智能運維技術及應用 戴宏亮 丁榮軍 謝小平等 9787030793249 【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：202408*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：智能運維技術及應用
ISBN：9787030793249
出版社：科學
著編譯者：戴宏亮 丁榮軍 謝小平等
頁數：226
所在地：中國大陸 *此為代購商品
書號：1696856
可大量預訂，請先連絡。

內容簡介

本書清晰而深入地介紹了智能運維技術的基礎及其應用。全書共7章：第1章介紹智能運維技術的基本概念和發展歷程；第2章介紹數字信號處理的基本方法及數據處理方法；故障特徵提取作為機械故障診斷和狀態監測的關鍵，相關內容將在第3章介紹；第4章、第5章分別介紹基於淺層學習和基於深度學習的智能故障診斷及剩餘壽命預測方法；第6章介紹智能維護決策工具和技術；第7章給出若干智能運維技術的應用案例。智能運維技術可以為工程機械、風力發電、軌道交通、石油化工等領域的機械裝備智能運維提供解決方案，為機械設備的可靠性和安全性提供更加有力的保障。 本書可作為機械類、電氣類、計算機類等相關專業本科生和研究生的教材，也可供相關企業工程師和科研院所的研究人員參考。

目錄

第1章 緒論
1 1 引言
1 2 智能運維的基本概念
1 3 智能運維技術概述
1 3 1 信號處理技術
1 3 2 故障特徵提取
1 3 3 故障診斷方法
1 3 4 智能運維方法
1 4 智能運維發展歷程
1 4 1 國內外發展概述
1 4 2 智能運維發展的三個階段
1 4 3 未來發展趨勢
1 5 本章小結
習題
第2章 數字信號處理
2 1 引言
2 2 從模擬信號到數字信號
2 2 1 感測器和數字信號系統
2 2 2 信號的採樣
2 2 3 傅里葉變換
2 2 4 快速傅里葉變換
2 2 5 離散時間信號和系統
2 2 6 信號處理的硬體實現
2 3 穩態信號處理
2 3 1 信號分類
2 3 2 濾波器設計
2 3 3 信號的正交變換
2 3 4 信號處理的典型演算法
2 3 5 基於統計的信號處理
2 4 非穩態信號處理
2 4 1 短時傅里葉變換
2 4 2 小波變換
2 4 3 希爾伯特-黃變換
2 4 4 稀疏分解
2 4 5 分形理論
2 5 降噪方法和理論
2 5 1 常用的信號降噪方法
2 5 2 基於奇異譜的降噪方法
2 5 3 基於小波包分解的降噪方法
2 5 4 基於卡爾曼濾波器的降噪方法
2 6 多感測器信息融合
2 6 1 數據融合的定義和原理
2 6 2 不同數據融合方法的比較
2 6 3 基於證據理論的數據融合方法
2 7 本章小結
習題
第3章 特徵提取
3 1 引言
3 2 幅域特徵表徵和提取
3 2 1 有量綱幅域參數
3 2 2 無量綱幅域參數
3 3 階次域特徵提取
3 3 1 常見階次域特徵參量
3 3 2 非線性階次域特徵參量
3 4 能量域特徵提取
3 4 1 常見的能量域特徵參數
3 4 2 非線性能量域特徵參數
3 5 多信號特徵提取和關聯性分析
3 5 1 相干分析及原理
3 5 2 小波相干
3 5 3 時頻相干
3 5 4 多工況HHT包絡分析
3 5 5 相關案例
3 6 面向大數據的統計特徵提取
3 6 1 基於回歸的機器學習
3 6 2 聚類方法
3 6 3 主成分分析方法
3 6 4 基於馬爾可夫鏈的特徵提取
3 7 本章小結
習題
第4章 基於淺層學習的智能故障診斷
4 1 引言
4 2 基於人工神經網路的智能故障診斷
4 2 1 人工神經網路的基礎理論
4 2 2 人工神經網路的智能故障診斷算例
4 3 基於支持向量機的智能故障診斷
4 3 1 支持向量機的基礎理論
4 3 2 支持向量機的智能故障診斷算例
4 4 基於隨機森林的智能故障診斷
4 4 1 隨機森林的基礎理論
4 4 2 隨機森林的智能故障診斷算例
4 5 本章小結
習題
第5章 基於深度學習的智能故障診斷及剩餘壽命預測
5 1 引言
5 2 基於深度置信網路的智能故障診斷
5 2 1 受限玻爾茲曼機基礎理論
5 2 2 深度置信網路模型
5 2 3 深度置信網路的智能故障診斷算例
5 3 基於堆疊自編碼器的智能故障診斷
5 3 1 自編碼器的基礎理論
5 3 2 堆疊自編碼器模型
5 3 3 堆疊自編碼器的智能故障診斷算例
5 4 基於深度卷積神經網路的剩餘壽命預測
5 4 1 卷積神經網路的基礎理論
5 4 2 深度多尺度卷積神經網路模型
5 4 3 深度多尺度卷積神經網路的剩餘壽命預測算例
5 5 基於深度循環神經網路的剩餘壽命預測
5 5 1 長短期記憶單元的基礎理論
5 5 2 深度循環神經網路模型
5 5 3 深度循環神經網路的剩餘壽命預測算例
5 6 本章小結
習題
第6章 智能維護決策
6 1 引言
6 2 智能維護決策工具
6 2 1 維護決策
6 2 2 維護決策支持系統概述
6 2 3 基於雲計算的設備維護決策支持系統
6 2 4 智能E維護決策支持系統
6 3 智能維護決策技術
6 3 1 決策樹學習
6 3 2 粗糙集
6 3 3 專家系統
6 4 本章小結
習題
第7章 故障診斷與智能運維技術實際應用
7 1 城市智慧出行系統中的應用
7 1 1 城市智慧出行系統概述
7 1 2 故障診斷與智能運維技術在城市智慧出行系統中的應用
7 2 礦山無人運輸系統中的應用
7 2 1 礦山無人運輸系統概述
7 2 2 故障診斷與智能運維技術在礦山無人運輸系統中的應用
7 3 離心風機系統中的應用
7 3 1 離心風機系統概述
7 3 2 故障診斷與智能運維技術在離心風機系統中的應用
7 4 本章小結
習題
附錄 時域與頻域參數
參考文獻
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。