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
滾動軸承性能退化評估與剩余壽命預測 版權信息
- ISBN：9787564393045
- 條形碼：9787564393045 ; 978-7-5643-9304-5
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
滾動軸承性能退化評估與剩余壽命預測 內容簡介
本書是一本學術著作，針對滾動軸承的故障診斷、性能退化評估及剩余壽命預測問題，結合作者團隊多年的研究成果及近期新研究進展，既有國內外對于此問題的研究發展歷程與現狀綜述，也闡釋了振動信號故障特征、診斷與評估機理。結合時頻圖像與卷積神經網絡、支持向量機、支持向量機數據描述、異常檢測算法、RBF和WIENER優化模型、CAN-LSTM、深度學習等理論構建了滾動軸承的多類故障診斷及性能退化評估模型，介紹了性能退化評估及剩余壽命預測方法。結合大量仿真實驗及典型試驗數據進行了典型故障案例分析。本書適合機械工程或相關專業的高年級本科生和研究生以及從事機械狀態監測、故障診斷、健康管理等相關領域研究的參考書，也可供相關行業的科研人員及工程技術人員參考。
滾動軸承性能退化評估與剩余壽命預測 目錄
第1章 緒論
1.1 滾動軸承振動信號的特征提取
1.2 滾動軸承故障的智能診斷
1.3 性能退化評估技術
1.4 剩余使用壽命(RUL)預測技術
本章參考文獻
第2章 滾動軸承振動機理及動力學特性研究
2.1 引言
2.2 滾動軸承故障振動機理及故障特征分析
2.3 滾動軸承滑移接觸下振動特性研究
本章參考文獻
第3章 基于振動信息的特征提取
3.1 引言
3.2 多域特征指標
3.3 多尺度特征提取
3.4 特征降維與選擇
3.5 基于深度學習的特征提取方法
本章參考文獻
第4章 基于時頻圖像與卷積神經網絡的滾動軸承故障診斷方法
4.1 引言
4.2 基于時頻圖像與VGGNet的滾動軸承故障診斷方法
4.3 基于遷移學習的深度殘差網絡的滾動軸承故障診斷方法
4.4 基于數據驅動的改進生成對抗網絡的滾動軸承故障診斷方法
本章參考文獻
第5章 基于支持向量機的滾動軸承性能退化評估方法
5.1 引言
5.2 基于GA-SVM的滾動軸承性能退化評估方法
5.3 基于SDAE-OCSVM的滾動軸承性能退化評估方法
5.4 基于PSO-OCSVM的滾動軸承性能退化評估方法
本章參考文獻
第6章 基于支持向量數據描述的滾動軸承性能退化評估方法
6.1 引言
6.2 支持向量數據描述方法
6.3 基于自適應SVDD的滾動軸承性能退化評估方法
6.4 結合VMD符號熵與SVDD方法的滾動軸承性能退化評估方法
本章參考文獻
第7章 融合概率建模與邊界距離的滾動軸承性能退化評估方法
7.1 引言
7.2 基于概率建模的性能退化評估方法
7.3 基于邊界距離的性能退化評估方法
7.4 融合概率建模與邊界距離的滾動軸承性能退化評估方法
本章參考文獻
第8章 基于徑向基的軸承性能退化評估與壽命預測方法
8.1 引言
8.2 RBF神經網絡
8.3 基于RBF模型的性能退化評估
8.4 基于RBF模型與優化Wiener模型的軸承壽命預測
本章參考文獻
第9章 基于卷積注意力長短時記憶網絡的軸承壽命預測方法
9.1 引言
9.2 CAN模型
9.3 LSTM神經網絡
9.4 基于CAN-LSTM模型的剩余壽命預測方法
9.5 實驗結果與分析
本章參考文獻
1.1 滾動軸承振動信號的特征提取
1.2 滾動軸承故障的智能診斷
1.3 性能退化評估技術
1.4 剩余使用壽命(RUL)預測技術
本章參考文獻
第2章 滾動軸承振動機理及動力學特性研究
2.1 引言
2.2 滾動軸承故障振動機理及故障特征分析
2.3 滾動軸承滑移接觸下振動特性研究
本章參考文獻
第3章 基于振動信息的特征提取
3.1 引言
3.2 多域特征指標
3.3 多尺度特征提取
3.4 特征降維與選擇
3.5 基于深度學習的特征提取方法
本章參考文獻
第4章 基于時頻圖像與卷積神經網絡的滾動軸承故障診斷方法
4.1 引言
4.2 基于時頻圖像與VGGNet的滾動軸承故障診斷方法
4.3 基于遷移學習的深度殘差網絡的滾動軸承故障診斷方法
4.4 基于數據驅動的改進生成對抗網絡的滾動軸承故障診斷方法
本章參考文獻
第5章 基于支持向量機的滾動軸承性能退化評估方法
5.1 引言
5.2 基于GA-SVM的滾動軸承性能退化評估方法
5.3 基于SDAE-OCSVM的滾動軸承性能退化評估方法
5.4 基于PSO-OCSVM的滾動軸承性能退化評估方法
本章參考文獻
第6章 基于支持向量數據描述的滾動軸承性能退化評估方法
6.1 引言
6.2 支持向量數據描述方法
6.3 基于自適應SVDD的滾動軸承性能退化評估方法
6.4 結合VMD符號熵與SVDD方法的滾動軸承性能退化評估方法
本章參考文獻
第7章 融合概率建模與邊界距離的滾動軸承性能退化評估方法
7.1 引言
7.2 基于概率建模的性能退化評估方法
7.3 基于邊界距離的性能退化評估方法
7.4 融合概率建模與邊界距離的滾動軸承性能退化評估方法
本章參考文獻
第8章 基于徑向基的軸承性能退化評估與壽命預測方法
8.1 引言
8.2 RBF神經網絡
8.3 基于RBF模型的性能退化評估
8.4 基于RBF模型與優化Wiener模型的軸承壽命預測
本章參考文獻
第9章 基于卷積注意力長短時記憶網絡的軸承壽命預測方法
9.1 引言
9.2 CAN模型
9.3 LSTM神經網絡
9.4 基于CAN-LSTM模型的剩余壽命預測方法
9.5 實驗結果與分析
本章參考文獻
展開全部
滾動軸承性能退化評估與剩余壽命預測 作者簡介
周建民，博士，教授，華東交通大學檢測技術與智能診斷研究所負責人。近年來，一直從事無損檢測與故障診斷技術研究，主要包括轉子動力學、故障機理及診斷、深度學習、寬度學習、轉子系統性能退化評估。
書友推薦
- >
推拿
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
莉莉和章魚
- >
有舍有得是人生
- >
巴金－再思錄
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
上帝之肋:男人的真實旅程
- >
姑媽的寶刀
本類暢銷
