工業大數據驅動的裝備智能運維技術與實踐 黃海松 魏建安 9787030776952 【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$750
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：202406*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：工業大數據驅動的裝備智能運維技術與實踐 ISBN：9787030776952 出版社：科學 著編譯者：黃海松 魏建安 頁數：209 所在地：中國大陸 *此為代購商品 書號：1658328 可大量預訂，請先連絡。 內容簡介 本書貫穿機械系統關鍵零部件智能故障診斷和智能狀態監測的始終，系統介紹了機器學習、智能優化演算法、設備狀態信息採集及信號預處理、信號特徵提取與重構等方面的知識；詳細介紹了基於機器學習、深度學習和遷移學習的典型零部件智能故障診斷與監測，以及典型零部件剩餘使用壽命預測的方法和應用；重點介紹了設備狀態信息採集與信號預處理、信號特徵提取與重構等前期工作的關鍵理論與技術。 本書適合高等院校機械、電子、計算機等相關專業的教師和研究生，以及從事相關領域研究的企業科研人員和工程師等閱讀，也可作為技術諮詢或項目實施的參考資料。目錄 前言第1章 緒論 1 1 引言 1 1 1 智能製造概述 1 1 2 機械設備狀態監測與預測的意義 1 1 3 數據驅動與機器學習的實踐意義 1 2 國內外研究現狀 1 2 1 數據驅動的機械設備狀態監測的研究現狀 1 2 2 數據驅動的機械設備剩餘使用壽命預測的研究現狀 1 2 3 異常狀態監測與剩餘使用壽命預測所面臨的難點與挑戰 1 3 試驗數據簡介 1 3 1 軸承數據集 1 3 2 刀具數據集 1 4 本章小結 參考文獻 第2章 機器學習的基礎理論 2 1 分類學習理論 2 1 1 基於淺層機器學習的分類理論 2 1 2 基於深度學習的分類理論 2，1 3 基於遷移學習的分類理論 2 2 聚類學習理論 2 2 1 無監督聚類學習理論 2 2 2 半監督聚類學習理論 2 3 回歸學習理論 2 3 1 基於淺層機器學習的回歸理論 2 3 2 基於深度學習的回歸理論 2 3 3 基於遷移學習的回歸理論 2 4 本章小結 參考文獻 第3章 智能優化演算法相關理論 3 1 智能優化演算法簡述 3 2 模式搜索法 3 2 1 網格搜索演算法 3 2 2 隨機搜索演算法 3 2 3 貝葉斯優化演算法 3 3 啟髮式演算法 3 3 1 粒子群優化演算法 3 3 2 均衡優化演算法 3 4 仿生智能演算法 3 4 1 遺傳演算法 3 4 2 灰狼優化演算法 3 4 3 飛蛾撲火優化演算法 3 5 本章小結 參考文獻 第4章 設備狀態信息採集及信號預處理 4 1 機械關鍵零部件狀態信息採集 4 1 1 自建刀具磨損試驗平台 4 1 2 自建軸承故障診斷試驗平台 4 1 3 自建齒輪箱故障診斷試驗平台 4 2 機械關鍵零部件運行狀態信號預處理 4 2 1 數據清洗 4 2 2 數據規約 4 2 3 數據變換 4 2 4 數據集成 4 3 本章小結 參考文獻 第5章 信號特徵提取與重構 5 1 人工特徵提取 5 1 1 經驗模態分解 5 1 2 集成經驗模態分解 5 1 3 自適應白雜訊總體平均經驗模態分解 5 1 4 改進自適應白雜訊總體平均經驗模態分解 5 1 5 模態分解-Shannon能量熵特徵提取 5 1 6 支持向量數據描述 5 1 7 小波去噪 5 2 無監督特徵提取及特徵可視化 5 2 1 深度特徵學習 5 2 2 遷移特徵學習 5 3 特徵降維處理 5 4 特徵數據均衡與增強處理 5 4 1 重采祥技術 5 4 2 數據增強 5 5 本章小結 參考文獻 第6章 典型零部件智能故障診斷與監測 6 1 基於機器學習的典型零部件智能故障診斷與監測 6 1 1 基於機器學習的刀具智能故降診斷與監測 6 1 2 基於機器學習的軸承智能故障診斷與監測 6 2 基於深度學習的典型零部件智能故障診斷與監測 6 2 1 基於深度學習的刀具智能故障診斷與監測 6 2 2 基於深度學習的軸承智能故障診斷與監測 6 2 3 基於深度學習的齒輪智能故障診斷與監測 6 3 基於遷移學習的典型零部件智能故障診斷與監測 6 3 1 改進的基於樣本特性的過採樣技術 6 3 2 基於ISCOTE和VGG16深度遷移學習的端到端狀態監測 6 4 本章小結 參考文獻 第7章 典型零部件剩餘使用壽命預測 7 1 基於ISCOTE和ICEEMDAN-Shannon能量熵的時序狀態預測 7 1 1 試驗數據選取及其預處理 7 1 2 回歸器選取及其參數賦予 7 1 3 試驗結果及分析 7 2 基於圖像編碼技術和卷積神經網路的刀具磨損值預測 7 2 1 基於GAF-CNN的刀具磨損值在線監測模型 7 2 2 GAF-CNN所涉及關鍵技術 7 2 3 預測模型訓練 7 2 4 試驗結果及分析 7 3 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。 |
