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
智能運維技術及應用 版權信息
- ISBN：9787030793249
- 條形碼：9787030793249 ; 978-7-03-079324-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能運維技術及應用 內容簡介
本書清晰而深入地介紹了智能運維技術的基礎及其應用。全書共7章：第1章介紹智能運維技術的基本概念和發展歷程；第2章介紹數字信號處理的基本方法及數據處理方法；故障特征提取作為機械故障診斷和狀態監測的關鍵，相關內容將在第3章介紹；第4章、第5章分別介紹基于淺層學習和基于深度學習的智能故障診斷及剩余壽命預測方法；第6章介紹智能維護決策工具和技術；第7章給出若干智能運維技術的應用案例。智能運維技術可以為工程機械、風力發電、軌道交通、石油化工等領域的機械裝備智能運維提供解決方案，為機械設備的可靠性和安全性提供更加有力的保障。
智能運維技術及應用 目錄
目錄第1章 緒論 11.1 引言 11.2 智能運維的基本概念 21.3 智能運維技術概述 31.3.1 信號處理技術 31.3.2 故障特征提取 51.3.3 故障診斷方法 71.3.4 智能運維方法 111.4 智能運維發展歷程 161.4.1 國內外發展概述 171.4.2 智能運維發展的三個階段 181.4.3 未來發展趨勢 201.5 本章小結 20習題 21第2章 數字信號處理 222.1 引言 222.2 從模擬信號到數字信號 232.2.1 傳感器和數字信號系統 232.2.2 信號的采樣 242.2.3 傅里葉變換 282.2.4 快速傅里葉變換 302.2.5 離散時間信號和系統 312.2.6 信號處理的硬件實現 332.3 穩態信號處理 342.3.1 信號分類 342.3.2 濾波器設計 372.3.3 信號的正交變換 402.3.4 信號處理的典型算法 432.3.5 基于統計的信號處理 522.4 非穩態信號處理 562.4.1 短時傅里葉變換 562.4.2 小波變換 572.4.3 希爾伯特-黃變換 582.4.4 稀疏分解 602.4.5 分形理論 612.5 降噪方法和理論 622.5.1 常用的信號降噪方法 622.5.2 基于奇異譜的降噪方法 622.5.3 基于小波包分解的降噪方法 632.5.4 基于卡爾曼濾波器的降噪方法 642.6 多傳感器信息融合 662.6.1 數據融合的定義和原理 662.6.2 不同數據融合方法的比較 662.6.3 基于證據理論的數據融合方法 682.7 本章小結 71習題 71第3章 特征提取 723.1 引言 723.2 幅域特征表征和提取 723.2.1 有量綱幅域參數 723.2.2 無量綱幅域參數 753.3 階次域特征提取 763.3.1 常見階次域特征參量 763.3.2 非線性階次域特征參量 763.4 能量域特征提取 773.4.1 常見的能量域特征參數 783.4.2 非線性能量域特征參數 783.5 多信號特征提取和關聯性分析 793.5.1 相干分析及原理 793.5.2 小波相干 843.5.3 時頻相干 853.5.4 多工況HHT包絡分析 873.5.5 相關案例 933.6 面向大數據的統計特征提取 953.6.1 基于回歸的機器學習 953.6.2 聚類方法 963.6.3 主成分分析方法 973.6.4 基于馬爾可夫鏈的特征提取 983.7 本章小結 99習題 100第4章 基于淺層學習的智能故障診斷 1014.1 引言 1014.2 基于人工神經網絡的智能故障診斷 1014.2.1 人工神經網絡的基礎理論 1014.2.2 人工神經網絡的智能故障診斷算例 1084.3 基于支持向量機的智能故障診斷 1114.3.1 支持向量機的基礎理論 1114.3.2 支持向量機的智能故障診斷算例 1194.4 基于隨機森林的智能故障診斷 1224.4.1 隨機森林的基礎理論 1224.4.2 隨機森林的智能故障診斷算例 1304.5 本章小結 134習題 134第5章 基于深度學習的智能故障診斷及剩余壽命預測 1355.1 引言 1355.2 基于深度置信網絡的智能故障診斷 1365.2.1 受限玻爾茲曼機基礎理論 1365.2.2 深度置信網絡模型 1415.2.3 深度置信網絡的智能故障診斷算例 1435.3 基于堆疊自編碼器的智能故障診斷 1475.3.1 自編碼器的基礎理論 1475.3.2 堆疊自編碼器模型 1525.3.3 堆疊自編碼器的智能故障診斷算例 1535.4 基于深度卷積神經網絡的剩余壽命預測 1585.4.1 卷積神經網絡的基礎理論 1585.4.2 深度多尺度卷積神經網絡模型 1615.4.3 深度多尺度卷積神經網絡的剩余壽命預測算例 1655.5 基于深度循環神經網絡的剩余壽命預測 1725.5.1 長短期記憶單元的基礎理論 1725.5.2 深度循環神經網絡模型 1765.5.3 深度循環神經網絡的剩余壽命預測算例 1775.6 本章小結 181習題 182第6章 智能維護決策 1836.1 引言 1836.2 智能維護決策工具 1836.2.1 維護決策 1836.2.2 維護決策支持系統概述 1866.2.3 基于云計算的設備維護決策支持系統 1876.2.4 智能E維護決策支持系統 1906.3 智能維護決策技術 1956.3.1 決策樹學習 1956.3.2 粗糙集 1996.3.3 專家系統 2026.4 本章小結 205習題 205第7章 故障診斷與智能運維技術實際應用 2077.1 城市智慧出行系統中的應用 2077.1.1 城市智慧出行系統概述 2077.1.2 故障診斷與智能運維技術在城市智慧出行系統中的應用 2087.2 礦山無人運輸系統中的應用 2117.2.1 礦山無人運輸系統概述 2117.2.2 故障診斷與智能運維技術在礦山無人運輸系統中的應用 2137.3 離心風機系統中的應用 2177.3.1 離心風機系統概述 2177.3.2 故障診斷與智能運維技術在離心風機系統中的應用 2187.4 本章小結 223習題 223附錄 時域與頻域參數 224參考文獻 225
展開全部
書友推薦
- >
二體千字文
- >
月亮虎
- >
龍榆生：詞曲概論/大家小書
- >
史學評論
- >
山海經
- >
李白與唐代文化
- >
羅曼·羅蘭讀書隨筆-精裝
- >
上帝之肋:男人的真實旅程
本類暢銷
