列車輪對軸承振動與故障診斷 馬增強 苑宗昊 李欣 9787030806680 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*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：202501*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：列車輪對軸承振動與故障診斷
ISBN：9787030806680
出版社：科學
著編譯者：馬增強 苑宗昊 李欣
頁數：196
所在地：中國大陸 *此為代購商品
書號：1718659
可大量預訂，請先連絡。

內容簡介

本書重點介紹了高速列車輪對軸承振動特性與故障診斷方法。以列車輪對軸承振動信號為研究對象，從振動信號在常見工況下的特點出發，對列車輪對軸承信號預處理、特徵提取與故障診斷進行了深入討論。主要內容分為兩部分，首先是基於信號處理方法的振動信號降噪、勻變轉速下的特徵提取和轉速波動下的特徵提取，然後是基於深度學習方法的時間序列遞歸特徵分析、變轉速下的數據增強與修復、轉速自適應特徵提取和多源域遷移診斷，共8章。書中給出了大量的實驗供讀者參考學習。 本書可供列車輪對軸承或其他相關旋轉機故障診斷領域的科研人員及學生使用，也可供相關工程領域工程師作為技術開發的參考書使用。

目錄

前言
第1章 緒論
1 1 研究背景及意義
1 2 國內外研究現狀
1 2 1 基於機器學習的智能故障診斷方法研究現狀
1 2 2 基於深度學習的智能故障診斷方法研究現狀
1 2 3 基於圖神經網絡的智能故障診斷方法研究現狀
1 3 目前研究存在的主要問題
第2章 基於分數階變分模態分解的振動信號降噪算法
2 1 引言
2 2 變分模態分解基本原理及局限性分析
2 2 1 變分模態分解基本原理
2 2 2 變分模態分解的局限性分析
2 3 分數階變分模態分解基本原理及主要性質
2 3 1 分數階變分模態分解基本原理
2 3 2 分數階變分模態分解的主要性質
2 4 分數階變分模態分解算法在貨車輪對軸承振動信號中的應用
2 4 1 實驗平台簡介
2 4 2 在含內圈故障的貨車輪對軸承振動信號中的應用
2 4 3 在含外圈故障的貨車輪對軸承振動信號中的應用
2 5 本章小結
第3章 勻變轉速工況下的瞬時故障特徵提取
3 1 引言
3 2 同步壓縮變換基本原理及局限性分析
3 2 1 同步壓縮變換基本原理
3 2 2 同步壓縮變換局限性分析
3 3 基於分數階同步壓縮變換的輪對軸承瞬時故障特徵提取
3 3 1 分數階同步壓縮變換基本原理
3 3 2 分數階同步壓縮變換的優勢
3 3 3 基於分數階同步壓縮變換的輪對軸承瞬時故障特徵提取
3 4 模擬及實驗驗證
3 4 1 模擬信號驗證
3 4 2 實測信號驗證
3 5 本章小結
第4章 轉速波動工況下的瞬時故障特徵提取
4 1 引言
4 2 基於自適應窗長分數階同步壓縮變換的輪對軸承瞬時故障特徵提取
4 2 1 自適應窗長分數階同步壓縮變換基本原理
4 2 2 最優時變窗長估計
4 3 模擬及實驗驗證
4 3 1 模擬信號驗證
4 3 2 實測信號驗證
4 4 本章小結
第5章 基於時間序列遞歸特性的故障特徵提取
5 1 引言
5 2 高速列車輪對軸承故障特徵提取方法
5 2 1 振動信號遞歸圖構建方法
5 2 2 多核高斯函數對稱圖注意力機制
5 2 3 面向圖注意機制的節點平均標準化層
5 2 4 遞歸多頭圖注意力殘差網絡
5 3 特徵提取與診斷效果實驗驗證與分析
5 3 1 高速列車輪對軸承數據集描述
5 3 2 模型穩定性分析
5 3 3 模型參數選擇
5 3 4 對比實驗與分析
5 3 5 模型的雜訊魯棒性實驗
5 3 6 消融研究
5 4 本章小結
第6章 振動信號的數據增強與修復
6 1 引言
6 2 生成對抗網絡基本原理
6 2 1 經典生成對抗網絡
6 2 2 輔助分類器生成對抗網絡
6 3 基於圖轉速分類器生成對抗網絡的數據增強與數據修復
6 3 1 模型結構
6 3 2 訓練及優化過程
6 3 3 基於預訓練生成器的樣本修復方法
6 4 數據增強與數據修復實驗驗證及分析
6 4 1 高速列車輪對軸承實驗數據集
6 4 2 輪對軸承多轉速故障樣本生成與故障診斷
6 4 3 樣本修復質量對比與評估
6 5 本章小結
第7章 基於數據融合的轉速自適應特徵提取
7 1 引言
7 2 振動–轉速數據融合理論
7 2 1 振動–轉速數據特徵編碼與特徵提取
7 2 2 振動–轉速數據融合與自注意力機制
7 3 面向融合特徵的遞歸圖構造方法
7 4 轉速自適應圖注意力網絡
7 5 多轉速工況故障診斷實驗驗證與分析
7 5 1 多轉速數據集獲取
7 5 2 模型訓練過程分析
7 5 3 對比實驗與分析
7 5 4 不同雜訊下的魯棒性測試
7 5 5 轉速自適應能力分析
7 5 6 消融實驗
7 6 本章小結
第8章 多源域下的故障遷移診斷
8 1 引言
8 2 非共有類別遷移學習的問題描述
8 3 多通道非共有類別樣本圖注意力遷移學習網絡
8 3 1 子通道遷移模型
8 3 2 多通道知識融合策略
8 3 3 模型整體訓練流程
8 4 多種遷移情形的實驗案例研究與分析
8 4 1 案例1：不同工況遷移
8 4 2 案例2：不同軸承遷移
8 5 本章小結
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。