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

稀數據下結構健康狀態超聲導波監測技術

  • 作者：洪曉斌//張斌//楊志景|責編:紀亞琪
  • 出版社：國防工業
  • ISBN：9787118126457
  • 出版日期：2022/08/01
  • 裝幀：平裝
  • 頁數：222
人民幣：RMB 88 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    超聲導波智能監測是超聲導波領域的重要前沿方向，本書系統地敘述了超聲導波稀數據智能監測的理論及方法，綜合利用了大數據建模和小樣本泛化的優勢，這對於航空航天、海工裝備、軌道交通、電力等諸多領域中疲勞、磨損、腐蝕等結構損傷的智能化監測，都有著廣泛的應用價值。為適合初學者閱讀學習，本書由淺入深進行論述，以訓練樣本缺失時的超聲導波遷移監測技術為重點研究內容，基本涵蓋了相關概述、理論基礎、監測框架、數據增強、多任務增強、遷移增強等稀數據下結構健康狀態超聲導波監測的主要內容和技術方法。
    本書可作為高等院校和科研單位有關科研工作者、技術人員、研究生和高年級本科生進行相關研究的參考資料。
作者介紹
洪曉斌//張斌//楊志景|責編:紀亞琪
目錄
第1章  基於超聲導波的結構健康狀態智能監測概述
  1.1  超聲導波檢測概述
    1.1.1  超聲導波檢測概念
    1.1.2  超聲導波檢測技術分類
  1.2  結構健康狀態超聲導波監測概述
    1.2.1  超聲導波主要特性
    1.2.2  超聲導波特性分析方法
  1.3  結構健康狀態超聲導波監測系統
    1.3.1  超聲導波監測系統組成
    1.3.2  超聲導波主動感測模塊組成
  1.4  結構健康狀態超聲導波監測研究進展
    1.4.1  超聲導波信號處理演算法國內外研究進展
    1.4.2  基於數據驅動的結構健康狀態監測研究進展
    1.4.3  稀數據深度學習方法研究進展
第2章  稀數據下結構健康狀態超聲導波監測理論基礎
  2.1  超聲導波完備性結構健康狀態監測系統基礎
    2.1.1  完備性監測框架概述
    2.1.2  超聲導波特徵提取
    2.1.3  超聲導波結構健康狀態識別
  2.2  稀數據下超聲導波數據增強監測理論基礎
    2.2.1  數據增強方法概述
    2.2.2  時序信號數據增強理論基礎
    2.2.3  稀數據下超聲導波數據增強策略
  2.3  稀數據下超聲導波多任務監測理論基礎
    2.3.1  多任務學習方法概述
    2.3.2  有監督多任務學習理論基礎
    2.3.3  稀數據下超聲導波多任務學習策略
  2.4  稀數據下超聲導波遷移學習監測理論基礎
    2.4.1  遷移學習方法概述
    2.4.2  直推式遷移學習理論基礎
    2.4.3  稀數據下超聲導波遷移學習策略
  2.5  本章小結
第3章  基於超聲導波的結構健康狀態深度網路監測新型框架
  3.1  超聲導波監測新型框架
  3.2  超聲導波深度網路監測模型
    3.2.1  超聲導波特徵融合網路
    3.2.2  超聲導波局部特徵提取網路
    3.2.3  超聲導波時序特徵提取網路
  3.3  基於超聲導波時頻特徵融合的深度網路監測方法
    3.3.1  SWT-AE方法流程
    3.3.2  SWT-AE 監測結果分析
  3.4  基於超聲導波局部特徵編碼的深度網路監測方法
    3.4.1  CAE-LSTM方法流程
    3.4.2  編碼信號監測結果分析
    3.4.3  超聲導波監測稀數據特性實驗分析
    3.4.4  超聲導波監測稀數據知識遷移策略
  3.5  本章小結
第4章  基於數據增強深度學習的結構健康狀態半監督監測技術
  4.1  數據增強深度學習概述
  4.2  結構狀態異常檢測方法

    4.2.1  超聲導波信號卷積降維
    4.2.2  超聲導波信號異常分析
  4.3  基於李生卷積網路的超聲導波半監督成像方法
    4.3.1  訓練樣本及測試樣本標準化方法
    4.3.2  模擬損傷信號生成的數據擴充機制
    4.3.3  超聲導波異常監測模型構建方法
    4.3.4  基於多路徑異常特徵的損傷成像機理
  4.4  稀數據集半監督成像監測實驗
    4.4.1  半監督結構狀態監測實驗設置
    4.4.2  模擬損傷信號重構結果分析
    4.4.3  結構異常特徵提取及成像
    4.4.4  半監督特徵成像結果對比
  4.5  本章小結
第5章  基於共享特徵的結構健康狀態多任務深度監測技術
  5.1  多任務深度學習概述
    5.1.1  基於編碼器的多任務深度學習
    5.1.2  基於解碼器的多任務深度學習
  5.2  多任務結構健康狀態超聲導波監測網路
    5.2.1  多任務結構狀態監測特徵共享策略
    5.2.2  超聲導波多任務監測網路建模方法
  5.3  基於多任務卷積網路的特徵知識共享
    5.3.1  超聲導波信號採集及標準化
    5.3.2  超聲導波輔助任務訓練方法
    5.3.3  超聲導波多任務聯合訓練機制
  5.4  稀數據集多任務結構健康狀態監測實驗
    5.4.1  多任務結構狀態監測實驗設置
    5.4.2  單任務損傷程度狀態監測結果
    5.4.3  特徵共享多任務損傷監測結果
  5.5  本章小結
第6章  基於特徵適應深度遷移的跨結構健康狀態監測技術
  6.1  深度遷移學習概述
  6.2  超聲導波特徵適應遷移核心模塊
    6.2.1  超聲導波特徵分佈適應遷移
    6.2.2  超聲導波時序化卷積識別模型
  6.3  超聲導波特徵適應跨結構遷移成像演算法
    6.3.1  跨結構超聲導波特徵分佈適應
    6.3.2  跨結構損傷特徵提取及成像
  6.4  稀數據集跨結構健康狀態超聲導波監測實驗
    6.4.1  跨結構遷移監測實驗設置
    6.4.2  單感測器跨結構遷移結果分析
    6.4.3  多感測器跨結構遷移結果分析
    6.4.4  多感測器成像實驗結果對比
  6.5  環形碳纖維複合材料裝備跨結構監測實驗
    6.5.1  環形碳纖維複合材料裝備跨結構監測結果
    6.5.2  跨結構監測網路參數分析
  6.6  本章小結
第7章  結論與展望
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