掃一掃
關注中圖網
官方微博
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
設備大數據 版權信息
- ISBN：9787568094863
- 條形碼：9787568094863 ; 978-7-5680-9486-3
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
設備大數據 本書特色
本書借用客觀數據會 “說話”的方式給讀者呈現一本設備數據分析領域的學術科普讀物。
設備大數據 內容簡介
針對我國設備大數據相關研究剛剛起步的現狀，本書以設備健康管理為落腳點，從方法創新和探索應用兩個方面對數據采集、存儲以及處理分析進行了系統性介紹和闡釋。本書介紹了傳感器、PLC、工業網關等數據采集中比較重要的幾個部分，以及多種不同類型設備大數據的存儲方式。本書從模式識別、降維處理及分類與聚類三個方面介紹了設備大數據的分析方法，并利用實際工業過程中的四個案例講解了大數據為設備狀態分析帶來的新方法，力圖給設備健康領域的技術工程師、科研人員，以及對設備數據處理分析感興趣的人員，提供系統全面的設備大數據理論知識與應用介紹。
設備大數據 目錄
第1章緒論/1
1.1設備大數據概述/1
1.2設備健康的“體魄”離不開大數據支持/3
1.3從波音事件看設備數據分析的重要性/4
1.4沒有大數據就無從談智能制造/6
1.5本書概況/8
本章參考文獻/10
第2章設備數據采集方法/12
2.1設備數據采集/12
2.1.1簡介/12
2.1.2數據采集方式/12
2.1.3數據采集常用模式/13
2.1.4設備數據采集系統/14
2.2設備數據采集的感覺器官——傳感器/15
2.2.1簡介/15
2.2.2傳感器的組成/16
2.2.3傳感器的分類/16
2.2.4傳感器的原理及特性/17
2.2.5常見傳感器簡介/17
2.3設備數據采集的神經元——PLC/18
2.3.1簡介/18
2.3.2硬件基本結構/19
2.3.3軟件結構設計/20
2.3.4PLC的特點/21
2.3.5PLC的應用領域/22
2.3.6常用的PLC/23
2.4工業網關/24
2.4.1工業網關的功能與特點/24
2.4.2工業網關的基本構成/26
2.4.3工業網關的關鍵技術/31
2.5工業控制網絡/36
2.5.1集散控制系統/37
2.5.2現場總線控制系統/47
2.5.3監控和數據采集系統/62
2.6工業控制系統的實際案例/70
2.6.1概述/70
2.6.2需求分析/71
2.6.3解決方案/72
2.7本章小結/78
本章參考文獻/78
設備大數據目錄第3章設備數據存儲方法/79
3.1設備大數據存儲簡介/79
3.2關系型數據庫/83
3.2.1Oracle數據庫/85
3.2.2MySQL數據庫/87
3.2.3Microsoft SQL Server數據庫/88
3.2.4PostgreSQL數據庫/90
3.2.5總結/91
3.3非關系型數據庫/93
3.3.1KeyValue數據庫/95
3.3.2文檔存儲數據庫/99
3.3.3列式存儲數據庫/101
3.3.4時序存儲數據庫/105
3.4本章小結/108
本章參考文獻/109
第4章深度學習方法/111
4.1卷積神經網絡/112
4.1.1卷積神經網絡的歷史與發展/112
4.1.2卷積神經網絡的原理與常見應用/113
4.1.3卷積神經網絡常用模型/115
4.1.4卷積神經網絡在設備大數據中的應用/117
4.2循環神經網絡/118
4.2.1神經機器翻譯/119
4.2.2情感分析/121
4.2.3摘要生成/121
4.2.4循環神經網絡在工業領域中的應用/122
4.3自編碼器及其變種/125
4.3.1自編碼器介紹/125
4.3.2自編碼器與其他方法的比較/129
4.3.3自編碼器的應用/131
4.4本章小結/136
本章參考文獻/136
第5章數據降維方法/146
5.1主成分分析法/146
5.1.1基本思想/146
5.1.2主要計算步驟/147
5.1.3主成分分析法的優缺點/148
5.2tSNE算法/149
5.2.1算法思想/150
5.2.2算法舉例/152
5.2.3算法的優缺點/155
5.2.4算法的應用/155
5.2.5算法的改進/156
5.3主成分追蹤/156
5.4魯棒主元分析/161
5.5低秩矩陣表示/163
5.6本章小結/164
本章參考文獻/164
