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

  • 醉染图书排烟风机信息融合故障诊断方法与系统研究9787502464196
  • 正版全新
    • 作者: 阳小燕,周雄著 | 阳小燕,周雄编 | 阳小燕,周雄译 | 阳小燕,周雄绘
    • 出版社: 冶金工业出版社
    • 出版时间:2013-08-01
    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: 阳小燕,周雄著| 阳小燕,周雄编| 阳小燕,周雄译| 阳小燕,周雄绘
    • 出版社:冶金工业出版社
    • 出版时间:2013-08-01
    • 版次:1
    • 印次:1
    • 字数:151000.0
    • 页数:154
    • ISBN:9787502464196
    • 版权提供:冶金工业出版社
    • 作者:阳小燕,周雄
    • 著:阳小燕,周雄
    • 装帧:平装
    • 印次:1
    • 定价:25.00
    • ISBN:9787502464196
    • 出版社:冶金工业出版社
    • 开本:暂无
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2013-08-01
    • 页数:154
    • 外部编号:1200812519
    • 版次:1
    • 成品尺寸:暂无

    1 绪论
    1. 1 机械故障诊断的发展与现状
    1.1. 1 国外研究现状
    1.1.2 故障诊断技术的发展趋势
    1. 2 故障诊断方与技概述
    1.2.1 信息融合故障诊断
    1.2. 2 信号预处理技术
    1.. 神经网络故障诊断
    1.2.4 盲源分离故障诊断
    1.2.5 故障诊断专家系统
    1.3 本书的研究意义与应用前景
    1.4 本书的主要内容与结构安排
    2 自适应提升小波信号处理方法研究
    2.1 排烟风机信号预处理问题的提出
    2.2 小波去噪阈值函数设计
    2. 2.1 现有阈值函数分析
    2.2.2 本书设计的改进阈值函数
    2.. 阈值函数去噪能比较
    . 提升小波自适应去噪算法研究
    ..1 信号局部特征的时域估计方法设计
    ..2 基于信号局部特征的小波函数选择
    .. 信号突变点的平滑递变阶次提升小波函数设计
    ..4 基于信号局部特征的自适应小波阈值选择
    ..5 与实验
    2.4 信号频域特征的小波消混校正方法设计
    2.4.1 小波分析的频域特征提取
    2. 4. 2 小波分解中频率混淆的校正方法设计
    2.4.3 消除小波分析频率混淆算法设计
    2. 4.4 小波混频改进算法应用
    2. 5 本章小结
    3 动态故障源数估计的自适应盲源分离方法研究
    3.1 数据层融合诊断问题的提出
    3.2 动态故障源的源数估计算法研究
    3. 2.1 现有信号源数估计方法
    3.2.2 基于拓展四阶累积量矩阵与奇异值分解的
    源数估计算法研究
    3.. 拓展四阶累积量矩阵源数估计实验
    3.3 基于动态故障源数估计的自适应盲源分离算法研究
    3. 3.1 基于主元分析的超定盲源分离算法
    3.3.2 基于稀疏元分析的欠定盲源分离算法
    3.3. 3 自适应盲源分离算法
    3.4 盲源分离实验分析
    3.5 本章小结
    4 综合BP与ART2网络的改进型神经网络故障诊断方法研究
    4.1 神经网络故障诊断的不足
    4.2 改型B-ART2神经网络设计
    4.2.1 引入非线映的BP-ART2神经网络结构设计
    4.2.2 ART2神经网络自适应警戒参数与聚类设计
    4.3 改型B-ART2神经网络故障诊断系统的计算方法
    4.3.1 参数及权值初始化
    4. 3.2 训练过程的计算步骤
    4.3.3 诊断过程计算步骤
    4.4 实验分析
    4.5 本章小结
    5 黑板型多专家机电融合故障诊断方法研究
    5.1 多专家诊断问题的提出
    5.2 排烟风机故障诊断的黑板型多专家融合系统结构设计
    5.3 黑板型多专家机电融合诊断方法研究
    5.3.1 排烟风机机电融合诊断方法研究
    5.3.2 多专家机电信息融合诊断算法
    5.4 实验与诊断
    5.5 本章小结
    6 多传感器与多诊断方法的决策融合诊断
    6.1 排烟风机全局决策融合诊断结构设计
    6.2 多传感器加权激励融合诊断方法研究
    6.2.1 多传感器之间的相关加权系数设计
    6.2.2 不同位置传感器在融合诊断中的权重设计
    6.. 多传感器加权系数的激励
    6.2.4 多传感器两两加权激励的综合融合
    6. 2.5 多传感器加权激励融合诊断步骤
    6.3 多诊断方法局部诊断结果的决策融合设计
    6.3.1 决策融合规则
    6.3.2 排烟风机故障诊断决策融合算法设计
    6.4 决策融合实验与诊断
    6.4.1 对两两传感器加权激励融合
    6.4.2 多局部诊断方法的决策融合
    6.5 本章小结
    7 排烟风机状态监测与故障诊断系统设计
    7.1 排烟风机监测点与传感器设置
    7.2 微机集中监测式与DSP分布式监测系统硬件设计
    7.2.1 微机集中监测与故障诊断系统
    7.2.2 DSP分布式实时监测与故障诊断系统
    7.3 排烟风机监测与故障诊断系统软件设计
    7.3.1 微机集中监测系统数据采集软件设计
    7.3.2 DSP分布式监测系统软件设计
    7.3.3 上位机监测与管理软件设计
    7.4 系统调试与现场应用实例
    7.4.1 系统分析、设计与调试
    7.4.2 现场应用实例
    7.5 本章小结
    参考文献

    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