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

面向礦山裝備智能運維的油液在線監測技術及應用

  • 作者：馮龍//殷逸冰//張強//董祥偉//蘇金鵬等|責編:李夢陽
  • 出版社：華中科技大學
  • ISBN：9787577223186
  • 出版日期：2025/10/01
  • 裝幀：平裝
  • 頁數：153
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書圍繞礦山裝備智能運維的發展需求，針對傳統運維模式中存在的效率低、故障預警滯后等問題，系統闡述油液監測技術在智能運維體系中的核心作用與應用價值。本書內容涵蓋油液監測的基本原理、離線檢測與在線監測方法、關鍵理化參數感測技術；深入探討了多源監測數據的特徵提取與信息融合策略，並在此基礎上構建了基於CNN、RNN等深度學習的智能故障診斷模型；結合齒輪傳動系統、採煤機搖臂等典型礦山裝備場景的實證案例，驗證了相關技術的可行性與有效性。同時，本書進一步探討了油液監測與振動、紅外等技術的融合應用，分析其智能化、多參數協同及感測器創新方向的發展趨勢，旨在為礦山裝備的故障早期預警與高效運維提供技術支撐，推動行業運維模式向預測性維護轉型升級。
作者介紹
馮龍//殷逸冰//張強//董祥偉//蘇金鵬等|責編:李夢陽
目錄
第1章  礦山裝備智能運維概述
  1.1  礦山裝備的運維挑戰與需求
  1.2  礦山裝備智能運維的關鍵技術與發展趨勢
  1.3  油液監測在智能運維中的核心地位
  1.4  本章小結
第2章  油液監測技術的原理及應用
  2.1  油液監測技術的研究意義
  2.2  油液監測技術的國內外研究現狀
    2.2.1  油液離線檢測技術
    2.2.2  基於油液理化特性的故障診斷方法
  2.3  油液在線監測技術應用
    2.3.1  油液監測與振動監測融合
    2.3.2  油液監測與紅外監測融合
    2.3.3  油液監測與超聲脈衝監測融合
    2.3.4  油液監測在礦山裝備領域的應用
  2.4  本章小結
第3章  油液理化特性監測技術
  3.1  磨粒監測技術
    3.1.1  磨粒分類與特徵
    3.1.2  磨粒離線檢測技術
    3.1.3  磨粒在線監測技術
  3.2  含水率監測感測器
    3.2.1  電容式水分感測器
    3.2.2  微波雷達式水分感測器
  3.3  黏度感測器
  3.4  密度感測器
    3.4.1  電容式密度感測器
    3.4.2  諧振式密度感測器
  3.5  介電常數
  3.6  污染度
  3.7  本章小結
第4章  油液監測信息的多源融合與智能診斷模型
  4.1  特徵提取方法
    4.1.1  基於VMD的特徵提取
    4.1.2  基於奇異值分解的特徵提取
    4.1.3  基於雙樹復小波變換的特徵提取
    4.1.4  基於格拉姆角場的特徵提取
    4.1.5  基於CBAM機制的特徵提取
    4.1.6  基於稀疏編碼的特徵提取
  4.2  多源信息融合方法
    4.2.1  數據級融合方法
    4.2.2  特徵級融合方法
    4.2.3  決策級融合方法
  4.3  典型故障模式與油液參數關聯性分析
    4.3.1  軸承磨損油液參數關聯性
    4.3.2  齒輪疲勞失效多參數耦合分析
    4.3.3  密封失效與油液污染的關聯性研究
    4.3.4  液壓系統污染的顆粒分佈關聯性
  4.4  基於深度學習的故障診斷模型
    4.4.1  基於CNN的故障診斷模型

    4.4.2  基於RNN的故障診斷模型
    4.4.3  基於DBN的故障診斷模型
  4.5  本章小結
第5章  礦山裝備油液多模態在線監測與智能故障診斷體系研究
  5.1  基於雙通道靜電信號與互相關函數峰值突出度的磨損顆粒識別方法
    5.1.1  磨粒靜電感應機理與感測建模
    5.1.2  基於VMD增強與雙通道互相關識別的顆粒信號提取演算法
    5.1.3  齒輪箱油液在線監測實驗與鐵譜驗證
  5.2  基於同軸陣列靜電感測器和VMD-SR-DTW模型的磨粒檢測方法
    5.2.1  VMD-SR信號增強與DTW多通道關聯檢測演算法
    5.2.2  模擬信號測試與齒輪箱在線監測驗證
  5.3  強背景雜訊下的採煤機搖臂齒輪箱故障診斷方法研究
    5.3.1  基於雙樹復小波變換與奇異值分解的降噪方法
    5.3.2  基於遷移學習的跨工況故障診斷模型
    5.3.3  故障診斷方法實驗驗證與分析
  5.4  礦山裝備油液多模態在線監測與智能故障診斷體系研究
    5.4.1  齒輪箱在線監測實驗台與特徵數據採集分析
    5.4.2  徑向基函數神經網路故障診斷模型
    5.4.3  基於卷積神經網路+CBAM機制的齒輪箱故障診斷
    5.4.4  基於加權D-S證據理論的多模型融合故障診斷方法研究
  5.5  本章小結
第6章  發展趨勢與展望
  6.1  發展趨勢
    6.1.1  智能化與自動化
    6.1.2  多參數監測
    6.1.3  感測器技術創新
  6.2  展望
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