智能航空發動機-基礎理論與關鍵技術 肖洪 林志富 王棟歡 9787030760432 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$954
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *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，以到貨標的為實際資訊。 印行年月：202309*若逾兩年請先於私訊洽詢存貨情況，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：智能航空發動機-基礎理論與關鍵技術 ISBN：9787030760432 出版社：科學 著編譯者：肖洪 林志富 王棟歡 頁數：388 所在地：中國大陸 *此為代購商品 書號：1594081 可大量預訂，請先連絡。 內容簡介 《智能航空發動機——基礎理論與關鍵技術》是作者在西北工業大學、劍橋大學等多所高等院校的科研成果結晶，匯聚了作者及其合作者融合純數學理論、人工智慧技術和航空發動機工程的數學思維、理論與方法研究的最新成果。本書介紹了智能航空發動機的基本概念、核心技術和關鍵技術，內容包括航空發動機數字化智能化的核心理念、數字孿生模型的構建訓練與驗證、各類人工智慧演算法的優缺點和詳細推導、感知/決策/執行/維護/互聯等關鍵技術進展。 本書適用於航空發動機領域高年級學生和研究生學習，也可供相關領域的工程技術人員作為數字化、智能化的參考用書。目錄 叢書序前言 第1章 智能航空發動機概述 1 1 智能航空發動機的概念演化 1 2 智能航空發動機的三大問題 1 2 1 智能航空發動機的能力躍升 1 2 2 智能航空發動機能力躍升的核心技術 1 2 3 智能航空發動機能力躍升的關鍵技術 1 3 本章小結 參考文獻 第2章 智能航空發動機的核心技術 2 1 數字工程模型概述 2 1 1 數字工程模型構建的難點 2 1 2 數字工程模型智能建模的三大技術路徑 2 2 架構驅動的航空發動機數字工程模型 2 2 1 數字工程模型一 2 2 2 數字工程模型二 2 2 3 數字工程模型三 2 2 4 數字工程模型四 2 3 振動、性能、材料一體的數字工程模型 2 3 1 振動數字工程模型 2 3 2 結構振動、性能、材料一體的數字工程模型 2 4 數字工程模型常規人工智慧演算法 2 4 1 人工智慧的專家系統、機器學習和深度學習 2 4 2 深度學習基礎 2 4 3 深度學習的正則化 2 4 4 常規神經網路模型 2 5 大涵道比民用渦扇發動機數字工程模型 2 5 1 簡化數字工程模型 2 5 2 強化數字工程模型 2 6 軍用渦扇發動機數字工程模型 2 6 1 數字工程模型的自我修正網路 2 6 2 軍用渦扇發動機數字工程模型的遷移學習 2 7 極速策略人工智慧演算法 2 8 數字工程模型智能晶元 2 8 1 FPGA的發展歷史 2 8 2 FPGA的基本結構 2 8 3 FPGA晶元的特點 2 8 4 FPGA晶元與人工智慧 2 8 5 基於FPGA的神經網路加速方法 2 8 6 FPGA航空發動機智能晶元的實現 2 9 本章小結 參考文獻 第3章 智能航空發動機的關鍵技術 3 1 控制 3 1 1 發動機分散式控制架構 3 1 2 主動控制技術架構 3 1 3 主動控制對感測器和執行機構的要求 3 2 維護 3 2 1 健康監測的背景 3 2 2 基於模型的控制 3 2 3 機載狀態監測 3 2 4 自適應控制 3 2 5 感測器技術 3 3 感知 3 3 1 感測器 3 3 2 感測器通用要求 3 3 3 常規感測器技術 3 3 4 新型感測器技術 3 3 5 感測器技術路線圖 3 4 執行 3 4 1 執行機構（器）介紹 3 4 2 執行器背景 3 4 3 部件需求 3 4 4 執行機構技術選擇 3 4 5 執行機構發展要求 3 4 6 執行機構開發需求 3 5 本章小結 參考文獻 第4章 航空發動機葉片智能檢測技術 4 1 葉片智能檢測概述 4 1 1 葉片智能檢測工程背景 4 1 2 航空發動機葉片無損檢測方法綜述 4 1 3 深度學習的發展及其在缺陷/損傷檢測中的應用研究現狀 4 1 4 人工智慧技術在航空發動機孔探檢測中的應用現狀 4 1 5 小結 4 2 基於深度學習的數字圖像目標特徵提取與識別 4 2 1 數字圖像的表示 4 2 2 基於深度學習的圖像目標檢測原理 4 2 3 基於深度學習的圖像目標特徵提取 4 2 4 深度學習的參數尋優/梯度下降法 4 2 5 基於深度學習的航空發動機葉片缺陷/損傷檢測原理與方法 4 2 6 小結 4 3 無監督學習的渦輪葉片X-ray圖像缺陷自動檢測技術 4 3 1 深度學習方法 4 3 2 無監督對抗學習的渦輪葉片X-ray圖像缺陷自動檢測演算法 4 3 3 模型訓練與測試 4 3 4 結果與討論 4 3 5 小結 4 4 基於DCNN的渦輪葉片X-ray圖像缺陷自動檢測技術（二分類缺陷初檢模型） 4 4 1 基於DCNN的渦輪葉片X-ray圖像缺陷自動檢測模型 4 4 2 模型訓練與測試 4 5 基於深度學習的渦輪葉片X-ray圖像缺陷自動識別及定位技術（缺陷複檢模型） 4 5 1 深度學習目標檢測演算法 4 5 2 基於深度學習的渦輪葉片X-ray圖像缺陷識別及定位演算法 4 5 3 模型訓練與測試及評價指標 4 5 4 結果與討論 4 5 5 小結 4 6 本章小結 參考文獻 附錄 基於Faster R-CNN二階目標檢測演算法的缺陷檢測模型訓練主程序及代碼解釋 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
