PD模式識別方法 鄭殿春 鄭秋平 9787030752017 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202303*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：PD模式識別方法
ISBN：9787030752017
出版社：科學
著編譯者：鄭殿春 鄭秋平
頁數：198
所在地：中國大陸 *此為代購商品
書號：1514071
可大量預訂，請先連絡。

內容簡介

本書闡述了局部放電（PD）產生的機理及其危害，並結合模擬PD模型的實驗研究，展示了作者應用人工智能理論方法在PD信號模式識別研究所獲得的成果。本書以小波原理、信號分析和數據挖掘技術為基礎，以模式識別方法、神經網絡理論和智能演算法為核心，分別論述了PD信號消噪、特徵量提取和特徵空間壓縮方法，並詳細闡明了應用神經網絡（NN）方法、模糊原理、混沌理論實現PD信號模式分類的全過程。 本書可作為高電壓與絕緣技術、電力系統與控制、高壓電氣設備運行狀態監控等相關專業碩博研究生的參考書，也可供相關領域科研工作者和技術人員閱讀。

目錄

第1章 緒論
1 1 PD特性與表徵
1 1 1 PD源與信號特性
1 1 2 PD信號的模式特徵
1 2 模式分類器及其優化
1 2 1 PD模式分類器
1 2 2 全局優化演算法
1 3 發展趨勢
1 3 1 深度學習與深度神經網絡
1 3 2 群智能演算法
參考文獻
第2章 模式識別與優化演算法
2 1 識別方法
2 2 識別系統
2 3 特徵量與特徵空間
2 3 1 特徵量
2 3 2 特徵空間
2 4 特徵的可分性
2 4 1 特徵可分性測量
2 4 2 類可分性測度
2 4 3 特徵子集的選擇
2 4 4 最優特徵生成
2 5 分類器優化演算法
2 5 1 隨機梯度法
2 5 2 模擬退火演算法
2 5 3 遺傳演算法
參考文獻
第3章 PD與指紋特徵
3 1 誘發PD的理化過程
3 1 1 介質內部局部放電
3 1 2 介質沿面局部放電
3 1 3 電暈放電
3 2 局部放電的危害
3 3 交流電壓下的PD表徵方法
3 4 局部放電模擬
3 4 1 模型構建與PD信號採集
3 4 2 交流電壓下PD統計量的表徵
3 4 3 統計分佈參數與指紋
參考文獻
第4章 PD信號小波去噪
4 1 PD信號小波變換特徵
4 1 1 PD信號表徵
4 1 2 PD信號的小波變換特徵
4 2 雜訊信號及其小波變換特徵
4 3 含噪PD信號模型
4 4 模極大值去噪方法
4 4 1 模極大值的確定和信號重構
4 4 2 去噪模擬算例
4 5 去噪快速演算法
4 5 1 局部放電信號（函數）多尺度逼近
4 5 2 多次小波變換去噪演算法
4 5 3 複合小波變換去噪
參考文獻
第5章 基於BPNN的PD模式識別
5 1 人工神經網絡
5 1 1 BPNN演算法
5 1 2 改進BPNN演算法收斂速度的一些措施
5 2 基於BPNN的PD模式識別演算法
5 2 1 局部放電模式特徵量
5 2 2 類可分準則
5 2 3 PD模式識別過程
5 3 隱層神經元的影響
參考文獻
第6章 支持向量機的PD模式識別
6 1 支持向量機
6 1 1 線性可分類支持向量機
6 1 2 線性不可分類支持向量機
6 2 PD模擬與特徵提取
6 2 1 PD信號採集
6 2 2 PD特徵提取
6 3 基於SVM的PD模式識別
6 3 1 核函數選擇
6 3 2 SVM參數尋優
6 3 3 權值和閾值
6 3 4 SVM網路結構
6 3 5 識別結果
6 4 相關討論
6 4 1 特徵量的相關係數和類間距離
6 4 2 特徵選擇
6 4 3 識別結果
6 4 4 SVM與BP識別效果的比較
參考文獻
第7章 基於FCM的PD模式識別
7 1 模糊聚類方法
7 1 1 模糊c均值聚類演算法
7 1 2 加權模糊c均值聚類演算法
7 2 PD模擬及信號採集
7 2 1 PD模型
7 2 2 PD信號採集
7 2 3 PD信號去噪
7 3 PD信號特徵與提取
7 3 1 分形維數特徵
7 3 2 PD信號灰度矩特徵
7 4 基於模糊聚類PD模式識別
7 4 1 基於FCM演算法的PD模式識別
7 4 2 基於WFCM演算法的PD模式識別
7 5 結果分析
參考文獻
第8章 基於WNN的PD模式識別
8 1 小波神經網絡
8 1 1 正交小波神經網絡
8 1 2 正交小波神經網絡學習演算法
8 2 自適應特徵提取小波神經網絡
8 2 1 PD信號的小波可分性
8 2 2 自適應特徵提取小波神經網絡結構
8 2 3 自適應特徵提取小波神經網絡隱層單元數目的確定
8 2 4 自適應特徵提取小波神經網絡學習演算法
8 3 PD模式識別實驗
8 3 1 PD信號採集
8 3 2 統計特徵量提取與識別
8 3 3 自適應特徵提取與模式識別
參考文獻
第9章 基於混沌理論的PD模式識別
9 1 局部放電信號中的混沌現象
9 1 1 混沌特徵
9 1 2 混沌相空間重構
9 1 3 相空間重構參數
9 2 混沌系統表徵
9 2 1 Lyapunov指數
9 2 2 分形維數
9 2 3 Kolmogorov熵
9 3 PD混沌特性及其特徵量提取
9 3 1 實驗模擬的PD信號
9 3 2 PD信號混沌特性
9 3 3 PD混沌特徵量及其提取
9 4 基於混沌特徵的PD模式識別
9 4 1 BP神經網絡設計
9 4 2 識別結果
9 4 3 基於指紋圖譜特徵的PD模式識別
9 4 4 特徵量綜合識別結果
參考文獻
第10章 基於PSO優化的PD模式識別
10 1 反向傳播神經網絡
10 1 1 BPNN學習與優化
10 1 2 神經網絡泛化能力
10 2 PSO優化的神經網絡
10 2 1 粒子群演算法
10 2 2 PSO優化演算法
10 3 PD特徵空間降維
10 3 1 PCA降維演算法
10 3 2 PCA降維計算步驟
10 4 基於PSOBP的PD模式識別
10 4 1 PD信號模式預處理
10 4 2 誤差分析方法
10 4 3 PD識別結果
10 4 4 隱層元數量的影響
參考文獻
附錄

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。