中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
基于免疫理論的智能故障檢測與診斷方法 版權信息
- ISBN：9787030464736
- 條形碼：9787030464736 ; 978-7-03-046473-6
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于免疫理論的智能故障檢測與診斷方法 本書特色
田玉玲編*的《基于免疫理論的智能故障檢測與 診斷方法》以機電設備故障診斷為目標，論述了生物 免疫系統的機理及信息處理特性，重點闡述了人工免 疫系統的算法、模型及其在故障診斷中的應用。主要 內容包括：分層免疫診斷模型總體結構的設計；基于 變化點子空間追蹤算法的異常檢測方法；具有動態環 境適應性的學習機制，解決未知及早期故障的診斷方 法；構建基于免疫網絡的故障傳播模型。這些新的設 計機制為研究人工免疫系統提供了一個結構框架。 本書可供從事人工智能、故障診斷等領域研究工 作的學者、博士生，從事機電設備故障診斷的科技人 員，以及高等院校計算機、信息技術、機電一體化等 專業的研究生和高年級本科生參考。
基于免疫理論的智能故障檢測與診斷方法 內容簡介
借鑒生物免疫系統的分層防御機理以及層次間的相互作用，作者提出了用于機電設備故障診斷的免疫診斷模型。將故障檢測與診斷功能進行整合，研究機電設備異常檢測與故障診斷的免疫算法與模型，分層解決設備的狀態監測、故障定位與診斷等關鍵問題，建立了異常狀態監測與故障診斷一體化的快速反應機制。**層，異常追蹤監測。在獲取設備運行狀態數據的基礎上，提出基于變化點子空間追蹤的異常檢測方法，利用*小的計算資源獲得更高的穩定性和檢測率；第二層，故障診斷。利用連續免疫學習機制，實現早期故障預示、知識共享；并構建適用于動態環境變化的診斷模型；第三層，故障定位。以免疫網絡機理建立免疫網絡故障傳播模型，檢測診斷故障節點的影響通過整個系統進行傳播的問題。
基于免疫理論的智能故障檢測與診斷方法 目錄
《智能科學技術著作叢書》序前言第1章 緒論 1.1 人工免疫系統的研究進展 1.2 故障診斷方法評價 1.3 基于免疫理論的故障診斷方法研究現狀 1.3.1 人工免疫網絡在故障診斷中的應用 1.3.2 人工免疫算法在故障診斷中的應用 1.3.3 包含固有免疫性的人工免疫系統應用 1.4 主要研究內容和研究意義 1.5 小結第2章 免疫背景 2.1 生物免疫概述 2.1.1 免疫系統的幾個概念 2.1.2 免疫系統的功能 2.2 生物免疫多層防御機制 2.2.1 固有免疫系統 2.2.2 適應性免疫系統 2.2.3 固有免疫與適應性免疫的關系 2.3 生物免疫機理 2.3.1 免疫細胞的相互作用及其活化信號 2.3.2 初次響應和二次響應 2.3.3 免疫系統的信息處理特性 2.4 人工免疫系統概述 2.4.1 人工免疫系統研究內容和范圍 2.4.2 基于免疫的計算智能 2.4.3 人工免疫系統的工程應用 2.5 人工免疫系統的結構 2.5.1 工程免疫系統結構 2.5.2 人工免疫系統的概念結構 2.5.3 包含固有免疫性的人工免疫系統模型 2.6 免疫算法及模型 2.6.1 否定選擇算法分析 2.6.2 克隆選擇算法 2.6.3 ainet免疫網絡模型 2.6.4 樹突狀細胞算法 2.7 小結第3章 面向故障診斷的分層免疫模型 3.1 引言 3.2 分層免疫模型結構 3.3 故障診斷問題定義 3.4 異常追蹤檢測層 3.4.1 子空間追蹤的信號壓縮 3.4.2 變化點檢測 3.4.3 時間序列符號化 3.4.4 輸入輸出信號 3.4.5 動態遷移閾值 3.5 雙重免疫故障診斷層 3.5.1 故障知識庫 3.5.2 已知故障類型診斷 3.5.3 雙重免疫學習機制 3.5.4 仿真實例 