第6章數據分類與聚類方法/168
6.1分類算法的背景及現狀/168
6.1.1背景/168
6.1.2國內外研究現狀/168
6.2基本概念/169
6.3常用的算法詳述/170
6.3.1即時學習分類算法/170
6.3.2基于統計學的分類算法/171
6.3.3決策樹分類算法/177
6.4組合分類器/180
6.5聚類/183
6.5.1基本概念/184
6.5.2聚類算法的分類/186
6.6基于劃分的聚類算法/187
6.6.1Kmeans算法/187
6.6.2Kmodes算法/188
6.6.3PAM算法/189
6.6.4CLARA算法/189
6.6.5MMACA算法/190
6.7基于層次的聚類算法/191
6.7.1傳統的凝聚層次聚類算法/191
6.7.2改進的凝聚層次聚類算法/192
6.7.3分裂層次聚類算法/193
6.8基于密度的聚類算法/193
6.8.1DBSCAN聚類算法/193
6.8.2OPTICS聚類算法/195
6.8.3DENCLUE聚類算法/196
6.8.4CLIQUE聚類算法/197
6.8.5DPC算法/198
6.9其他聚類算法/199
6.9.1模糊聚類算法/199
6.9.2基于圖論的聚類算法/201
6.9.3基于模型的聚類算法/201
6.9.4基于神經網絡的聚類算法/202
6.10本章小結/204
本章參考文獻/204
第7章案例分析/213
7.1工業過程故障檢測與識別/213
7.1.1故障檢測和識別方法的分類/214
7.1.2基于模型的故障檢測和識別方法/215
7.1.3基于信號的故障檢測和識別方法/216
7.1.4基于人工智能的故障檢測和識別方法/217
7.1.5多層和網絡化工業過程中的故障檢測和識別/219
7.1.6仿真案例/220
7.1.7總結/225
7.2工業設備壽命預測/226
7.2.1引言/226
7.2.2時序卷積長短期記憶網絡/228
7.2.3數據規約方法/232
7.2.4實驗數據/234
7.2.5實驗及分析/238
7.2.6討論及建議/249
7.3數據驅動技術在載人深潛器設備管理中的應用/249
7.3.1案例背景/249
7.3.2技術框架/252
7.3.3應用結果/259
7.3.4小結討論/283
7.4主成分追蹤在高爐煉鐵故障檢測中的應用/284
7.4.1案例背景/284
7.4.2技術框架/287
7.4.3應用結果/294
7.4.4小結討論/299
7.5本章小結/299
本章參考文獻/300
1.1設備大數據概述/1
1.2設備健康的“體魄”離不開大數據支持/3
1.3從波音事件看設備數據分析的重要性/4
1.4沒有大數據就無從談智能制造/6
1.5本書概況/8
本章參考文獻/10
第2章設備數據采集方法/12
2.1設備數據采集/12
2.1.1簡介/12
2.1.2數據采集方式/12
2.1.3數據采集常用模式/13
2.1.4設備數據采集系統/14
2.2設備數據采集的感覺器官——傳感器/15
2.2.1簡介/15
2.2.2傳感器的組成/16
2.2.3傳感器的分類/16
2.2.4傳感器的原理及特性/17
2.2.5常見傳感器簡介/17
2.3設備數據采集的神經元——PLC/18
2.3.1簡介/18
2.3.2硬件基本結構/19
2.3.3軟件結構設計/20
2.3.4PLC的特點/21
2.3.5PLC的應用領域/22
2.3.6常用的PLC/23
2.4工業網關/24
2.4.1工業網關的功能與特點/24
2.4.2工業網關的基本構成/26
2.4.3工業網關的關鍵技術/31
2.5工業控制網絡/36
2.5.1集散控制系統/37
2.5.2現場總線控制系統/47
2.5.3監控和數據采集系統/62
2.6工業控制系統的實際案例/70
2.6.1概述/70
2.6.2需求分析/71
2.6.3解決方案/72
2.7本章小結/78
本章參考文獻/78
設備大數據目錄第3章設備數據存儲方法/79
3.1設備大數據存儲簡介/79
3.2關系型數據庫/83
3.2.1Oracle數據庫/85
3.2.2MySQL數據庫/87
3.2.3Microsoft SQL Server數據庫/88
3.2.4PostgreSQL數據庫/90
3.2.5總結/91
3.3非關系型數據庫/93
3.3.1KeyValue數據庫/95
3.3.2文檔存儲數據庫/99
3.3.3列式存儲數據庫/101
3.3.4時序存儲數據庫/105
3.4本章小結/108
