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。
醉染图书滚动轴承故障定量分析与智能诊断9787030681041
¥ ×1
序
前言
章绪论
1.1滚动轴承动力学模型及故障机理
1.2特征提取与定量诊断方法
1.3趋势分析与预测方法
1.4智能诊断技术
参考文献
第2章动力学模型及故障机理研究
2.1滚动轴承动力学模型
2.1.1轴承动力学模型
2.1.2故障轴承动力学模型
2.2故障轴承动力学响应特
2.2.1故障轴承单冲击响应特
2.2.2故障轴承双冲击响应特
2..故障轴承多冲击响应特
参考文献
第3章轴承定量诊断方法
3.1阶跃-冲击字典匹配追踪算法
3.1.1阶跃-冲击字典的构造
3.1.2阶跃-冲击字典匹配追踪算法步骤
3.1.3及试验验
3.2级联字典匹配追踪算法
3.2.1级联字典的构造
3.2.2级联字典匹配追踪算法步骤
3..及试验验
3.3改进形态滤波定量诊断算法
3.3.1形态滤波算法
3.3.2改进冲击型结构元素
3.3.3试验验
3.4开关卡尔曼滤波算法
3.4.1开关卡尔曼滤波算法步骤
3.4.2基于信号特征的滤波器模型
3.4.3试验验
参考文献
第4章定量趋势分析与预测方法
4.1基于Lempel-Ziv复杂度的趋势分析
4.1.1Lempel-Ziv复杂度计算方法
4.1.2基于匹配追踪算法与Lempel-Ziv复杂度的定量趋势分析
4.1.3基于Sparsogram与Lempel-Ziv复杂度的定量趋势分析
4.1.4基于Protrugram与Lempel-Ziv复杂度的定量趋势分析
4.2基于多尺度排列熵与形态滤波的趋势分析
4.2.1多尺度排列熵计算方法
4.2.2基于形态滤波和AMPE的趋势诊断
4.3基于卡尔曼滤波的趋势预测
4.3.1开关无迹卡尔曼滤波算法
4.3.2轴承多状态滤波器模型
4.3.3轴承试验数据分析
参考文献
第5章智能诊断方法
5.1模糊神经网络智能诊断方法
5.1.1逐次诊断算法
5.1.2基于可能理论的故障信息提取
5.1.3基于模糊神经网络的智能诊断模型
5.2多源数据灰度特征图像智能诊断方法
5.2.1多源数据灰度特征图像构造算法
5.2.2瓶颈层优化的卷积神经网络模型
5..试验验
5.3多源数据彩色特征图像智能诊断方法
5.3.1多源数据彩色特征图像构造算法
5.3.2改进卷积神经网络故障诊断模型
5.3.3试验验
5.4多源数据一维膨胀卷积智能诊断方法
5.4.1深度学习基本算法
5.4.2FAC-CNN智能诊断模型
5.4.3试验验
参考文献
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
