亚洲人成无码网在线观看 ,久久精品国产亚洲vr

內(nèi)容簡(jiǎn)介

　　《基于人工智能的故障診斷方法》結(jié)合軸承振動(dòng)信號(hào)的固有特性，彌補(bǔ)傳統(tǒng)智能診斷方法的不足，以深度學(xué)習(xí)、遷移學(xué)習(xí)、流形學(xué)習(xí)等人工智能技術(shù)為核心，面向海量軸承振動(dòng)監(jiān)測(cè)信號(hào)，提出一種新的智能診斷研究框架，主要圍繞“監(jiān)測(cè)信號(hào)標(biāo)注困難”“工況交替多變”和“噪聲干擾”等的不同應(yīng)用需求，著重從深度聚類框架設(shè)計(jì)、跨域故障診斷模型構(gòu)建、目標(biāo)函數(shù)構(gòu)造、度量函數(shù)設(shè)計(jì)、中心判別損失正則項(xiàng)設(shè)計(jì)，以及相關(guān)對(duì)齊時(shí)目標(biāo)熵最小性質(zhì)證明等幾個(gè)方面展開研究，探索很大程度避免人工參與且具有較強(qiáng)領(lǐng)域自適應(yīng)能力的智能診斷解決方案?！痘谌斯ぶ悄艿墓收显\斷方法》適合制造業(yè)的研究人員和工程技術(shù)人員參考閱讀，也適合作為高等學(xué)校計(jì)算機(jī)、人工智能、智能制造等專業(yè)的研究生教學(xué)用書。

作者簡(jiǎn)介

暫缺《基于人工智能的故障診斷方法》作者簡(jiǎn)介

圖書目錄

第1章緒論
1．1 選題背景及意義
1．2 軸承故障智能診斷方法研究現(xiàn)狀
1．2．1 基于淺層模型的軸承故障智能診斷
1．2．2 基于深度學(xué)習(xí)的軸承故障智能診斷
1．2．3 基于深度領(lǐng)域自適應(yīng)的軸承故障診斷
1．2．4 基于深度聚類的故障模式識(shí)別
1．3 存在的問題和研究難點(diǎn)
1．4 本書主要研究?jī)?nèi)容
1．5 本書結(jié)構(gòu)
第2章軸承故障診斷的智能化
2．1 軸承故障診斷基礎(chǔ)理論
2．1．1 軸承結(jié)構(gòu)及故障類型
2．1．2 軸承振動(dòng)機(jī)理
2．1．3 軸承故障診斷技術(shù)
2．2 智能化軸承故障診斷
2．2．1 軸承故障診斷描述
2．2．2 智能化軸承故障診斷
2．2．3 以深度學(xué)習(xí)為基礎(chǔ)的軸承故障智能診斷可行性分析
2．2．4 遷移學(xué)習(xí)用于軸承故障分類的可行性分析
2．3 軸承故障智能診斷框架總體研究
2．3．1 智能診斷關(guān)鍵技術(shù)研究思路
2．3．2 軸承故障智能診斷框架
2．3．3 軸承故障智能診斷實(shí)施方案
2．4 本章小結(jié)
第3章基于自編碼嵌入局部流形學(xué)習(xí)的深度聚類故障識(shí)別方法
3．1 引言
3．2 基于自編碼嵌入局部流形學(xué)習(xí)的深度聚類故障識(shí)別方法
3．2．1 問題描述
3．2．2 模型框架
3．2．3 方法實(shí)現(xiàn)
3．3 實(shí)驗(yàn)結(jié)果與分析
3．3．1 數(shù)據(jù)設(shè)置細(xì)節(jié)
3．3．2 評(píng)價(jià)指標(biāo)
3．3．3 實(shí)驗(yàn)結(jié)果
3．3．4 參數(shù)敏感性
3．3．5 診斷結(jié)果可視化分析
3．4 本章小結(jié)
……
第4章基于一維卷積神經(jīng)網(wǎng)絡(luò)的單工況故障診斷方法
第5章基于無監(jiān)督深度域自適應(yīng)的變工況端到端故障診斷方法
第6章基于無監(jiān)督深度域自適應(yīng)的噪聲干擾下變工況端到端故障診斷方法
第7章結(jié)論
參考文獻(xiàn)