方法
  2.4  常用的振動測試感測器
    2.4.1  電動式感測器
    2.4.2  電渦流式位移感測器
    2.4.3  電感式感測器
    2.4.4  電容式感測器
    2.4.5  壓電式加速度感測器
    2.4.6  壓電式力感測器
    2.4.7  阻抗頭
    2.4.8  電阻應變式感測器
    2.4.9  激光測振儀
  2.5  本章小結
第3章  振動測試系統
  3.1  激振系統
    3.1.1  激振信號分類
    3.1.2  激振器
    3.1.3  衝擊錘
  3.2  壓電式加速度感測器測量系統
  3.3  電渦流位移感測器測量系統
  3.4  感測器的安裝方式
  3.5  振動測試儀器校準
    3.5.1  分部校準與系統校準方法
    3.5.2  絕對校準法
    3.5.3  相對校準法
  3.6  振動測試系統中的常見問題
    3.6.1  系統雜訊與抑制
    3.6.2  信號的隔離與屏蔽
    3.6.3  信號失真問題
  3.7  本章小結
第4章  振動信號處理基礎
  4.1  振動信號的定義與分類
    4.1.1  振動信號的定義
    4.1.2  振動信號的特性與分類
  4.2  振動信號處理的一般方法
    4.2.1  信號預處理常用方法
    4.2.2  振動信號的時域處理方法
    4.2.3  振動信號的頻域處理方法
  4.3  高級振動信號處理方法
  4.4  軸承振動信號數據
    4.4.1  凱斯西儲大學軸承數據採集實驗
    4.4.2  軸承振動數據介紹
  4.5  本章小結
第5章  振動信號時域處理

  5.1  時域統計分析
    5.1.1  時域統計分析的概述
    5.1.2  時域統計分析常用參數及指標
  5.2  相關分析
    5.2.1  自相關分析的原理、演算法及實現
    5.2.2  自相關消噪和周期提取模擬實驗
    5.2.3  自相關消噪和周期提取實測實驗
    5.2.4  互相關分析的原理、演算法及實現
    5.2.5  互相關實測實驗
  5.3  積分和微分變換
    5.3.1  積分和微分的基本原理
    5.3.2  積分和微分在振動信號處理中的應用
  5.4  本章小結
第6章  振動信號頻域處理
  6.1  頻域處理簡介
  6.2  傅里葉變換
  6.3  功率譜密度函數
    6.3.1  自功率譜分析的原理、演算法及實例
    6.3.2  互功率譜分析的原理及演算法
  6.4  頻率響應函數與相干函數
    6.4.1  頻率響應函數分析的原理及演算法
    6.4.2  相干函數分析的原理及演算法
  6.5  窗函數在振動信號處理中的應用
    6.5.1  加窗對振動信號處理的影響
    6.5.2  常用窗函數的特性分析與對比
    6.5.3  窗函數的選擇原則
    6.5.4  窗函數選擇實驗
  6.6  三分之一倍頻程分析的原理、演算法、實現與應用
    6.6.1  三分之一倍頻程分析的原理
    6.6.2  三分之一倍頻程分析的演算法
    6.6.3  高斯白雜訊的三分之一倍頻程分析實驗
  6.7  倒頻譜分析的原理、演算法、實現與應用
    6.7.1  實倒譜分析的原理、演算法與實現
    6.7.2  復倒譜分析的原理及演算法
    6.7.3  倒頻譜分析進行故障檢測的模擬實驗
    6.7.4  實測軸承振動信號的倒頻譜分析實驗
  6.8  本章小結
第7章  基於虛擬儀器的振動信號測試與處理
  7.1  虛擬儀器
    7.1.1  虛擬儀器的概念
    7.1.2  實驗室虛擬儀器工程平台
  7.2  基於虛擬儀器的振動信號時域處理
    7.2.1  時域統計分析
    7.2.2  相關分析
  7.3  基於虛擬儀器的振動信號頻域處理
    7.3.1  加窗處理
    7.3.2  三分之一倍頻程處理
    7.3.3  倒譜處理
  7.4  阻抗參數測試
    7.4.1  機械阻抗理論

    7.4.2  隔振器阻抗參數測試原理
    7.4.3  隔振器阻抗參數測試系統及振動信號採集
    7.4.4  基於虛擬儀器的隔振器阻抗測試平台
  7.5  阻尼測試
    7.5.1  阻尼測試原理
    7.5.2  阻尼測試系統及振動信號採集
    7.5.3  穩態方法的信號處理
    7.5.4  瞬態方法的信號處理
  7.6  本章小結
第8章  機器學習基礎
  8.1  機器學習概念
    8.1.1  機器學習問題
    8.1.2  機器學習演算法的分類
  8.2  回歸分析的含義、分類及應用
  8.3  一元線性回歸
    8.3.1  一元線性回歸模型
    8.3.2  損失函數
    8.3.3  一元線性回歸演算法及分析
  8.4  梯度下降法
    8.4.1  隨機梯度下降法
    8.4.2  批量梯度下降法
    8.4.3  小批量梯度下降法
  8.5  多元線性回歸
    8.5.1  多元線性回歸原理
    8.5.2  多元線性回歸應用實例
  8.6  邏輯回歸
    8.6.1  邏輯回歸原理
    8.6.2  邏輯回歸分類演算法應用實例
  8.7  本章小結
第9章  基於機器學習的振動信號識別原理與方法
  9.1  基於機器學習的振動信號識別原理
  9.2  支持向量機
    9.2.1  線性支持向量機
    9.2.2  非線性支持向量機
    9.2.3  SVM多類分類演算法
    9.2.4  SVM分類器的分類性能估計
  9.3  淺層神經網路
    9.3.1  神經網路概述
    9.3.2  BP神經網路演算法
  9.4  深度學習神經網路
    9.4.1  深度置信網路
    9.4.2  深度卷積神經網路
  9.5  本章小結
第10章  基於機器學習的機械故障診斷
  10.1  機械故障診斷
    10.1.1  建立機械故障診斷需求
    10.1.2  機械故障診斷調查的步驟
    10.1.3  故障模式癥狀分析
    10.1.4  評級指南
    10.1.5  用於診斷的數據與信息

    10.1.6  機器故障診斷方法
  10.2  滾動軸承概述
    10.2.1  軸承的分類
    10.2.2  滾動軸承的基本結構
    10.2.3  滾動軸承的主要振動來源
  10.3  軸承振動信號特性
    10.3.1  時域特性
    10.3.2  頻域特性
    10.3.3  軸承狀態的簡易診斷
  10.4  基於CNN的軸承故障類型的診斷
    10.4.1  CNN基本結構分析
    10.4.2  診斷流程
    10.4.3  故障軸承數據預處理
    10.4.4  CNN結構設計
    10.4.5  診斷結果與分析
  10.5  本章小結
附錄A  振動測試相關標準
附錄B  阻尼材料  阻尼性能測試方法GB/T 18258-2000
附錄C  振動與衝擊  機械導納的實驗確定
附錄D  聲學與振動  彈性元件振動——聲傳遞特性實驗室測量方法
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