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

高端裝備智能診斷與預測

  • 作者：雷亞國//楊彬//李響//李乃鵬|責編:劉志紅
  • 出版社：電子工業
  • ISBN：9787121492358
  • 出版日期：2024/11/01
  • 裝幀：平裝
  • 頁數：173
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本教材是根據教育部《「十四五」國家戰略性新興產業發展規劃》的要求，重點在高端裝備製造等戰略性新興領域開展「十四五」高等教育教材體系建設工作的背景下編著而成的。面向高端裝備製造領域對裝備高性能、高可靠、長壽命發展方向的迫切需求，系統性地介紹了智能診斷與預測的基本原理、方法與案例，涵蓋了基於深度學習的智能診斷、遷移智能診斷以及數據驅動的壽命預測方法等前沿理論與方法，並輔以豐富的應用案例，涉及軌道交通、新能源、智能製造等諸多領域。所述內容兼具前沿性、學科交叉性與工程實用性，旨在教授學生高端裝備故障智能診斷與預測的基本知識，使他們了解領域內的學術前沿與最新技術，並掌握工程實際中解決裝備診斷與預測問題的一般思路，最終培養學生綜合考慮安全、環境、社會影響的工程思維與責任擔當，以及通過跨學科思考解決複雜問題的能力。
    本教材既可作為高等院校智能製造、機械工程、自動化、儀器儀錶等專業的參考教材，也可用於從事高端裝備故障診斷研究和實踐的科技人員的參考書。
作者介紹
雷亞國//楊彬//李響//李乃鵬|責編:劉志紅
目錄
第1章  緒論
  1.1  高端裝備監測大數據的形成因素與領域特點
    1.1.1  高端裝備監測大數據的形成因素
    1.1.2  高端裝備監測大數據的領域特點
  1.2  高端裝備智能診斷與預測的相關概念與研究現狀
    1.2.1  故障診斷與運行維護的關係
    1.2.2  故障智能診斷與預測的定義及運維基本框架
    1.2.3  故障智能診斷與預測的研究現狀
  1.3  大數據下智能診斷與預測面臨的機遇與挑戰
  參考文獻
第2章  基於傳統機器學習的高端裝備故障智能診斷
  2.1  基於K-means演算法的故障智能診斷
    2.1.1  K-means演算法基本原理
    2.1.2  錐齒輪傳動箱故障智能診斷
  2.2  基於人工神經網路的故障智能診斷
    2.2.1  人工神經網路基本原理
    2.2.2  機車輪對軸承故障智能診斷
  2.3  基於支持向量機的故障智能診斷
    2.3.1  支持向量機基本原理
    2.3.2  行星齒輪箱故障智能診斷
  2.4  混合智能故障診斷
    2.4.1  混合智能診斷基本原理
    2.4.2  混合智能診斷模型
    2.4.3  電動機滾動軸承故障智能診斷
  本章小結
  習題
  參考文獻
第3章  基於深度學習的高端裝備故障智能診斷
  3.1  深度置信網路故障智能診斷
    3.1.1  受限玻爾茲曼機基本原理
    3.1.2  深度置信網路智能診斷模型
    3.1.3  電動機滾動軸承故障智能診斷
  3.2  堆疊自編碼機故障智能診斷
    3.2.1  自編碼機基本原理
    3.2.2  堆疊自編碼機智能診斷模型
    3.2.3  行星齒輪箱故障智能診斷
  3.3  加權卷積神經網路故障智能診斷
    3.3.1  卷積神經網路基本原理
    3.3.2  加權卷積網路智能診斷模型
    3.3.3  機車輪對軸承故障智能診斷
  3.4  殘差網路故障智能診斷
    3.4.1  殘差單元基本原理
    3.4.2  基於殘差網路的智能診斷模型
    3.4.3  行星齒輪箱故障智能診斷
  本章小結
  習題
  參考文獻
第4章  高端裝備故障遷移智能診斷
  4.1  遷移診斷問題
    4.1.1  領域與診斷任務

    4.1.2  遷移診斷任務類型
    4.1.3  遷移智能診斷方法分類
  4.2  基於實例加權的遷移智能診斷
    4.2.1  TrAdaboost演算法描述
    4.2.2  基於TrAdaboost演算法的遷移診斷策略
    4.2.3  行星齒輪箱的跨工況故障遷移智能診斷
  4.3  基於特徵分佈適配的遷移智能診斷
    4.3.1  特徵分佈適配基本原理
    4.3.2  基於特徵分佈適配的遷移智能診斷策略
    4.3.3  跨裝備軸承間的故障遷移智能診斷
  4.4  多核特徵空間適配的深度遷移智能診斷
    4.4.1  多核植入的最大均值差異
    4.4.2  多核特徵空間適配的深度遷移智能診斷模型
    4.4.3  跨裝備軸承間的故障遷移智能診斷
  4.5  特徵分佈對抗適配的深度遷移智能診斷
    4.5.1  生成對抗網路基本原理
    4.5.2  特徵分佈對抗適配的深度遷移智能診斷模型
    4.5.3  跨工況與跨裝備故障遷移智能診斷
  本章小結
  習題
  參考文獻
第5章  數據驅動的高端裝備剩餘壽命預測
  5.1  基於循環神經網路的健康指標構建方法
    5.1.1  多域特徵提取
    5.1.2  特徵評價與選擇
    5.1.3  健康指標構建
    5.1.4  滾動軸承健康指標構建
  5.2  基於粒子濾波的剩餘壽命預測
    5.2.1  粒子濾波狀態評估演算法
    5.2.2  模型粒子濾波更新與剩餘壽命預測
    5.2.3  滾動軸承剩餘壽命預測
  5.3  自適應多核組合相關向量機剩餘壽命預測
    5.3.1  相關向量機基本原理
    5.3.2  基於自適應多核組合相關向量機的剩餘壽命預測方法
    5.3.3  齒輪剩餘壽命預測
  5.4  深度可分卷積網路構建及剩餘壽命預測
    5.4.1  可分卷積模塊構建
    5.4.2  網路結構與剩餘壽命預測
    5.4.3  滾動軸承剩餘壽命預測
  5.5  循環卷積神經網路構建及剩餘壽命預測
    5.5.1  循環卷積神經網路構建
    5.5.2  預測不確定性量化
    5.5.3  數控機床刀具剩餘壽命預測
  本章小結
  習題
  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