*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:202310*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:乘客電梯機械故障智能預判方法 ISBN:9787567245846 出版社:蘇州大學 著編譯者:葛陽 頁數:142 所在地:中國大陸 *此為代購商品 書號:1598385 可大量預訂,請先連絡。 內容簡介 本書詳細闡述智能預判方法的理論基礎和技術框架,通過運用機器學習、數據分析和模式識別等先進技術,提出了一種基於物聯網模式的電梯故障預診斷方法;通過監測電梯系統中各種感測器數據和指標,結合歷史故障數據和模型訓練,實現對電梯機械故障的智能預測。另外,本書還探討了實際應用中如何建立預測模型和優化演算法,以提高故障預測的準確性和實時性。本書通過實際案例和應用實驗,驗證所提出的方法的有效性和實用性。通過本書的學習和實踐,讀者將能夠掌握乘客電梯機械故障智能預判的核心理論和方法,為電梯安全運行和按需維保做出積極貢獻。目錄 第1章 緒論1 1 研究背景與意義 1 2 國內外電梯故障診斷與預判研究現狀 1 3 主要研究內容及結構安排 第2章 電梯關鍵零部件性能退化狀態確定 2 1 引言 2 2 經典K-means演算法 2 3 K-means聚類演算法的參數及其改進 2 4 曳引機試驗 2 5 本章小結 第3章 自適應故障識別 3 1 引言 3 2 自適應識別方法 3 3 實驗驗證 3 4 本章小結 第4章 零樣本學習的電梯故障診斷 4 1 引言 4 2 自適應生成網路 4 3 電梯模擬實驗與分析 4 4 本章小結 第5章 單分類自適應多工況電梯異常狀態檢測 5 1 引言 5 2 基本原理 5 3 實驗及分析 5 4 本章小結 第6章 基於量子遺傳演算法和LSTM演算法的改進PF演算法電梯關鍵零部件剩餘使用壽命預測 6 1 引言 6 2 基本原理 6 3 實驗及分析 6 4 本章小結 第7章 基於改進LSTM演算法的多工況電梯關鍵零部件剩餘使用壽命預測 7 1 引言 7 2 數據預處理 7 3 深度預測網路 7 4 剩餘使用壽命預測方法 7 5 實驗驗證 7 6 本章小結 第8章 多工況多故障模式電梯曳引機剩餘使用壽命遷移預測 8 1 引言 8 2 一維時間序列數據的構建 8 3 動態對抗域自適應遷移網路 8 4 實驗驗證 8 5 本章小結 第9章 跨工況自適應剩餘使用壽命預測 9 1 引言 9 2 自適應遷移剩餘使用壽命預測網路 9 3 曳引機剩餘使用壽命預測實驗驗證 9 4 軸承剩餘使用壽命預測實驗驗證 9 5 本章小結 第10章 基於變分編碼的小樣本聯邦遷移故障診斷 10 1 引言 10 2 聯邦遷移診斷問題描述 10 3 基本原理 10 4 方法 10 5 實驗及分析 10 6 本章小結 第11章 總結與展望 11 1 總結 11 2 展望 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PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |