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

工業大數據驅動的裝備智能運維技術與實踐

  • 作者：黃海松//魏建安|責編:陳婕
  • 出版社：科學
  • ISBN：9787030776952
  • 出版日期：2024/06/01
  • 裝幀：平裝
  • 頁數：209
人民幣：RMB 118 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書貫穿機械系統關鍵零部件智能故障診斷和智能狀態監測的始終，系統介紹了機器學習、智能優化演算法、設備狀態信息採集及信號預處理、信號特徵提取與重構等方面的知識；詳細介紹了基於機器學習、深度學習和遷移學習的典型零部件智能故障診斷與監測，以及典型零部件剩餘使用壽命預測的方法和應用；重點介紹了設備狀態信息採集與信號預處理、信號特徵提取與重構等前期工作的關鍵理論與技術。
    本書適合高等院校機械、電子、電腦等相關專業的教師和研究生，以及從事相關領域研究的企業科研人員和工程師等閱讀，也可作為技術咨詢或項目實施的參考資料。
作者介紹
黃海松//魏建安|責編:陳婕
目錄
前言
第1章  緒論
  1.1  引言
    1.1.1  智能製造概述
    1.1.2  機械設備狀態監測與預測的意義
    1.1.3  數據驅動與機器學習的實踐意義
  1.2  國內外研究現狀
    1.2.1  數據驅動的機械設備狀態監測的研究現狀
    1.2.2  數據驅動的機械設備剩餘使用壽命預測的研究現狀
    1.2.3  異常狀態監測與剩餘使用壽命預測所面臨的難點與挑戰
  1.3  試驗數據簡介
    1.3.1  軸承數據集
    1.3.2  刀具數據集
  1.4  本章小結
  參考文獻
第2章  機器學習的基礎理論
  2.1  分類學習理論
    2.1.1  基於淺層機器學習的分類理論
    2.1.2  基於深度學習的分類理論
  2,1.3  基於遷移學習的分類理論
  2.2  聚類學習理論
    2.2.1  無監督聚類學習理論
    2.2.2  半監督聚類學習理論
  2.3  回歸學習理論
    2.3.1  基於淺層機器學習的回歸理論
    2.3.2  基於深度學習的回歸理論
    2.3.3  基於遷移學習的回歸理論
  2.4  本章小結
  參考文獻
第3章  智能優化演算法相關理論
  3.1  智能優化演算法簡述
  3.2  模式搜索法
    3.2.1  網格搜索演算法
    3.2.2  隨機搜索演算法
    3.2.3  貝葉斯優化演算法
  3.3  啟髮式演算法
    3.3.1  粒子群優化演算法
    3.3.2  均衡優化演算法
  3.4  仿生智能演算法
    3.4.1  遺傳演算法
    3.4.2  灰狼優化演算法
    3.4.3  飛蛾撲火優化演算法
  3.5  本章小結
  參考文獻
第4章  設備狀態信息採集及信號預處理
  4.1  機械關鍵零部件狀態信息採集
    4.1.1  自建刀具磨損試驗平台
    4.1.2  自建軸承故障診斷試驗平台
    4.1.3  自建齒輪箱故障診斷試驗平台
  4.2  機械關鍵零部件運行狀態信號預處理

    4.2.1  數據清洗
    4.2.2  數據規約
    4.2.3  數據變換
    4.2.4  數據集成
  4.3  本章小結
  參考文獻
第5章  信號特徵提取與重構
  5.1  人工特徵提取
    5.1.1  經驗模態分解
    5.1.2  集成經驗模態分解
    5.1.3  自適應白雜訊總體平均經驗模態分解
    5.1.4  改進自適應白雜訊總體平均經驗模態分解
    5.1.5  模態分解-Shannon能量熵特徵提取
    5.1.6  支持向量數據描述
    5.1.7  小波去噪
  5.2  無監督特徵提取及特徵可視化
    5.2.1  深度特徵學習
    5.2.2  遷移特徵學習
  5.3  特徵降維處理
  5.4  特徵數據均衡與增強處理
    5.4.1  重采祥技術
    5.4.2  數據增強
  5.5  本章小結
  參考文獻
第6章  典型零部件智能故障診斷與監測
  6.1  基於機器學習的典型零部件智能故障診斷與監測
    6.1.1  基於機器學習的刀具智能故降診斷與監測
    6.1.2  基於機器學習的軸承智能故障診斷與監測
  6.2  基於深度學習的典型零部件智能故障診斷與監測
    6.2.1  基於深度學習的刀具智能故障診斷與監測
    6.2.2  基於深度學習的軸承智能故障診斷與監測
    6.2.3  基於深度學習的齒輪智能故障診斷與監測
  6.3  基於遷移學習的典型零部件智能故障診斷與監測
    6.3.1  改進的基於樣本特性的過採樣技術
    6.3.2  基於ISCOTE和VGG16深度遷移學習的端到端狀態監測
  6.4  本章小結
  參考文獻
第7章  典型零部件剩餘使用壽命預測
  7.1  基於ISCOTE和ICEEMDAN-Shannon能量熵的時序狀態預測
    7.1.1  試驗數據選取及其預處理
    7.1.2  回歸器選取及其參數賦予
    7.1.3  試驗結果及分析
  7.2  基於圖像編碼技術和卷積神經網路的刀具磨損值預測
    7.2.1  基於GAF-CNN的刀具磨損值在線監測模型
    7.2.2  GAF-CNN所涉及關鍵技術
    7.2.3  預測模型訓練
    7.2.4  試驗結果及分析
  7.3  本章小結
  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