內容大鋼
本書介紹了旋轉設備小樣本跨工況故障診斷的基礎理論和工程應用，闡述了小樣本機械故障數據驅動診斷技術和工程背景。全書分為11章，內容包括：緒論，旋轉機械故障和小樣本智能診斷技術基礎理論，基於數據增強、優化元學習、度量元學習和半監督學習等的小樣本智能診斷技術和實例應用，以及智能診斷的未來挑戰。本書涵蓋了作者團隊近年來在小樣本數據驅動故障診斷方面所取得的最新研究成果，內容新穎，結構清晰，實用性強，可為旋轉設備小樣本跨工況故障診斷提供理論支持和方法指導。
本書主要適合機械設備故障診斷、狀態監測和可靠性維護等領域的技術人員使用和參考，也可作為機械工程、自動化、智能製造和人工智慧等相關學科專業的在校師生的教材以及研究人員的參考書。
目錄
第1章 緒論
1.1 研究背景及意義
1.2 國內外研究現狀
1.2.1 傳統非數據驅動的診斷方法研究現狀
1.2.2 基於數據驅動的智能診斷方法研究現狀
本章參考文獻
第2章 旋轉機械故障和小樣本智能診斷技術基礎理論
2.1 機械故障介紹
2.1.1 軸承結構及常見故障
2.1.2 齒輪結構及常見故障
2.2 小樣本智能診斷技術基礎知識
2.2.1 基於數據增強的小樣本故障診斷方法
2.2.2 基於模型的小樣本故障診斷方法
2.2.3 基於半監督學習的小樣本故障診斷方法
2.3 本章小節
本章參考文獻
第3章 基於數據增強的單工況齒輪箱小樣本故障診斷
3.1 引言
3.2 EEMD-ICA降噪
3.2.1 經驗模態分解介紹
3.2.2 獨立成分分析介紹
3.2.3 EEMD-ICA降噪模型構建
3.3 CVAE數據增強
3.3.1 CVAE網路介紹
3.3.2 CVAE網路設計
3.4 實驗結果和分析
3.4.1 齒輪箱數據集介紹
3.4.2 實驗驗證
3.5 本章小節
本章參考文獻
第4章 基於優化元學習變工況齒輪箱小樣本故障診斷
4.1 引言
4.2 MAML演算法介紹
4.3 時間卷積網路介紹
4.3.1 因果卷積
4.3.2 膨脹卷積
4.3.3 殘差連接
4.3.4 基於時間卷積網路與優化元學習的演算法構架
4.4 實驗結果和分析
4.5 本章小節
本章參考文獻
第5章 先驗知識殘差收縮原型網路小樣本故障診斷
5.1 引言
5.2 基礎知識及問題描述
5.2.1 元學習
5.2.2 問題描述
5.3 先驗知識殘差收縮原型網路小樣本故障診斷演算法
5.3.1 演算法的診斷過程
5.3.2 殘差收縮網路
5.3.3 原型網路
5.4 實例驗證
5.4.1 實驗設置
5.4.2 案例1:齒輪箱數據故障診斷
5.4.3 案例2:軸承數據故障診斷
5.4.4 魯棒性分析
5.4.5 可視化分析
5.5 本章小節
本章參考文獻
第6章 聯合遷移細粒粒度度量小樣本跨域故障診斷
6.1 引言
6.2 聯合遷移細粒粒度度量小樣本跨域故障診斷演算法
6.2.1 特徵提取模塊
6.2.2 細粒度度量模塊
6.2.3 域遷移模塊
6.3 實例驗證
6.3.1 案例1：不同工況下軸承的小樣本跨域診斷
6.3.2 案例2：不同工況下軸承（CWRU）的小樣本跨域診斷
6.3.3 案例3：不同工況下齒輪箱的小樣本跨域診斷
6.4 本章小節
本章參考文獻
第7章 基於元學習域對抗圖卷積網路的跨域小樣本故障診斷
7.1 引言
7.2 基於元學習域對抗圖卷積網路的跨域小樣本故障診斷演算法
7.2.1 基於圖的特徵生成
7.2.2 域自適應對抗性訓練
7.2.3 可伸縮度量元學習
7.3 實例驗證
7.3.1 數據集和跨域場景設置
7.3.2 對比方法與消融驗證
7.3.3 實驗結果分析
7.3.4 解釋性分析
7.4 本章小節
本章參考文獻
第8章 自適應半監督元學習雜訊小樣本故障診斷
8.1 引言
8.2 基礎知識
8.3 自適應半監督元學習雜訊小樣本故障診斷演算法
8.3.1 演算法的診斷過程
8.3.2 樣本級注意力
8.3.3 自適應度量
8.4 實驗驗證
8.4.1 實驗設置
8.4.2 案例1：齒輪箱數據故障診斷
8.4.3 案例2：傳動系統動態模擬器故障診斷
8.4.4 消融實驗
8.4.5 使用不同卷積層的診斷準確率及物理意義分析
8.5 本章小節
本章參考文獻
第9章 基於半監督原型優化的小樣本故障診斷
9.1 引言
9.2 基礎知識
9.2.1 監督對比學習
9.2.2 原型網路
9.3 基於半監督原型優化的小樣本故障診斷演算法
9.3.1 數據集構造
9.3.2 基於對比學習的預訓練
9.3.3 基於半監督的原型計算和優化
9.4 實例驗證
9.4.1 數據集介紹
9.4.2 對比實驗
9.4.3 消融實驗
9.4.4 異常樣本干擾實驗
9.5 本章小節
本章參考文獻
第10章 半監督對比學習的多工況小樣本故障診斷
10.1 引言
10.2 時序數據增強方法
10.3 無監督對比網路
10.4 診斷模型介紹
10.4.1 對比學習網路結構
10.4.2 半監督學習損失構建
10.4.3 演算法流程
10.5 實例驗證
10.5.1 單工況下模型對比實驗
10.5.2 跨工況下模型對比實驗
10.5.3 樣本標籤率對比實驗
10.5.4 雜訊干擾實驗
10.5.5 模型微調前後對比實驗
10.6 本章小節
本章參考文獻
第11章 智能診斷技術的挑戰
11.1 引言
11.2 智能診斷技術的未來工作
11.2.1 元學習在故障診斷中的未來工作
11.2.2 智能故障診斷中的未來工作
11.3 本章小節
本章參考文獻
[