3.6 動態克隆選擇學習機制 3.6.1 成熟檢測器的克隆擴增 3.6.2 分級記憶檢測器 3.7 故障傳播診斷層 3.7.1 故障傳播模型 3.7.2 基于故障傳播模型的診斷過程 3.8 小結第4章 基于時間序列樹突狀細胞算法的異常檢測方法 4.1 引言 4.2 樹突狀細胞的免疫功能 4.2.1 樹突狀細胞 4.2.2 樹突狀細胞的抗原處理與提呈功能 4.2.3 樹突狀細胞與免疫激活和耐受 4.2.4 樹突狀細胞的三種狀態及激活信號 4.2.5 樹突狀細胞特征提取 4.3 樹突狀細胞算法 4.3.1 危險理論 4.3.2 樹突狀細胞算法原理與定義 4.3.3 樹突狀細胞算法描述 4.4 一種動態遷移閾值樹突狀細胞算法 4.4.1 相關定義 4.4.2 算法改進策略 4.4.3 改進樹突狀細胞算法描述 4.4.4 算法有效性驗證 4.5 面向異常檢測的時間序列樹突狀細胞算法 4.5.1 基于樹突狀細胞算法的異常檢測框架 4.5.2 子空間追蹤的信號壓縮方法 4.5.3 變化點檢測的抗原定義 4.5.4 抗原時間序列符號化 4.5.5 輸入輸出信號關聯關系 4.5.6 上下文評估 4.5.7 實驗及仿真 4.6 小結第5章 用于故障診斷的體液免疫雙重學習機制 5.1 機器學習概述 5.2 體液免疫的學習與記憶 5.2.1 體液免疫 5.2.2 免疫學習和記憶 5.3 基于體液免疫的雙重學習機制 5.3.1 體液免疫學習模型 5.3.2 記憶細胞庫生成 5.3.3 故障檢測階段 5.3.4 抗原學習過程 5.4 檢測效率的比較 5.5 小結第6章 基于克隆擴增和分級記憶策略的免疫算法 6.1 動態克隆選擇算法 6.1.1 動態克隆選擇算法的運行機制 6.1.2 動態克隆選擇算法存在的問題 6.2 基于克隆擴增策略的免疫算法 6.2 1克隆擴增策略 6.2.2 基于克隆擴增策略的免疫算法設計 6.2.3 基于克隆擴增策略的免疫算法分析 6.2.4 實驗及分析 6.3 基于分級記憶策略的免疫算法 6.3.1 免疫記憶機理 6.3.2 基于分級記憶策略的免疫算法設計 6.3.3 基于分級記憶策略的免疫算法分析 6.3.4 實驗及分析 6.4 基于擴增和記憶策略的故障診斷模型 6.4.1 數據處理與特征分析 6.4.2 故障檢測與學習 6.5 小結第7章 基于免疫網絡的故障傳播模型 7.1 引言 7.1.1 問題的提出 7.1.2 解決思路 7.2 現有故障傳播模型的描述方法 7.3 免疫網絡模型 7.3.1 獨特型網絡和免疫調節 7.3.2 通用免疫網絡模型 7.4 基于免疫網絡的故障傳播模型 7.4.1 b細胞網絡與故障傳播的關系 7.4.2 基于免疫網絡的故障傳播模型描述 7.4.3 基于傳播模型的故障診斷 7.4.4 算法描述 7.4.5 故障傳播模型舉例 7.5 小結第8章 免疫診斷模型在電機故障診斷中的應用 8.1 異步電動機故障機理分析 8.1.1 轉子繞組故障 8.1.2 定子繞組故障 8.1.3 電機軸承故障 8.2 信號采集及故障特征分析 8.2.1 特征數據提取 8.2.2 特征數據歸一化 8.3 基于免疫模型的故障診斷實驗 8.3.1 訓練階段 8.3.2 故障診斷階段 8.3.3 連續學習階段 8.4 實驗結果分析 8.5 小結第9章 總結與展望 9.1 主要研究工作總結 9.2 主要創新點 9.3 研究展望參考文獻
展開全部
書友推薦
- >
詩經-先民的歌唱
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
山海經
- >
我從未如此眷戀人間
- >
龍榆生：詞曲概論/大家小書
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
我與地壇
- >
莉莉和章魚
本類暢銷
