[
-
内容大纲
《人工智能驱动的机械故障诊断技术及应用》力求以方法科普为基础，深化拓展为核心，案例驱动为抓手，图文并茂地向广大读者介绍机械故障诊断的流程、方法与实践。
本书共11章内容，具体包括绪论、机械故障诊断的信号处理方法、机械故障特征提取与选择技术、机械故障诊断技术、基于深度学习的信号特征提取技术、基于迁移学习的智能故障诊断技术、基于增量学习的故障诊断技术、小样本下基于虚实融合的旋转机械设备故障诊断方法、典型旋转机械设备故障智能诊断、端边云集成技术在机械设备智能维护中的应用和机械设备故障智能诊断系统。
本书可用作机械故障信号处理、智能诊断、深度学习等领域的入门图书，也适合机械工程、电子信息及相关交叉学科硕士研究生及以上学历学生作为教材使用。 -
作者介绍
-
目录
第1章 绪论
1.1 机械故障诊断的含义
1.2 机械设备故障诊断的发展
1.3 机械设备故障诊断技术
1.3.1 信号收集与处理技术
1.3.2 特征提取选择及学习技术
1.3.3 故障分类及健康评估技术
1.4 本章小结
参考文献
第2章 机械故障诊断的信号处理方法
2.1 振动信号时频域分析
2.1.1 时域分析技术
2.1.2 频域分析技术
2.1.3 包络分析技术
2.1.4 时频域分析技术
2.2 小波分析技术
2.2.1 小波滤波
2.2.2 小波选择
2.2.3 二进小波
2.2.4 提升小波
2.3 Hilbert-Huang变换技术
2.3.1 EMD方法
2.3.2 Hilbert-Huang变换
2.4 LMD技术
2.4.1 LMD算法
2.4.2 LMD的优点及存在的一些不足
2.5 ITD分解技术
2.5.1 固有时间尺度分解算法过程
2.5.2 固有时间尺度分解算法性能分析
2.6 形态学滤波故障特征提取方法
2.6.1 形态学滤波研究现状
2.6.2 形态学基本理论
2.6.3 基于形态学滤波的故障诊断应用
2.7 本章小结
参考文献
第3章 机械故障特征提取与选择技术
3.1 特征产生
3.2 基于数据投影的特征提取与选择技术
3.2.1 主成分分析
3.2.2 独立主元分析
3.2.3 线性判别式分析
3.3 基于流形学习的特征提取与选择技术
3.3.1 拉普拉斯特征映射算法
3.3.2 局部保持投影算法
3.3.3 局部和非局部保持投影
3.4 案例分析
3.5 本章小结
参考文献
第4章 机械故障诊断技术
4.1 专家系统
4.1.1 专家系统概述
4.1.2 诊断知识的表示
4.1.3 诊断推理和知识获取
4.2 模糊理论
4.2.1 隶属度函数及模糊矢量
4.2.2 模糊关系方程
4.2.3 模糊诊断准则
4.3 人工神经网络
4.3.1 人工神经网络原理
4.3.2 神经网络结构
4.3.3 基于神经网络的故障诊断
4.3.4 基于神经网络的故障诊断实例
4.4 支持向量机
4.4.1 统计学习理论
4.4.2 支持向量机的原理
4.4.3 基于支持向量机的故障诊断
4.4.4 基于SVM的故障诊断实例
4.5 隐马尔可夫模型
4.5.1 概率计算问题及其前后向算法
4.5.2 状态预测问题及其Viterbi算法
4.5.3 参数学习问题及其Baum-Welch算法
4.6 本章小结
参考文献
第5章 基于深度学习的信号特征提取技术
5.1 基于深度置信网络的故障诊断方法
5.1.1 深度置信神经网络的基本原理
5.1.2 深度置信神经网络的结构
5.1.3 基于深度置信网络的设备故障诊断模型
5.2 基于堆叠降噪自编码器的故障诊断方法
5.2.1 堆叠降噪自编码器的基本原理
5.2.2 堆叠降噪自编码器的结构
5.2.3 堆叠降噪自编码器的训练流程
5.2.4 基于堆叠降噪自编码器的特征提取实例
5.3 基于卷积神经网络的故障诊断方法
5.3.1 卷积神经网络的基本结构
5.3.2 卷积神经网络的基本特征
5.3.3 卷积神经网络的优化改进
5.3.4 基于多通道一维卷积神经网络的齿轮箱故障诊断实例
5.4 基于卷积自编码器的故障诊断方法
5.4.1 卷积自编码器的基本原理
5.4.2 卷积自编码器的结构
