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

人工智慧驅動的機械故障診斷技術及應用

  • 作者：編者:余建波|責編:周紅
  • 出版社：化學工業
  • ISBN：9787122494344
  • 出版日期：2026/02/01
  • 裝幀：平裝
  • 頁數：227
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《人工智慧驅動的機械故障診斷技術及應用》力求以方法科普為基礎，深化拓展為核心，案例驅動為抓手，圖文並茂地向廣大讀者介紹機械故障診斷的流程、方法與實踐。
    本書共11章內容，具體包括緒論、機械故障診斷的信號處理方法、機械故障特徵提取與選擇技術、機械故障診斷技術、基於深度學習的信號特徵提取技術、基於遷移學習的智能故障診斷技術、基於增量學習的故障診斷技術、小樣本下基於虛實融合的旋轉機械設備故障診斷方法、典型旋轉機械設備故障智能診斷、端邊雲集成技術在機械設備智能維護中的應用和機械設備故障智能診斷系統。
    本書可用作機械故障信號處理、智能診斷、深度學習等領域的入門圖書，也適合機械工程、電子信息及相關交叉學科碩士研究生及以上學歷學生作為教材使用。
作者介紹
編者:余建波|責編:周紅
目錄
第1章  緒論
  1.1  機械故障診斷的含義
  1.2  機械設備故障診斷的發展
  1.3  機械設備故障診斷技術
    1.3.1  信號收集與處理技術
    1.3.2  特徵提取選擇及學習技術
    1.3.3  故障分類及健康評估技術
  1.4  本章小結
參考文獻
第2章  機械故障診斷的信號處理方法
  2.1  振動信號時頻域分析
    2.1.1  時域分析技術
    2.1.2  頻域分析技術
    2.1.3  包絡分析技術
    2.1.4  時頻域分析技術
  2.2  小波分析技術
    2.2.1  小波濾波
    2.2.2  小波選擇
    2.2.3  二進小波
    2.2.4  提升小波
  2.3  Hilbert-Huang變換技術
    2.3.1  EMD方法
    2.3.2  Hilbert-Huang變換
  2.4  LMD技術
    2.4.1  LMD演算法
    2.4.2  LMD的優點及存在的一些不足
  2.5  ITD分解技術
    2.5.1  固有時間尺度分解演算法過程
    2.5.2  固有時間尺度分解演算法性能分析
  2.6  形態學濾波故障特徵提取方法
    2.6.1  形態學濾波研究現狀
    2.6.2  形態學基本理論
    2.6.3  基於形態學濾波的故障診斷應用
  2.7  本章小結
參考文獻
第3章  機械故障特徵提取與選擇技術
  3.1  特徵產生
  3.2  基於數據投影的特徵提取與選擇技術
    3.2.1  主成分分析
    3.2.2  獨立主元分析
    3.2.3  線性判別式分析
  3.3  基於流形學習的特徵提取與選擇技術
    3.3.1  拉普拉斯特徵映射演算法
    3.3.2  局部保持投影演算法
    3.3.3  局部和非局部保持投影
  3.4  案例分析
  3.5  本章小結
參考文獻
第4章  機械故障診斷技術
  4.1  專家系統

    4.1.1  專家系統概述
    4.1.2  診斷知識的表示
    4.1.3  診斷推理和知識獲取
  4.2  模糊理論
    4.2.1  隸屬度函數及模糊矢量
    4.2.2  模糊關係方程
    4.2.3  模糊診斷準則
  4.3  人工神經網路
    4.3.1  人工神經網路原理
    4.3.2  神經網路結構
    4.3.3  基於神經網路的故障診斷
    4.3.4  基於神經網路的故障診斷實例
  4.4  支持向量機
    4.4.1  統計學習理論
    4.4.2  支持向量機的原理
    4.4.3  基於支持向量機的故障診斷
    4.4.4  基於SVM的故障診斷實例
  4.5  隱馬爾可夫模型
    4.5.1  概率計算問題及其前後向演算法
    4.5.2  狀態預測問題及其Viterbi演算法
    4.5.3  參數學習問題及其Baum-Welch演算法
  4.6  本章小結
參考文獻
第5章  基於深度學習的信號特徵提取技術
  5.1  基於深度置信網路的故障診斷方法
    5.1.1  深度置信神經網路的基本原理
    5.1.2  深度置信神經網路的結構
    5.1.3  基於深度置信網路的設備故障診斷模型
  5.2  基於堆疊降噪自編碼器的故障診斷方法
    5.2.1  堆疊降噪自編碼器的基本原理
    5.2.2  堆疊降噪自編碼器的結構
    5.2.3  堆疊降噪自編碼器的訓練流程
    5.2.4  基於堆疊降噪自編碼器的特徵提取實例
  5.3  基於卷積神經網路的故障診斷方法
    5.3.1  卷積神經網路的基本結構
    5.3.2  卷積神經網路的基本特徵
    5.3.3  卷積神經網路的優化改進
    5.3.4  基於多通道一維卷積神經網路的齒輪箱故障診斷實例
  5.4  基於卷積自編碼器的故障診斷方法
    5.4.1  卷積自編碼器的基本原理
    5.4.2  卷積自編碼器的結構
    5.4.3  一維殘差卷積自編碼器
    5.4.4  基於一維殘差卷積自編碼器的齒輪箱故障診斷實例
  5.5  本章小結
參考文獻
第6章  基於遷移學習的智能故障診斷技術
  6.1  遷移學習的概念
  6.2  基於遷移學習的域自適應技術
    6.2.1  最大均值差異（MMD）
    6.2.2  相關對齊（CORAL）

