面向深度學習和大數據的軌道交通軸承故障智能診斷方法
宋旭東
- 出版商: 清華大學
- 出版日期: 2023-09-01
- 售價: $354
- 貴賓價: 9.5 折 $336
- 語言: 簡體中文
- ISBN: 7302631913
- ISBN-13: 9787302631910
-
相關分類:
大數據 Big-data、DeepLearning
立即出貨
買這商品的人也買了...
-
接口自動化測試持續集成 Postman + Newman + Git + Jenkins + 釘釘$390$371 -
Android Jetpack 應用指南$474$450 -
ARM64體系結構編程與實踐$611$575 -
$458C/C++ 函數與算法速查寶典 -
深入淺出 Android 開發, 3/e (Head First Android Development : A Learner's Guide to Building Android Apps with Kotlin, 3/e)$1,200$948 -
微控制器原理與應用：基於 STM32 ARM Cortex-M4F 處理器, 2/e$550$495 -
$458BERT 基礎教程：Transformer 大模型實戰 -
ChatGPT 與 AI繪圖效率大師：從日常到職場的全方位應用總整理，48小時迎接減壓新生活！$620$484 -
深度學習與音樂生成$474$450 -
$458TensorFlow + Android 經典模型從理論到實戰 (微課視頻版) -
Windows 信息安全和網絡攻防$654$621 -
多語言情感分析及其應用$408$388 -
$602工業大數據與知識圖譜 -
14天自造量子電腦 (Python版)$539$512 -
TensorFlow 機器學習實用指南$714$678 -
$602預測模型實戰：基於R、SPSS和Stata -
深度學習框架及系統部署實戰（微課視頻版）$209$199 -
$301機器學習的算法分析和實踐 -
艾博士：深入淺出人工智能$539$512 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695 -
超圖解馬達技術入門：從馬達的種類、運轉原理到應用方式，一本完整掌握！$380$342 -
Visual C# 程式設計經典 - 邁向 Azure 雲端、AI 影像辨識與 OpenAI API 服務開發 (適用C# 2022/2019/2017)$750$563 -
無料 AI：ChatGPT + Gemini + Claude + Copilot + Coze + PlaygroundAI + Ideogram + Stylar + Faceswapper + Suno + Stable Audio + D-ID + Runway + Sora + Gamma-「文字、繪圖、動漫、視覺、音樂、影片、簡報」創意無限 (第二版)$680$449 -
台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰$800$632 -
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海 （iThome鐵人賽系列書）$650$507
相關主題
商品描述
目錄大綱
目錄
第1章軌道交通軸承故障診斷概述
1.1軌道交通軸承故障診斷意義及內容
1.1.1軌道交通軸承故障診斷意義
1.1.2軌道交通軸承故障診斷內容
1.2軌道交通軸承故障診斷方法及其發展
1.2.1軸承故障診斷方法分類
1.2.2軸承振動信號故障診斷發展
1.3軌道交通軸承故障振動診斷方法
1.3.1基於振動信號分析的方法
1.3.2基於數據驅動的診斷方法
第2章軌道交通軸承結構及振動機理
2.1軌道交通軸承結構
2.1.1軌道交通運用軸承分類
2.1.2軌道交通軸承結構分析
2.1.3軌道交通軸承故障表現
2.1.4軌道交通軸承故障原因
2.2軌道交通軸承振動機理
2.2.1滾動軸承的固有振動
2.2.2涉及軸承載荷及彈性的振動
2.2.3軸承製造或裝配不良引起的振動
2.2.4軸承各類故障引起的振動
第3章軌道交通軸承故障診斷技術概述
3.1軸承振動信號採集與預處理技術
3.1.1軸承振動信號採集技術
3.1.2軸承振動信號數據預處理技術
3.2軌道交通軸承故障特徵提取技術
3.2.1軸承振動信號故障時域特徵提取方法
3.2.2軸承振動信號故障頻域特徵提取方法
3.2.3基於希爾伯特包絡分析故障特徵提取方法
3.2.4基於小波包包絡分析故障特徵提取方法
3.2.5基於經驗模態分解故障特徵提取方法
3.2.6基於局部均值分解故障特徵提取方法
3.2.7基於變分模態分解故障特徵提取方法