本章參考文獻/109
第4章深度學習方法/111
4.1卷積神經網絡/112
4.1.1卷積神經網絡的歷史與發展/112
4.1.2卷積神經網絡的原理與常見應用/113
4.1.3卷積神經網絡常用模型/115
4.1.4卷積神經網絡在設備大數據中的應用/117
4.2循環神經網絡/118
4.2.1神經機器翻譯/119
4.2.2情感分析/121
4.2.3摘要生成/121
4.2.4循環神經網絡在工業領域中的應用/122
4.3自編碼器及其變種/125
4.3.1自編碼器介紹/125
4.3.2自編碼器與其他方法的比較/129
4.3.3自編碼器的應用/131
4.4本章小結/136
本章參考文獻/136
第5章數據降維方法/146
5.1主成分分析法/146
5.1.1基本思想/146
5.1.2主要計算步驟/147
5.1.3主成分分析法的優缺點/148
5.2tSNE算法/149
5.2.1算法思想/150
5.2.2算法舉例/152
5.2.3算法的優缺點/155
5.2.4算法的應用/155
5.2.5算法的改進/156
5.3主成分追蹤/156
5.4魯棒主元分析/161
5.5低秩矩陣表示/163
5.6本章小結/164
本章參考文獻/164
第6章數據分類與聚類方法/168
6.1分類算法的背景及現狀/168
6.1.1背景/168
6.1.2國內外研究現狀/168
6.2基本概念/169
6.3常用的算法詳述/170
6.3.1即時學習分類算法/170
6.3.2基于統計學的分類算法/171
6.3.3決策樹分類算法/177
6.4組合分類器/180
6.5聚類/183
6.5.1基本概念/184
6.5.2聚類算法的分類/186
6.6基于劃分的聚類算法/187
6.6.1Kmeans算法/187
6.6.2Kmodes算法/188
6.6.3PAM算法/189
6.6.4CLARA算法/189
6.6.5MMACA算法/190
6.7基于層次的聚類算法/191
6.7.1傳統的凝聚層次聚類算法/191
6.7.2改進的凝聚層次聚類算法/192
6.7.3分裂層次聚類算法/193
6.8基于密度的聚類算法/193
6.8.1DBSCAN聚類算法/193
6.8.2OPTICS聚類算法/195
6.8.3DENCLUE聚類算法/196
6.8.4CLIQUE聚類算法/197
6.8.5DPC算法/198
6.9其他聚類算法/199
6.9.1模糊聚類算法/199
6.9.2基于圖論的聚類算法/201
6.9.3基于模型的聚類算法/201
6.9.4基于神經網絡的聚類算法/202
6.10本章小結/204
本章參考文獻/204
第7章案例分析/213
7.1工業過程故障檢測與識別/213
7.1.1故障檢測和識別方法的分類/214
7.1.2基于模型的故障檢測和識別方法/215
7.1.3基于信號的故障檢測和識別方法/216
7.1.4基于人工智能的故障檢測和識別方法/217
7.1.5多層和網絡化工業過程中的故障檢測和識別/219
7.1.6仿真案例/220
7.1.7總結/225
7.2工業設備壽命預測/226
7.2.1引言/226
7.2.2時序卷積長短期記憶網絡/228
7.2.3數據規約方法/232
7.2.4實驗數據/234
7.2.5實驗及分析/238
7.2.6討論及建議/249
7.3數據驅動技術在載人深潛器設備管理中的應用/249
7.3.1案例背景/249
7.3.2技術框架/252
7.3.3應用結果/259
7.3.4小結討論/283
7.4主成分追蹤在高爐煉鐵故障檢測中的應用/284
7.4.1案例背景/284
7.4.2技術框架/287
7.4.3應用結果/294
7.4.4小結討論/299
7.5本章小結/299
本章參考文獻/300
展開全部
設備大數據 作者簡介
鄭澤宇，男，漢族，日本文科省統計數理研究所博士，中國科學院沈陽自動化研究所研究員，博士研究生導師。中科院百人計劃A類，人工智能，大數據專家，國家重大專項課題負責人。先后在理化學研究所，新加坡國立大學等機構工作，主要從事人工智能，大數據科研，發表論文近百篇，擅長工業領域大數據研究工作。
書友推薦
- >
李白與唐代文化
- >
推拿
- >
莉莉和章魚
- >
中國歷史的瞬間
- >
山海經
- >
苦雨齋序跋文-周作人自編集
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
回憶愛瑪儂
本類暢銷
