返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 醉染图书设备与系统健康智能预诊维护技术9787030694591
  • 正版全新
    • 作者: 余建波著 | 余建波编 | 余建波译 | 余建波绘
    • 出版社: 科学出版社
    • 出版时间:2021-08-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 余建波著| 余建波编| 余建波译| 余建波绘
    • 出版社:科学出版社
    • 出版时间:2021-08-01
    • 版次:1
    • 印次:1
    • 字数:317000
    • 页数:264
    • 开本:16开
    • ISBN:9787030694591
    • 版权提供:科学出版社
    • 作者:余建波
    • 著:余建波
    • 装帧:平装
    • 印次:1
    • 定价:129.00
    • ISBN:9787030694591
    • 出版社:科学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2021-08-01
    • 页数:264
    • 外部编号:1202457965
    • 版次:1
    • 成品尺寸:暂无

    前言

    章 设备健康智能预诊维护 1

    1.1 引言 1

    1.2 设备健康维护的发展 2

    1.3 设备智能预诊维护的关键技术 3

    1.3.1 信号收集与处理 3

    1.3.2 特征提取与选择 5

    1.3.3 特征学习与识别 6

    1.3.4 设备健康评估 7

    1.3.5 设备寿命预测 9

    参考文献 9

    第2章 信号分析处理技术 11

    2.1 引言 11

    2.2 形态滤波故障特征提取方法 11

    2.2.1 形态滤波研究现状 11

    2.2.2 形态学基本理论 12

    2.. 基于形态滤波的故障诊断 13

    . 稀疏表达故障诊断方法 19

    ..1 稀疏理论的研究现状 20

    ..2 稀疏表达理论 21

    .. 基于稀疏表达的故障特征提取算法应用 24

    2.4 随机抽样滤噪 32

    2.4.1 典型时频域分析方法简介 32

    2.4.2 LMD算法原理简介 33

    2.4.3 基于局部均值算法的故障诊断 37

    2.5 多层混合滤噪方法 44

    2.5.1 局部均值分解的多层混合滤噪方法 45

    2.5.2 基于T和改进形态滤波的滚动轴承故障诊断 48

    参考文献 52

    第3章 特征提取与选择技术 56

    3.1 引言 56

    3.2 特征产生 56

    3.3 基于流形学习的特征提取与选择技术 58

    3.3.1 拉普拉斯特征映算法 59

    3.3.2 局部保持投影算法 60

    3.3.3 局部和非局部保持投影和基于监督学习的局部和非局部保持投影 61

    3.3.4 局部和非局部线判分析算法 64

    3.3.5 实例分析 67

    3.4 特征选择技术 74

    3.4.1 特征提取 74

    3.4.2 单调和趋势 75

    3.4.3 基于PCA和LPP的预后特征选择 75

    3.4.4 基于拉普拉斯分数的预诊特征选择 77

    3.4.5 实验结果和分析 77

    参考文献 79

    第4章 基于深度学习的信号特征学习 82

    4.1 引言 82

    4.2 特征学习技术 83

    4.2.1 深度置信网络 83

    4.2.2 卷积神经网络 86

    4.. 一维卷积神经网络 87

    4.2.4 堆叠降噪自编码器 88

    4.2.5 卷积自编码器 90

    4.3 基于特征学习的故障诊断模型 92

    4.3.1 基于多通道一维卷积神经网络的齿轮箱故障诊断方法 92

    4.3.2 基于一维残差卷积自编码器的齿轮箱故障诊断 96

    4.3.3 基于二维主成分分析卷积自编码器的晶圆表面缺陷模式识别 99

    4.3.4 应用实例:基于多通道一维卷积神经网络的故障诊断模型 104

    4.4 基于特征调节技术的机器健康预测 109

    4.4.1 基于PRSDAE的机器健康预测方法 109

    4.4.2 应用实例:基于PRSDAE的机器健康预测模型 112

    4.5 基于知识堆叠降噪自编码器的特征提取与知识发现 117

    4.5.1 规则抽取和推理 118

