不確定條件下裝備剩餘壽命預測方法及應用 鄭建飛 9787118133288 【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：國防工業
物品所在地：中國大陸
原出版社：國防工業
NT$630
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
| *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：202405*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：不確定條件下裝備剩餘壽命預測方法及應用 ISBN：9787118133288 出版社：國防工業 著編譯者：鄭建飛 頁數：197 所在地：中國大陸 *此為代購商品 書號：1644545 可大量預訂，請先連絡。 內容簡介 本書主要討論了複雜不確定條件下隨機退化裝備的剩餘壽命預測方法及應用。在對當前剩餘壽命預測方法綜述的基礎上，分別考慮不確定因素、隨機衝擊、分階段等不確定條件下統計數據驅動的自適應預測方法。進一步考慮數據缺失、多指標相關性等不確定情況下基於深度學習等智能演算法的剩餘壽命預測方法。全書內容新穎、體系合理、理論方法與實踐應用深度融合 不僅包括了基於統計數據驅動的剩餘壽命預測方法，還包括了最新的基於智能演算法的剩餘壽命預測方法，且均通過實例進行了驗證分析，反映了國內外在剩餘壽命預測方向上研究與應用的最新進展。 本書可作為剩餘壽命預測方向的研究生教材，也可為長期從事隨機過程剩餘壽命預測、深度學習剩餘壽命預測等方面理論研究或應用研究的科研人員提供參考。目錄 第1章 緒論1 1 剩餘壽命預測的研究進展 1 2 複雜不確定條件下的剩餘壽命預測方法綜述 1 2 1 機器學習的剩餘壽命預測 1 2 2 統計數據驅動的剩餘壽命預測 1 2 3 基於融合思想的剩餘壽命預測 1 3 複雜不確定條件下的剩餘壽命預測面I臨的機遇與挑戰 1 3 1 機遇 1 3 2 挑戰 第2章 存在多層不確定影響下的隨機退化裝備剩餘壽命預測方法 2 1 引言 2 2 表徵三層不確定性的非線性退化建模 2 3 三層不確定性下的剩餘壽命預測方法 2 4 三層不確定性下非線性模型的參數估計 2 5 模擬驗證與實例研究 2 5 1 數值模擬 2 5 2 航空鋁合金疲勞裂紋增長退化數據 2 5 3 慣性平台陀螺儀漂移退化數據 2 6 本章小結 第3章 測量不確定性影響下的隨機退化裝備自適應剩餘壽命預測方法 3 1 引言 3 2 問題描述與退化建模 3 3 剩餘壽命預測分佈推導和自適應預測 3 4 參數估計 3 5 模擬驗證與實例研究 3 5 1 模擬驗證 3 5 2 鋰電池實例研究 3 6 本章小結 第4章 隨機衝擊影響下隨機退化裝備自適應剩餘壽命預測方法 4 1 引言 4 2 問題描述與退化建模 4 3 剩餘壽命預測分佈推導與更新 4 3 1 剩餘壽命預測分佈推導 4 3 2 剩餘壽命預測在線更新 4 4 參數估計 4 5 模擬驗證與實例研究 4 5 1 模擬驗證 4 5 2 陀螺儀實例研究 4 5 3 鋰電池實例研究 4 6 本章小結 第5章 分階段退化情況下隨機退化裝備自適應剩餘壽命預測方法 5 1 引言 5 2 問題描述與退化建模 5 3 兩階段剩餘壽命預測分佈推導與自適應預測 5 4 參數估計 5 4 1 潛在退化狀態估計 5 4 2 基於EM演算法的自適應估計 5 4 3 變點檢測 5 5 模擬驗證與實例研究 5 5 1 模擬驗證 5 5 2 實例研究 5 6 本章小結 第6章 單維數據缺失下基於深度學習的剩餘壽命預測方法 6 1 引言 6 2 基於PSO-NICE的數據生成 6 2 1 流模型 6 2 2 PSO-NICE模型 6 3 基於Attention的Bi-LSTM的RUL預測 6 4 基於PSO-NICE缺失數據生成的RUL預測 6 5 實驗與分析 6 5 1 數據集描述 6 5 2 實驗過程及結果分析 6 6 本章小結 第7章 多維數據缺失下基於深度學習的剩餘壽命預測方法 7 1 引言 7 2 問題描述 7 3 基於NICE模型的多元退化數據填充模型 7 4 基於TCN-BiLSTM模型的多元退化數據預測模型 7 5 實例驗證 7 5 1 數據集介紹與預處理 7 5 2 多源退化數據生成 7 5 3 RUL預測 7 5 4 實驗結果及性能分析 7 6 本章小結 第8章 基於混合深度神經網路的多元退化裝備剩餘壽命預測方法 8 1 引言 8 2 基於CDBN構建健康指標 8 3 基於Bi-LSTM網路進行時間序列預測 8 4 構建CDBN-BiLSTM網路模型框架 8 5 實例驗證 8 5 1 數據集描述 8 5 2 實驗過程及結果分析 8 6 本章小結 第9章 考慮多性能指標相關性的退化裝備剩餘壽命預測方法 9 1 引言 9 2 特徵選擇 9 3 基於Copula函數構建健康指標 9 3 1 Copula函數簡介 9 3 2 Copula函數模型選擇 9 3 3 基於條件抽樣方法構建健康指標 9 4 基於Attention-BiLSTM網路進行時間序列預測 9 4 1 Bi-LSTM網路分析 9 4 2 構建Attention-BiLSTM網路模型 9 5 實例驗證 9 6 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