3.3軌道交通軸承故障特徵選擇技術
3.3.1基於主成分分析的特徵選擇方法
3.3.2基於線性判別分析的特徵選擇方法
3.3.3基於信息熵的量化特徵選擇方法
3.3.4基於自編碼器的特徵選擇方法
3.4軌道交通軸承故障智能診斷技術
3.4.1人工神經網絡
3.4.2支持向量機
3.4.3決策樹
3.4.4捲積神經網絡
3.4.5深度信念網絡
3.4.6循環神經網絡
第4章基於捲積神經網絡的軸承故障診斷方法
4.1基於捲積神經網絡軸承故障診斷工作原理
4.1.1基於捲積神經網絡軸承故障診斷網絡結構
4.1.2基於捲積神經網絡軸承故障診斷建模機理
4.1.3基於捲積神經網絡軸承故障診斷建模策略
4.2基於捲積神經網絡的軸承故障診斷模型構建方法
4.2.1基於捲積神經網絡軸承故障診斷模型構建流程
4.2.2一種基於WKCNN軸承故障診斷模型構建算法
4.3基於捲積神經網絡的軸承故障診斷模型實驗
4.3.1基於WKCNN軸承故障診斷數據源
4.3.2基於WKCNN軸承故障診斷模型構建實驗
4.3.3基於WKCNN軸承故障診斷模型驗證實驗
第5章基於深度信念網絡的軸承故障診斷方法
5.1基於深度信念網絡故障診斷工作原理
5.1.1基於深度信念網絡的軸承故障診斷網絡結構
5.1.2基於深度信念網絡的軸承故障診斷建模機理
5.2基於深度信念網絡的軸承故障診斷模型構建
5.2.1基於深度信念網絡的軸承故障診斷模型構建流程
5.2.2基於深度信念網絡的軸承故障診斷模型構建算法
5.3基於深度信念網絡的軸承故障診斷模型實驗
5.3.1基於深度信念網絡的軸承故障診斷數據源
5.3.2基於深度信念網絡的軸承故障診斷模型構建實驗
5.4一種基於MCELF的DBN軸承故障診斷加速方法
5.4.1基於MCELF的故障診斷加速方法
5.4.2基於MCELF的加速DBN故障診斷的模型構建
算法
5.4.3基於MCELF的加速DBN故障診斷的模型實驗
第6章基於循環神經網絡的軸承故障診斷方法
6.1基於循環神經網絡故障診斷工作原理
6.1.1基於循環神經網絡的軸承故障診斷網絡結構
6.1.2基於循環神經網絡的軸承故障診斷建模機理
6.1.3長短期記憶網絡LSTM工作原理
6.1.4門限循環單元GRU網絡工作原理
6.2基於循環神經網絡的軸承故障診斷模型構建
6.2.1基於循環神經網絡的軸承故障診斷模型構建流程
6.2.2一種基於LGL軸承故障診斷模型構建算法
6.3基於循環神經網絡的軸承故障診斷模型實驗
6.3.1基於LGL軸承故障診斷數據源
6.3.2基於LGL軸承故障診斷模型構建實驗
6.3.3基於LGL軸承故障診斷模型驗證實驗
第7章基於集成學習的軸承故障智能診斷方法
7.1基於集成學習的故障診斷工作原理
7.1.1集成學習方法及Stacking算法
7.1.2基於集成學習的故障診斷網絡結構
7.2基於集成學習的軸承故障診斷模型構建
7.2.1基於集成學習的軸承故障診斷模型構建方法
7.2.2基於集成學習的軸承故障診斷模型構建流程
7.3基於集成學習的軸承故障診斷模型實驗
7.3.1基於集成學習的軸承故障診斷數據源
7.3.2基於集成學習軸承故障診斷模型構建實驗
第8章基於遷移學習的變工況軸承故障智能診斷方法
8.1基於遷移學習的變工況軸承故障診斷工作原理
8.1.1基於遷移學習的變工況故障診斷網絡結構
8.1.2一種改進彈性網正則化的遷移學習方法
8.2基於遷移學習的變工況軸承故障診斷模型構建
8.2.1基於遷移學習的變工況軸承故障診斷模型構建
流程
8.2.2基於遷移學習的變工況軸承故障診斷模型構建
算法
8.3基於遷移學習的變工況軸承故障診斷模型實驗
8.3.1變工況軸承故障診斷數據源
8.3.2變工況軸承故障診斷模型實驗
第9章基於大數據平臺的軸承故障智能診斷方法
9.1大數據Hadoop平臺工作原理
9.1.1Hadoop大數據平臺框架
9.1.2Hadoop分佈式文件系統HDFS
9.1.3Hadoop分佈式計算MapReduce
9.1.4Hadoop資源管理器Yarn
9.2基於Hadoop的軸承故障診斷平臺設計與實現
9.2.1基於Hadoop的軸承故障診斷平臺設計
9.2.2基於Hadoop的軸承故障診斷平臺實現
9.3基於Hadoop的軸承故障診斷實驗
9.3.1基於Hadoop分佈式存儲的軸承故障診斷實驗
9.3.2基於Hadoop分佈式計算的軸承故障診斷實驗
第10章軌道交通軸承故障智能診斷系統設計與實現
10.1軌道交通軸承故障智能診斷系統設計
10.1.1故障智能診斷系統平臺框架設計
10.1.2故障智能診斷系統平臺功能設計
10.2軌道交通軸承故障智能診斷系統實現
10.2.1故障智能診斷系統實現技術框架
10.2.2軸承故障智能診斷系統核心模塊展示
參考文獻
附錄英文縮略詞及術語