    4.5.2 KBSDAE建模 1

    4.5.3 应用实例:基于KBSDAE的故障诊断模型 125

    参考文献 129

    第5章 基于迁移对抗的特征提取与故障诊断 132

    5.1 引言 132

    5.2 基于迁移学习的特征提取与故障诊断 134

    5.2.1 迁移学习 134

    5.2.2 深度对抗域自适应迁移神经网络 135

    5.. 应用实例:基于1DWDAN的数据迁移 140

    5.3 基于对抗学习的特征提取与故障诊断 143

    5.3.1 生成对抗网络 143

    5.3.2 多粒度交互生成对抗网络 145

    5.3.3 基于多粒度交互生成对抗网络的晶圆缺陷模式识别 150

    5.3.4 应用实例:基于MGGAN的晶圆表面缺陷识别模型 151

    参考文献 156

    第6章 设备健康退化评估技术 159

    6.1 引言 159

    6.2 基于无监督学习驱动 159

    6.2.1 自组织映 160

    6.2.2 高斯混合模型 163

    6.. 隐马尔可夫模型 168

    6.2.4 基于多变量过程控制技术 169

    6.2.5 基于无监督学习的故障诊断模型 173

    6.3 基于有监督学习驱动 176

    6.3.1 基于逻辑回归模型 177

    6.3.2 基于GTM模型 177

    6.4 基于自适应学习驱动 178

    6.4.1 自适应高斯混合模型 179

    6.4.2 自适应隐马尔可夫模型 183

    6.4.3 基于自适应学习的故障诊断模型 187

    6.5 基于深度学习的健康评估 194

    6.5.1 基于LSTM的评估模型 194

    6.5.2 基于SDAE-LSTM的能评估 196

    6.5.3 基于深度学习的涡扇发动机故障诊断 197

    参考文献 201

    第7章 设备健康预测与寿命预测技术 204

    7.1 引言 204

    7.2 基于模型驱动的RUL预测技术 205

    7.2.1 状态空间模型 205

    7.2.2 卡尔曼滤波 206

    7.. 粒子滤波 207

    7.3 基于数据驱动的RUL预测技术 207

    7.3.1 逻辑回归 207

    7.3.2 自回归移动平均模型 208

    7.3.3 相关向量机 208

    7.3.4 高斯过程回归 209

    7.3.5 人工神经网络 210

    7.3.6 统计分布相似 211

    7.4 基于数模集成驱动RUL预测技术 212

    7.4.1 基于PF和LR的方法 213

    7.4.2 基于LR和GPR的方法 213

    7.4.3 基于KF和LR的方法 214

    7.4.4 应用实例:基于LR和GPR的RUL预测方法 215

    7.5 基于深度学习的RUL预测技术 218

    参考文献 224

    第8章 大型旋转设备故障诊断软件系统 226

    8.1 引言 226

    8.2 旋转机械故障诊断与预诊维护系统 227

    8.3 旋转机械故障诊断与预诊维护系统总体设计 228

    8.3.1 软件系统功能模块划分 229

    8.3.2 软件系统开发技术平台选择 1

    8.3.3 软件系统架构设计 1

    8.4 故障诊断工具箱的设计开发 4

    8.4.1 算法工具箱开发工具选择 5

    8.4.2 算法工具箱结构设计 5

    8.5 主控界面

    8.5.1 操作系统功能监测

    8.5.2 绘制振动历史比较图

    8.5.3 绘制振动趋势分析图

    8.5.4 绘制单多值棒图

    8.5.5 绘制三维瀑布图 241

    8.5.6 绘制伯德图 241

    8.5.7 绘制提纯轴心轨迹图 241

    8.5.8 绘制全息谱图 242

    8.5.9 转子动静平衡测试 243

    8.5.10 绘制阶次谱图 245

    8.5.11 绘制启停机转速谱图 245

    8.5.12 绘制启停机转速瀑布谱图 246

    8.5.13 绘制转速时间图 246

    8.5.14 频谱细化图 247

    8.6 系统应用实例 247

    8.6.1 监测设备过程实时状况 248

    8.6.2 监测设备振动实时波形频谱 249

    8.6.3 查看设备振动历史 249

    参考文献 250

    彩图

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购