由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]开关电流电路测试与故障诊断龙英9787111549444
¥ ×1
前言
第1章 开关电流技术概述
1.1 模拟取样数据技术的发展历史
1.2 开关电容电路基本理论
1.3 开关电流技术的发展
1.4 开关电流技术与开关电容技术的比较
1.5 本章小结
参考文献
第2章 电路测试与故障诊断理论
2.1 引言
2.2 故障特征提取方法概述
2.2.1 基于主元分析的特征提取
2.2.2 基于小波分析的特征提取
2.2.3 基于多小波变换的特征提取
2.2.4 基于粗糙集的特征提取
2.2.5 基于分形理论的特征提取
2.2.6 基于互信息熵的特征提取
2.3 模拟电路故障诊断技术
2.3.1 模拟电路故障诊断的发展及研究现状
2.3.2 模拟电路故障诊断的传统方法
2.3.3 模拟电路故障诊断现代智能诊断方法
2.4 开关电流电路测试与故障诊断基本理论
2.4.1 开关电流电路测试与故障诊断研究现状
2.4.2 开关电流电路测试与故障诊断方法
2.4.3 开关电流电路仿真程序ASIZ
2.5 本章小结
参考文献
第3章 开关电流电路灵敏度分析与故障模型硬故障测试
3.1 引言
3.2 开关电流电路的灵敏度分析
3.3 开关电流电路故障模型
3.4 诊断实例
3.4.1 基本存储单元硬故障测试
3.4.2 三阶低通滤波器硬故障测试
3.5 本章小结
参考文献
第4章 开关电流电路伪随机测试与诊断
4.1 引言
4.2 开关电流电路的伪随机测试和故障诊断
4.2.1 伪随机技术测试原理
4.2.2 伪随机序列的生成
4.2.3 空间映射
4.2.4 候选信号的选择
4.2.5 特征信号的容差范围
4.3 应用实例
4.3.1 序列参数选择
4.3.2 开关电流电路测试
4.3.3 测试结果及分析
4.4 本章小结
参考文献
第5章 基于故障字典和信息熵预处理的开关电流电路故障诊断
5.1 引言
5.2 信息熵理论
5.2.1 熵的定义
5.2.2 微分熵和极大熵
5.2.3 用非多项式函数近似熵
5.3 基于信息熵预处理的故障字典诊断方法
5.3.1 信息熵预处理故障字典诊断原理
5.3.2 故障模式的定义
5.3.3 故障特征提取
5.3.4 故障诊断实例
5.4 本章小结
参考文献
第6章 基于神经网络的开关电流电路故障诊断研究
6.1 引言
6.2 峭度理论
6.2.1 峭度的定义
6.2.2 用峭度来度量非高斯性
6.3 开关电流电路故障诊断的神经网络结构确定
6.3.1 神经网络概述
6.3.2 故障特征提取
6.3.3 BP神经网络结构确定
6.4 开关电流电路诊断实例
6.4.1 诊断实例1:6阶切比雪夫低通滤波器
6.4.2 诊断实例2:6阶椭圆带通滤波器
6.4.3 诊断实例3:时钟馈通补偿电路(CKFT)
6.4.4 故障诊断结果分析
6.5 本章小结
参考文献
第7章 基于故障特征预处理技术的开关电流电路小波变换故障诊断
7.1 引言
7.2 小波变换理论
7.2.1 小波变换的产生
7.2.2 小波变换的定义
7.2.3 常用小波函数
7.2.4 小波基的特性与选择
7.2.5 小波分解与重构
7.2.6 基于小波的故障特征提取
7.3 故障特征预处理技术
7.3.1 信息熵预处理
7.3.2 Haar小波正交滤波器预处理
7.4 基于信息熵和Haar小波变换故障诊断方法
7.5 诊断实例与分析
7.5.1 诊断实例1:6阶切比雪夫低通滤波器
7.5.2 诊断实例2:6阶椭圆带通滤波器
7.5.3 诊断实例3:时钟馈通补偿电路(CKFT)
7.5.4 诊断结果分析
7.6 本章小结
参考文献
第8章 基于独立成分分析的开关电流电路故障诊断
8.1 引言
8.2 独立成分分析基本理论
8.2.1 ICA技术概述
8.2.2 独立成分分析的预处理
8.2.3 ICA估计原理
8.3 基于ICA的开关电流电路故障特征提取
8.3.1 基于负熵的ICA特征提取
8.3.2 基于峭度的ICA特征提取
8.4 实验验证和分析
8.4.1 诊断电路和故障设置
8.4.2 Haar小波正交滤波器预处理
8.4.3 ICA故障特征提取
8.4.4 神经网络的确定
8.4.5 诊断结果分析
8.5 结论
参考文献
第9章 基于小波分形和粒子群支持向量机的开关电流电路故障诊断
9.1 引言
9.2 小波分形分析
9.2.1 小波分解原理
9.2.2 分形基本理论
9.2.3 分形维计算
9.3 核主元分析
9.3.1 核主元分析基本理论
9.3.2 核主元分析方法
9.4 粒子群优化支持向量机
9.4.1 支持向量机概述
9.4.2 粒子群优化算法
9.4.3 粒子群优化支持向量机算法
9.5 诊断实例
9.5.1 诊断电路和故障设置
9.5.2 小波分形分析方法的特征计算
9.5.3 核主元分析特征提取
9.5.4 仿真结果分析
9.6 结论
参考文献
附录
龙英,湖南省青年骨干教师,副教授,工学博士。现任长沙学院电子信息工程教研室主任。2006年于湖南师范大学获得电路与系统硕士学位,2012年于湖南大学获得电气工程专业博士学位。2013年进入合肥工业大学电气工程博士后流动站从事博士后研究。主持完成国家自然科学基金1项、中国博士后科学基金特别资助项目1项,中国博士后科学基金面上项目1项,湖南省自然科学基金2项,湖南省教育厅重点项目1项,长沙市科技计划项目2项,湖南省教育科学“十一五”规划课题1项,湖南省教育考试院课题1项。参与国家杰出青年科学基金、国家863计划重点项目、国家重点研发计划项目、国家自然科学基金和教育部高等学校博士学科点专项基金等多项重量和省部级项目。发表学术论文20多篇,其中SCI收录6篇,EI收录5篇。申请发明专利5项,已授权2项,公开3项,授权实用新型专利7项,出版学术专著1部。主要研究方向为电路测试和故障诊断,模式识别和信号处理。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
