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

鐵路道岔轉轍機故障診斷技術

  • 作者：黃晉英//羅佳|責編:金林茹
  • 出版社：化學工業
  • ISBN：9787122449856
  • 出版日期：2024/05/01
  • 裝幀：平裝
  • 頁數：297
人民幣：RMB 158 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書面向科學發展前沿與工程迫切需求，以鐵路道岔電液式轉轍機及其關鍵部件柱塞泵為研究對象，按照「結構-技術-實例-系統」的邏輯主線，簡要介紹鐵路道岔轉轍機故障診晰斷研究背景、意義及發展現狀，基本結構原理和故障模式。基於轉轍機油壓信號和柱塞泵振動信號，重點研究信號處理、深度學習、遷移學習、連續學習、多特徵信息融合等基礎理論和核心技術，涵蓋了特徵提取、智能故障診斷、壽命預測等主要研究方法，最後形成基於道岔轉轍機的故障診斷管理系統。所述內容兼具前沿性、創新性與工程實用性。
    本書結合了作者團隊在鐵路道岔轉轍機故障診斷領域積累的十幾年研究成果與最新進展，適合從事系統智能故障診斷工作的技術人員閱讀，也可作為高等學校相關專業師生的參考用書。
作者介紹
黃晉英//羅佳|責編:金林茹
目錄
第1章  緒論
  1.1  鐵路道岔轉轍機故障診斷研究背景及意義
  1.2  鐵路道岔轉轍機故障診斷技術研究進展
    1.2.1  基於解析模型的方法
    1.2.2  基於信號處理的方法
    1.2.3  基於人工智慧的方法
  1.3  鐵路道岔轉轍機故障診斷存在的問題與發展方向
  參考文獻
第2章  道岔轉轍機及關鍵部件
  2.1  相關概念
    2.1.1  道岔
    2.1.2  液壓道岔
  2.2  道岔基本結構
  2.3  轉轍機基本結構及原理
    2.3.1  基本結構
    2.3.2  外鎖閉裝置工作原理
    2.3.3  液壓系統工作原理
  2.4  柱塞泵基本結構及原理
  參考文獻
第3章  轉轍機故障診斷實驗及油壓信號特徵提取
  3.1  轉轍機工作過程原理分析
    3.1.1  道岔轉轍機敏感參數分析
    3.1.2  道岔轉轍機工作過程油壓信號分析
  3.2  非現場道岔轉轍機故障模擬實驗
    3.2.1  道岔轉轍機故障模擬實驗平台介紹
    3.2.2  模擬故障設計
    3.2.3  轉轍機油壓數據採集
    3.2.4  轉轍機故障油壓信號分析
  3.3  基於改進集成經驗模態分解的轉轍機故障特徵提取
    3.3.1  經驗模態分解演算法原理
    3.3.2  基於信息熵的特徵提取方法
    3.3.3  基於核主成分分析（KPCA）的特徵融合
  3.4  基於ITD-SDP圖像的轉轍機特徵提取
    3.4.1  ITD分解演算法原理
    3.4.2  SDP基本原理
    3.4.3  圖像特徵提取
  3.5  道岔轉轍機故障狀態監測
    3.5.1  道岔轉轍機故障狀態監測演算法
    3.5.2  基於AOA-XGBoost道岔轉轍機故障狀態監測方法
  參考文獻
第4章  柱塞泵故障診斷實驗及振動信號特徵提取
  4.1  柱塞泵故障診斷實驗
    4.1.1  柱塞泵故障診斷實驗平台搭建與數據採集
    4.1.2  柱塞泵典型故障及故障機理
    4.1.3  柱塞泵故障診斷實驗設計
  4.2  測點振動信號的故障特徵參量提取
    4.2.1  時頻域特徵參量
    4.2.2  小波能量譜特徵提取
    4.2.3  雙譜特徵提取
  4.3  基於VMD的故障振動信號時頻分析法