    6.2.3  對抗學習
  6.3  基於遷移學習的特徵提取與故障診斷技術
  6.4  基於對抗學習的特徵提取與故障診斷技術
  6.5  本章小結
參考文獻
第7章  基於增量學習的機械故障診斷技術
  7.1  增量學習的概念
  7.2  基於生成對抗網路的增量學習
    7.2.1  生成式對抗網路
    7.2.2  基於GAN的增量學習
  7.3  基於增量學習的機械故障診斷
  7.4  本章小結
參考文獻
第8章  小樣本下基於虛實融合的旋轉機械設備故障診斷方法
  8.1  小樣本下旋轉機械設備故障診斷
  8.2  基於模擬與遷移的虛實融合方法
  8.3  基於虛實融合的旋轉機械設備故障診斷方法
    8.3.1  齒輪箱物理模型構建
    8.3.2  對抗局部域自適應網路
    8.3.3  小樣本下數據增強和故障診斷流程
  8.4  實驗分析
    8.4.1  參數設置
    8.4.2  模擬信號分析
    8.4.3  齒輪箱故障診斷
    8.4.4  特徵可視化
    8.4.5  比較分析
    8.4.6  敏感性分析
  8.5  本章小結
參考文獻
第9章  典型旋轉機械設備故障智能診斷
  9.1  滾動軸承故障及其診斷方法
    9.1.1  滾動軸承的失效形式
    9.1.2  滾動軸承的失效機理及其特性
    9.1.3  滾動軸承的故障診斷方法
  9.2  齒輪箱故障及其診斷方法
    9.2.1  齒輪箱的失效形式
    9.2.2  齒輪箱的失效機理及其特性
    9.2.3  齒輪箱的故障診斷方法
  9.3  轉子故障及其診斷方法
    9.3.1  轉子的失效形式
    9.3.2  轉子的失效機理及特性
    9.3.3  轉子的故障診斷方法
  9.4  電機故障及其診斷方法
    9.4.1  電機的類型與測定標準
    9.4.2  電磁耦合的振動原理
    9.4.3  電機的失效形式和故障特徵
    9.4.4  電機故障的診斷方法
  9.5  軋輥磨床故障及其診斷方法
    9.5.1  軋輥磨床的失效形式
    9.5.2  軋輥磨床磨削顫振機理

    9.5.3  軋輥磨床的故障診斷方法
  9.6  本章小結
參考文獻
第10章  端邊雲集成技術在機械設備智能維護中的應用
  10.1  端邊雲集成系統構成及作用
  10.2  系統功能
    10.2.1  邊緣終端功能
    10.2.2  雲上系統功能
  10.3  智能邊緣分析儀
  10.4  基於Web的分散式邊緣分析儀管控系統
第11章  機械設備故障智能診斷系統
  11.2  信號處理故障診斷系統
    11.1.1  設備故障診斷與預診維護模塊
    11.1.2  資料庫操作模塊
    11.1.3  數據採集與管理模塊
    11.1.4  設備運行狀態監控模塊
    11.1.5  頁面設計
  11.2  基於Python/PyQt5的故障診斷系統
    11.2.1  故障診斷工具箱工作環境
    11.2.2  故障診斷工具箱設計需求
    11.2.3  故障診斷工具箱基本結構及體系
    11.2.4  故障診斷工具箱基本功能
    11.2.5  故障診斷工具箱界面設計
  11.3  基於Python/Flask的故障診斷系統
    11.3.1  軟體運行環境
    11.3.2  編程語言版本
    11.3.3  軟體設計
    11.3.4  系統軟體架構設計
    11.3.5  需求分析
    11.3.6  系統頁面
    11.3.7  數據分析
    11.3.8  信號處理
    11.3.9  模型評估
  11.4  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