5.4.3 一维残差卷积自编码器
5.4.4 基于一维残差卷积自编码器的齿轮箱故障诊断实例
5.5 本章小结
参考文献
第6章 基于迁移学习的智能故障诊断技术
6.1 迁移学习的概念
6.2 基于迁移学习的域自适应技术
6.2.1 最大均值差异（MMD）
6.2.2 相关对齐（CORAL）
6.2.3 对抗学习
6.3 基于迁移学习的特征提取与故障诊断技术
6.4 基于对抗学习的特征提取与故障诊断技术
6.5 本章小结
参考文献
第7章 基于增量学习的机械故障诊断技术
7.1 增量学习的概念
7.2 基于生成对抗网络的增量学习
7.2.1 生成式对抗网络
7.2.2 基于GAN的增量学习
7.3 基于增量学习的机械故障诊断
7.4 本章小结
参考文献
第8章 小样本下基于虚实融合的旋转机械设备故障诊断方法
8.1 小样本下旋转机械设备故障诊断
8.2 基于仿真与迁移的虚实融合方法
8.3 基于虚实融合的旋转机械设备故障诊断方法
8.3.1 齿轮箱物理模型构建
8.3.2 对抗局部域自适应网络
8.3.3 小样本下数据增强和故障诊断流程
8.4 实验分析
8.4.1 参数设置
8.4.2 仿真信号分析
8.4.3 齿轮箱故障诊断
8.4.4 特征可视化
8.4.5 比较分析
8.4.6 敏感性分析
8.5 本章小结
参考文献
第9章 典型旋转机械设备故障智能诊断
9.1 滚动轴承故障及其诊断方法
9.1.1 滚动轴承的失效形式
9.1.2 滚动轴承的失效机理及其特性
9.1.3 滚动轴承的故障诊断方法
9.2 齿轮箱故障及其诊断方法
9.2.1 齿轮箱的失效形式
9.2.2 齿轮箱的失效机理及其特性
9.2.3 齿轮箱的故障诊断方法
9.3 转子故障及其诊断方法
9.3.1 转子的失效形式
9.3.2 转子的失效机理及特性
9.3.3 转子的故障诊断方法
9.4 电机故障及其诊断方法
9.4.1 电机的类型与测定标准
9.4.2 电磁耦合的振动原理
9.4.3 电机的失效形式和故障特征
9.4.4 电机故障的诊断方法
9.5 轧辊磨床故障及其诊断方法
9.5.1 轧辊磨床的失效形式
9.5.2 轧辊磨床磨削颤振机理
9.5.3 轧辊磨床的故障诊断方法
9.6 本章小结
参考文献
第10章 端边云集成技术在机械设备智能维护中的应用
10.1 端边云集成系统构成及作用
10.2 系统功能
10.2.1 边缘终端功能
10.2.2 云上系统功能
10.3 智能边缘分析仪
10.4 基于Web的分布式边缘分析仪管控系统
第11章 机械设备故障智能诊断系统
11.2 信号处理故障诊断系统
11.1.1 设备故障诊断与预诊维护模块
11.1.2 数据库操作模块
11.1.3 数据采集与管理模块
11.1.4 设备运行状态监控模块
11.1.5 页面设计
11.2 基于Python/PyQt5的故障诊断系统
11.2.1 故障诊断工具箱工作环境
11.2.2 故障诊断工具箱设计需求
11.2.3 故障诊断工具箱基本结构及体系
11.2.4 故障诊断工具箱基本功能
11.2.5 故障诊断工具箱界面设计
11.3 基于Python/Flask的故障诊断系统
11.3.1 软件运行环境
11.3.2 编程语言版本
11.3.3 软件设计
11.3.4 系统软件架构设计
11.3.5 需求分析
11.3.6 系统页面
11.3.7 数据分析
11.3.8 信号处理
11.3.9 模型评估
11.4 本章小结
参考文献
同类热销排行榜
- 故宫日历(公历2017年)(精)26.4
- 时间简史(插图版)18
- 工程数学线性代数(第6版十二五普通高等教育本科国家级规划教材)7.76
- 昆虫记(精)/经典译林8.72
- 数控铣床综合实训教程19.2
- 昆虫记(插图典藏本)(精)11.2
- 化工制图习题集(普通高等教育规划教材)7.2
- 化工制图(普通高等教育规划教材)15.8
- 生命急救技能14
- 时间简史(普及版)(精)15.2
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...