    4.3.1  變分模態分解VMD
    4.3.2  VMD分解性能分析
    4.3.3  VIVID重要參數的選取
    4.3.4  連續小波變換CWT
    4.3.5  二維時頻特徵
  4.4  改進的局部特徵尺度分解法
    4.4.1  局部特徵尺度分解LCD
    4.4.2  改進的局部特徵尺度分解DMLCD
    4.4.3  模擬實例
    4.4.4  應用實例
  4.5  基於ICEEMDAN的故障特徵提取
    4.5.1  自適應雜訊的集成經驗模態分解CEEMDAN
    4.5.2  改進的自適應雜訊完備集成經驗模態分解ICEEMDAN
    4.5.3  模擬實例
    4.5.4  應用實例
  4.6  基於精細複合多尺度散布熵的故障特徵提取
    4.6.1  灰色關聯度
    4.6.2  散布熵優化
    4.6.3  精細複合多尺度散布熵RCMDE
    4.6.4  應用實例
  4.7  基於DMLCD與GRCMDE的故障特徵提取
    4.7.1  廣義精細複合多尺度散布熵GRCMDE
    4.7.2  GRCMDE與RCMDE性能對比分析
    4.7.3  應用實例
  參考文獻
第5章  道岔轉轍機及柱塞泵智能故障診斷
  5.1  基於改進SVM的故障診斷
    5.1.1  支持向量機演算法原理
    5.1.2  核參數優化
    5.1.3  應用實例
  5.2  基於改進KELM的故障診斷
    5.2.1  極限學習機演算法原理
    5.2.2  核極限學習機演算法原理
    5.2.3  算術優化演算法
    5.2.4  應用實例
  5.3  基於卷積神經網路的故障診斷
    5.3.1  卷積神經網路模型
    5.3.2  DSCNN故障診斷
    5.3.3  DS-ResNet故障診斷
    5.3.4  CBAM-ResNet故障診斷
    5.3.5  CNN-LSTM-Atterltiorl故障診斷
    5.3.6  CNN-GRU故障診斷
    5.3.7  GCN故障診斷
    5.3.8  CNN預訓練模型故障診斷
  參考文獻
第6章  基於信息融合的道岔轉轍機故障診斷
  6.1  信息融合技術
    6.1.1  信息融合定義
    6.1.2  信息融合模型和結構
    6.1.3  信息融合演算法

    6.1.4  信息融合關鍵問題
  6.2  數據層信息融合的故障診斷應用實例
    6.2.1  注意力機制
    6.2.2  多通道信號集
    6.2.3  基於注意力機制的多通道CNN模型
  6.3  特徵層信息融合的故障診斷應用實例
    6.3.1  數據不平衡處理方法
    6.3.2  雙向門控循環單元
    6.3.3  雙通道特徵融合的故障診斷模型
  6.4  基於決策層信息融合的故障診斷模型
    6.4.1  D-S證據理論
    6.4.2  基於D-S證據理論的決策層融合診斷
  參考文獻
第7章  基於連續學習的柱塞泵類增量故障診斷
  7.1  連續學習相關理論
    7.1.1  連續學習
    7.1.2  元學習
    7.1.3  連續學習基模型與WKN
  7.2  基於權重空間元表示的類增量故障診斷方法
    7.2.1  類增量故障診斷問題設置
    7.2.2  改進WKN的基模型
    7.2.3  基於權重空間元表示的連續學習方法
    7.2.4  特定於診斷任務模型的重構與集成推理
  7.3  柱塞泵類增量故障診斷應用實例
    7.3.1  類增量故障診斷任務設置
    7.3.2  權重空間元表示實驗結果分析
  參考文獻
第8章  柱塞泵剩餘使用壽命預測
  8.1  剩餘使用壽命預測模型
    8.1.1  多元HI構建模塊
    8.1.2  圖注意力網路
    8.1.3  K階下三角鄰接矩陣和HI特徵圖
  8.2  應用實例
    8.2.1  壽命數據採集
    8.2.2  RUL預測區間劃分
    8.2.3  健康指標構建
    8.2.4  RUL預測
  8.3  不同構圖法對GAT預測模塊的影響
  8.4  GAT預測模塊性能評估
  參考文獻
第9章  基於知識圖譜的道岔轉轍機故障診斷系統
  9.1  知識圖譜相關技術理論
    9.1.1  知識圖譜概述
    9.1.2  自然語言處理
    9.1.3  深度學習
  9.2  轉轍機故障診斷領域知識圖譜的構建
    9.2.1  知識圖譜構建流程
    9.2.2  本體構建
    9.2.3  道岔轉轍機故障記錄文本相關實體抽取
    9.2.4  實體對齊

    9.2.5  信息拼接
    9.2.6  知識圖譜可視化
  9.3  基於知識圖譜的道岔轉轍機故障診斷
    9.3.1  基於知識圖譜的智能問答
    9.3.2  基於知識圖譜的故障診斷
  9.4  道岔轉轍機故障診斷管理系統實現
    9.4.1  系統功能需求
    9.4.2  系統總體構架
    g.4.3  資料庫構建
    9.4.4  系統功能實現
  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