中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
深度學習方法在滾動軸承故障識別中的應用 版權信息
- ISBN：9787522107585
- 條形碼：9787522107585 ; 978-7-5221-0758-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習方法在滾動軸承故障識別中的應用 內容簡介
本書是在相關科研項目和論文的基礎上撰寫而成。本書以機械動力設備中常用的部件——滾動軸承為研究對象，系統闡述了深度學習方法在滾動軸承故障診斷中的應用。分析了滾動軸承常見的故障、原因和振動機理，介紹了當前滾動軸承故障診斷方法；在基于現代信號處理的基礎上，闡述了基于深度學習的特征提取前處理方法；進一步闡述了基于半監督深度學習的滾動軸承故障識別方法，基于有監督深度學習的滾動軸承故障識別方法，以及基于遷移深度學習的滾動軸承故障識別方法。通過這些方法的闡述和實例分析，得出了相關結論，對提高滾動軸承故障識別的精確性和智能性，提供了有理論意義的參考，同時也具備一定工程意義。
深度學習方法在滾動軸承故障識別中的應用 目錄
第1章 引言
1.1 研究背景和意義
1.2 滾動軸承故障機理簡介
1.3 基于信號處理和機器學習的滾動軸承故障識別技術研究現狀
1.4 基于深度學習方法的滾動軸承故障識別研究
1.5 深度學習主流開源仿真工具
1.6 滾動軸承故障識別測試數據集
1.7 本書主要研究內容及結構
參考文獻
第2章 深度學習特征提取前處理——基于現代信號處理方法
2.1 壓縮感知降噪采樣
2.2 同步擠壓S變換
2.3 形態經驗小波變換
2.4 功率譜幅值閾值經驗小波變換（PSDEWT)
2.5 辛幾何模態分解
2.6 提升雙樹復小波包
參考文獻
第3章 基于半監督深度學習的滾動軸承故障識別研究
3.1 DAE及其改進
3.2 DBN及其改進
3.3 實驗驗證——XJTU-SY滾動軸承加速壽命試驗數據集
3.4 實驗驗證——基于Spectra Quest 滾動軸承試驗臺
第4章 基于有監督深度學習的滾動軸承故障識別研究
4.1 深層曲線波卷積神經網絡（deep curvelet convolutional neural networks,DC-CNN)
4.2 導聯卷積神經網絡(lead convolution neural network, LCNN)
4.3 分形網絡（FractalNet）
4.4 膠囊網絡（capsule net,CN）
4.5 深層支持向量機（deep support vector machine,DSVM)
4.6 深度森林（Deep Forest,DF）
4.7 實驗驗證——北京建筑大學滾動軸承試驗臺
4.8 實驗驗證——西儲大學滾動軸承公開數據集
參考文獻
第5章 基于遷移和生成深度學習的滾動軸承故障識別研究
5.1 集成深層小波自動編碼器（EDWAE）遷移學習方法
5.2 非平衡小樣本數據的滾動軸承故障識別——基于生成對抗網絡
5.3 非平衡小樣本數據的滾動軸承故障識別——基于深層變分自編碼器
5.4 深度卷積生成對抗網絡
參考文獻
1.1 研究背景和意義
1.2 滾動軸承故障機理簡介
1.3 基于信號處理和機器學習的滾動軸承故障識別技術研究現狀
1.4 基于深度學習方法的滾動軸承故障識別研究
1.5 深度學習主流開源仿真工具
1.6 滾動軸承故障識別測試數據集
1.7 本書主要研究內容及結構
參考文獻
第2章 深度學習特征提取前處理——基于現代信號處理方法
2.1 壓縮感知降噪采樣
2.2 同步擠壓S變換
2.3 形態經驗小波變換
2.4 功率譜幅值閾值經驗小波變換（PSDEWT)
2.5 辛幾何模態分解
2.6 提升雙樹復小波包
參考文獻
第3章 基于半監督深度學習的滾動軸承故障識別研究
3.1 DAE及其改進
3.2 DBN及其改進
3.3 實驗驗證——XJTU-SY滾動軸承加速壽命試驗數據集
3.4 實驗驗證——基于Spectra Quest 滾動軸承試驗臺
第4章 基于有監督深度學習的滾動軸承故障識別研究
4.1 深層曲線波卷積神經網絡（deep curvelet convolutional neural networks,DC-CNN)
4.2 導聯卷積神經網絡(lead convolution neural network, LCNN)
4.3 分形網絡（FractalNet）
4.4 膠囊網絡（capsule net,CN）
4.5 深層支持向量機（deep support vector machine,DSVM)
4.6 深度森林（Deep Forest,DF）
4.7 實驗驗證——北京建筑大學滾動軸承試驗臺
4.8 實驗驗證——西儲大學滾動軸承公開數據集
參考文獻
第5章 基于遷移和生成深度學習的滾動軸承故障識別研究
5.1 集成深層小波自動編碼器（EDWAE）遷移學習方法
5.2 非平衡小樣本數據的滾動軸承故障識別——基于生成對抗網絡
5.3 非平衡小樣本數據的滾動軸承故障識別——基于深層變分自編碼器
5.4 深度卷積生成對抗網絡
參考文獻
展開全部
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
名家帶你讀魯迅:故事新編
- >
二體千字文
- >
上帝之肋:男人的真實旅程
- >
朝聞道
- >
詩經-先民的歌唱
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
月亮虎
本類暢銷
