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

設備大數據(精)/工業互聯網前沿技術叢書

  • 作者：鄭澤宇|責編:劉飛|總主編:高金吉//魯春叢
  • 出版社：華中科技大學
  • ISBN：9787568094863
  • 出版日期：2023/05/01
  • 裝幀：精裝
  • 頁數：303
人民幣：RMB 168 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    針對我國設備大數據相關研究剛剛起步的現狀，本書以設備健康管理為落腳點，從方法創新和探索應用兩個方面對數據採集、存儲以及處理分析進行了系統性介紹和闡釋。本書介紹了感測器、PLC、工業網關等數據採集中比較重要的幾個部分，以及多種不同類型設備大數據的存儲方式。本書從模式識別、降維處理及分類與聚類三個方面介紹了設備大數據的分析方法，並利用實際工業過程中的四個案例講解了大數據為設備狀態分析帶來的新方法，力圖給設備健康領域的技術工程師、科研人員，以及對設備數據處理分析感興趣的人員，提供系統全面的設備大數據理論知識與應用介紹。
作者介紹
鄭澤宇|責編:劉飛|總主編:高金吉//魯春叢
    鄭澤宇，男，漢族，日本文科省統計數理研究所博士，中國科學院瀋陽自動化研究所研究員，博士研究生導師。中科院百人計劃A類，人工智慧，大數據專家，國家重大專項課題負責人。先後在理化學研究所，新加坡國立大學等機構工作，主要從事人工智慧，大數據科研，發表論文近百篇，擅長工業領域大數據研究工作。
目錄
第1章  緒論
  1.1  設備大數據概述
  1.2  設備健康的「體魄」離不開大數據支持
  1.3  從波音事件看設備數據分析的重要性
  1.4  沒有大數據就無從談智能製造
  1.5  本書概況
  本章參考文獻
第2章  設備數據採集方法
  2.1  設備數據採集
    2.1.1  簡介
    2.1.2  數據採集方式
    2.1.3  數據採集常用模式
    2.1.4  設備數據採集系統
  2.2  設備數據採集的感覺器官——感測器
    2.2.1  簡介
    2.2.2  感測器的組成
    2.2.3  感測器的分類
    2.2.4  感測器的原理及特性
    2.2.5  常見感測器簡介
  2.3  設備數據採集的神經元——PLC
    2.3.1  簡介
    2.3.2  硬體基本結構
    2.3.3  軟體結構設計
    2.3.4  PLC的特點
    2.3.5  PLC的應用領域
    2.3.6  常用的PLC
  2.4  工業網關
    2.4.1  工業網關的功能與特點
    2.4.2  工業網關的基本構成
    2.4.3  工業網關的關鍵技術
  2.5  工業控制網路
    2.5.1  集散控制系統
    2.5.2  現場匯流排控制系統
    2.5.3  監控和數據採集系統
  2.6  工業控制系統的實際案例
    2.6.1  概述
    2.6.2  需求分析
    2.6.3  解決方案
  2.7  本章小結
  本章參考文獻
設備大數據目錄第3章  設備數據存儲方法
  3.1  設備大數據存儲簡介
  3.2  關係型資料庫
    3.2.1  Oracle資料庫
    3.2.2  MySQL資料庫
    3.2.3  Microsoft SQL Server資料庫
    3.2.4  PostgreSQL資料庫
    3.2.5  總結
  3.3  非關係型資料庫
    3.3.1  Key?Value資料庫

    3.3.2  文檔存儲資料庫
    3.3.3  列式存儲資料庫
    3.3.4  時序存儲資料庫
  3.4  本章小結
  本章參考文獻
第4章  深度學習方法
  4.1  卷積神經網路
    4.1.1  卷積神經網路的歷史與發展
    4.1.2  卷積神經網路的原理與常見應用
    4.1.3  卷積神經網路常用模型
    4.1.4  卷積神經網路在設備大數據中的應用
  4.2  循環神經網路
    4.2.1  神經機器翻譯
    4.2.2  情感分析
    4.2.3  摘要生成
    4.2.4  循環神經網路在工業領域中的應用
  4.3  自編碼器及其變種
    4.3.1  自編碼器介紹
    4.3.2  自編碼器與其他方法的比較
    4.3.3  自編碼器的應用
  4.4  本章小結
  本章參考文獻
第5章  數據降維方法
  5.1  主成分分析法
    5.1.1  基本思想
    5.1.2  主要計算步驟
    5.1.3  主成分分析法的優缺點
  5.2  t?SNE演算法
    5.2.1  演算法思想
    5.2.2  演算法舉例
    5.2.3  演算法的優缺點
    5.2.4  演算法的應用
    5.2.5  演算法的改進
  5.3  主成分追蹤
  5.4  魯棒主元分析
  5.5  低秩矩陣表示
  5.6  本章小結
  本章參考文獻
第6章  數據分類與聚類方法
  6.1  分類演算法的背景及現狀
    6.1.1  背景
    6.1.2  國內外研究現狀
  6.2  基本概念
  6.3  常用的演算法詳述
    6.3.1  即時學習分類演算法
    6.3.2  基於統計學的分類演算法
    6.3.3  決策樹分類演算法
  6.4  組合分類器
  6.5  聚類
    6.5.1  基本概念

    6.5.2  聚類演算法的分類
  6.6  基於劃分的聚類演算法
    6.6.1  K?means演算法
    6.6.2  K?modes演算法
    6.6.3  PAM演算法
    6.6.4  CLARA演算法
    6.6.5  MMACA演算法
  6.7  基於層次的聚類演算法
    6.7.1  傳統的凝聚層次聚類演算法
    6.7.2  改進的凝聚層次聚類演算法
    6.7.3  分裂層次聚類演算法
  6.8  基於密度的聚類演算法
    6.8.1  DBSCAN聚類演算法
    6.8.2  OPTICS聚類演算法
    6.8.3  DENCLUE聚類演算法
    6.8.4  CLIQUE聚類演算法
    6.8.5  DPC演算法
  6.9  其他聚類演算法
    6.9.1  模糊聚類演算法
    6.9.2  基於圖論的聚類演算法
    6.9.3  基於模型的聚類演算法
    6.9.4  基於神經網路的聚類演算法
  6.10  本章小結
  本章參考文獻
第7章  案例分析
  7.1  工業過程故障檢測與識別
    7.1.1  故障檢測和識別方法的分類
    7.1.2  基於模型的故障檢測和識別方法
    7.1.3  基於信號的故障檢測和識別方法
    7.1.4  基於人工智慧的故障檢測和識別方法
    7.1.5  多層和網路化工業過程中的故障檢測和識別
    7.1.6  模擬案例
    7.1.7  總結
  7.2  工業設備壽命預測
    7.2.1  引言
    7.2.2  時序卷積?長短期記憶網路
    7.2.3  數據規約方法
    7.2.4  實驗數據
    7.2.5  實驗及分析
    7.2.6  討論及建議
  7.3  數據驅動技術在載人深潛器設備管理中的應用
    7.3.1  案例背景
    7.3.2  技術框架
    7.3.3  應用結果
    7.3.4  小結討論
  7.4  主成分追蹤在高爐煉鐵故障檢測中的應用
    7.4.1  案例背景
    7.4.2  技術框架
    7.4.3  應用結果
    7.4.4  小結討論

  7.5  本章小結
  本章參考文獻

  • 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