掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
中醫入門必背歌訣
-
>
醫驗集要
-
>
尋回中醫失落的元神2:象之篇
-
>
補遺雷公炮制便覽 (一函2冊)
-
>
人體解剖學常用詞圖解(精裝)
-
>
神醫華佗(奇方妙治)
-
>
(精)河南古代醫家經驗輯
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：平裝
- 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 內容簡介
本書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。
基于免疫理論的智能故障檢測與診斷方法 目錄
目錄《智能科學技術著作叢書》序前言第1章 緒論（1）1.1 人工免疫系統的研究進展（1）1.2 故障診斷方法評價（4）1.3 基于免疫理論的故障診斷方法研究現狀（7）1.3.1 人工免疫網絡在故障診斷中的應用（7）1.3.2 人工免疫算法在故障診斷中的應用（8）1.3.3 包含固有免疫性的人工免疫系統應用（9）1.4 主要研究內容和研究意義（11）1.5 小結（13）第2章 免疫背景（14）2.1 生物免疫概述（14）2.1.1 免疫系統的幾個概念（15）2.1.2 免疫系統的功能（17）2.2 生物免疫多層防御機制（18）2.2.1 固有免疫系統（19）2.2.2 適應性免疫系統（21）2.2.3 固有免疫與適應性免疫的關系（22）2.3 生物免疫機理（23）2.3.1 免疫細胞的相互作用及其活化信號（23）2.3.2 初次響應和二次響應（25）2.3.3 免疫系統的信息處理特性（28）2.4 人工免疫系統概述（29）2.4.1 人工免疫系統研究內容和范圍（29）2.4.2 基于免疫的計算智能（30）2.4.3 人工免疫系統的工程應用（31）2.5 人工免疫系統的結構（33）2.5.1 工程免疫系統結構（33）2.5.2 人工免疫系統的概念結構（34）2.5.3 包含固有免疫性的人工免疫系統模型（35）2.6 免疫算法及模型（36）2.6.1 否定選擇算法分析（36）2.6.2 克隆選擇算法（39）2.6.3 aiNet免疫網絡模型（42）2.6.4 樹突狀細胞算法（48）2.7 小結（51）第3章 面向故障診斷的分層免疫模型（53）3.1 引言（53）3.2 分層免疫模型結構（55）3.3 故障診斷問題定義（58）3.4 異常追蹤檢測層（59）3.4.1 子空間追蹤的信號壓縮（60）3.4.2 變化點檢測（61）3.4.3 時間序列符號化（61）3.4.4 輸入輸出信號（62）3.4.5 動態遷移閾值（62）3.5 雙重免疫故障診斷層（63）3.5.1 故障知識庫（63）3.5.2 已知故障類型診斷（65）3.5.3 雙重免疫學習機制（67）3.5.4 仿真實例（70）3.6 動態克隆選擇學習機制（74）3.6.1 成熟檢測器的克隆擴增（74）3.6.2 分級記憶檢測器（76）3.7 故障傳播診斷層（77）3.7.1 故障傳播模型（78）3.7.2 基于故障傳播模型的診斷過程（79）3.8 小結（80）第4章 基于時間序列樹突狀細胞算法的異常檢測方法（81）4.1 引言（81）4.2 樹突狀細胞的免疫功能（83）4.2.1 樹突狀細胞（83）4.2.2 樹突狀細胞的抗原處理與提呈功能（84）4.2.3 樹突狀細胞與免疫激活和耐受（85）4.2.4 樹突狀細胞的三種狀態及激活信號（86）4.2.5 樹突狀細胞特征提取（89）4.3 樹突狀細胞算法（90）4.3.1 危險理論（90）4.3.2 樹突狀細胞算法原理與定義（92）4.3.3 樹突狀細胞算法描述（93）4.4 一種動態遷移閾值樹突狀細胞算法（95）4.4.1 相關定義（96）4.4.2 算法改進策略（97）4.4.3 改進樹突狀細胞算法描述（97）4.4.4 算法有效性驗證（99）4.5 面向異常檢測的時間序列樹突狀細胞算法（104）4.5.1 基于樹突狀細胞算法的異常檢測框架（105）4.5.2 子空間追蹤的信號壓縮方法（106）4.5.3 變化點檢測的抗原定義（108）4.5.4 抗原時間序列符號化（109）4.5.5 輸入輸出信號關聯關系（110）4.5.6 上下文評估（111）4.5.7 實驗及仿真（112）4.6 小結（117）第5章 用于故障診斷的體液免疫雙重學習機制（118）5.1 機器學習概述（118）5.2 體液免疫的學習與記憶（120）5.2.1 體液免疫（120）5.2.2 免疫學習和記憶（122）5.3 基于體液免疫的雙重學習機制（123）5.3.1 體液免疫學習模型（124）5.3.2 記憶細胞庫生成（126）5.3.3 故障檢測階段（129）5.3.4 抗原學習過程（130）5.4 檢測效率的比較（136）5.5 小結（140）第6章 基于克隆擴增和分級記憶策略的免疫算法（141）6.1 動態克隆選擇算法（142）6.1.1 動態克隆選擇算法的運行機制（142）6.1.2 動態克隆選擇算法存在的問題（144）6.2 基于克隆擴增策略的免疫算法（145）6.2.1 克隆擴增策略（145）6.2.2 基于克隆擴增策略的免疫算法設計（148）6.2.3 基于克隆擴增策略的免疫算法分析（151）6.2.4 實驗及分析（152）6.3 基于分級記憶策略的免疫算法（154）6.3.1 免疫記憶機理（155）6.3.2 基于分級記憶策略的免疫算法設計（156）6.3.3 基于分級記憶策略的免疫算法分析（161）6.3.4 實驗及分析（162）6.4 基于擴增和記憶策略的故障診斷模型（164）6.4.1 數據處理與特征分析（166）6.4.2 故障檢測與學習（168）6.5 小結（170）第7章 基于免疫網絡的故障傳播模型（171）7.1 引言（171）7.1.1 問題的提出（171）7.1.2 解決思路（173）7.2 現有故障傳播模型的描述方法（173）7.3 免疫網絡模型（176）7.3.1 *特型網絡和免疫調節（176）7.3.2 通用免疫網絡模型（178）7.4 基于免疫網絡的故障傳播模型（181）7.4.1 B細胞網絡與故障傳播的關系（181）7.4.2 基于免疫網絡的故障傳播模型描述（182）7.4.3 基于傳播模型的故障診斷（184）7.4.4 算法描述（189）7.4.5 故障傳播模型舉例（190）7.5 小結（193）第8章 免疫診斷模型在電機故障診斷中的應用（194）8.1 異步電動機故障機理分析（194）8.1.1 轉子繞組故障（195）8.1.2 定子繞組故障（195）8.1.3 電機軸承故障（196）8.2 信號采集及故障特征分析（196）8.2.1 特征數據提取（197）8.2.2 特征數據歸一化（200）8.3 基于免疫模型的故障診斷實驗（200）8.3.1 訓練階段（201）8.3.2 故障診斷階段（203）8.3.3 連續學習階段（208）8.4 實驗結果分析（214）8.5 小結（215）第9章 總結與展望（216）9.1 主要研究工作總結（216）9.2 主要創新點（216）9.3 研究展望（218）參考文獻（219）
展開全部
書友推薦
- >
月亮虎
- >
苦雨齋序跋文-周作人自編集
- >
上帝之肋:男人的真實旅程
- >
回憶愛瑪儂
- >
姑媽的寶刀
- >
史學評論
- >
隨園食單
- >
山海經
本類暢銷
