智能運(yùn)維技術(shù)及應(yīng)用
定 價(jià):59 元
叢書名:普通高等教育智能制造系列教材
- 作者:戴宏亮等
- 出版時(shí)間:2024/8/1
- ISBN:9787030793249
- 出 版 社:科學(xué)出版社
- 中圖法分類:TP18
- 頁碼:226
- 紙張:
- 版次:1
- 開本:16
本書清晰而深入地介紹了智能運(yùn)維技術(shù)的基礎(chǔ)及其應(yīng)用。全書共7章:第1章介紹智能運(yùn)維技術(shù)的基本概念和發(fā)展歷程;第2章介紹數(shù)字信號處理的基本方法及數(shù)據(jù)處理方法;故障特征提取作為機(jī)械故障診斷和狀態(tài)監(jiān)測的關(guān)鍵,相關(guān)內(nèi)容將在第3章介紹;第4章、第5章分別介紹基于淺層學(xué)習(xí)和基于深度學(xué)習(xí)的智能故障診斷及剩余壽命預(yù)測方法;第6章介紹智能維護(hù)決策工具和技術(shù);第7章給出若干智能運(yùn)維技術(shù)的應(yīng)用案例。智能運(yùn)維技術(shù)可以為工程機(jī)械、風(fēng)力發(fā)電、軌道交通、石油化工等領(lǐng)域的機(jī)械裝備智能運(yùn)維提供解決方案,為機(jī)械設(shè)備的可靠性和安全性提供更加有力的保障。
更多科學(xué)出版社服務(wù),請掃碼獲取。
1999.6畢業(yè)于淮南工業(yè)學(xué)院采礦工程專業(yè),獲工學(xué)學(xué)士學(xué)位;
2002.6畢業(yè)于安徽理工大學(xué)采礦工程專業(yè),獲工學(xué)碩士學(xué)位;
2005.6畢業(yè)于上海交通大學(xué)固體力學(xué)專業(yè),獲工學(xué)博士學(xué)位;
2016-01 至今, 湖南大學(xué), 機(jī)械與運(yùn)載工程學(xué)院, 教授
2015.12-至今,湖南大學(xué)機(jī)械與運(yùn)載工程學(xué)院,副院長;
2006-11 至 2015-12, 湖南大學(xué), 機(jī)械與運(yùn)載工程學(xué)院, 副教授
2013-12 至 2014-12, Simon Fraser University, Faculty of App. Sci.訪問學(xué)者,
2006-10 至 2008-10, 湖南大學(xué), 工程力學(xué)系, 副教授
2005-07 至 2006-10, 湖南大學(xué), 工程力學(xué)系, 講師機(jī)械設(shè)計(jì)、機(jī)械檢測、智能運(yùn)維1.2011年度湖南省自然科學(xué)獎(jiǎng)三等獎(jiǎng),2012.1,排名第二;
2.2012年度湖南省自然科學(xué)獎(jiǎng)三等獎(jiǎng),2013.1,排名第一;
3.第九屆全國周培源大學(xué)生力學(xué)競賽優(yōu)秀指導(dǎo)教師獎(jiǎng),2013.8;
4.2018年湖南省優(yōu)秀碩士論文指導(dǎo)教師,2018.10;
5.2021年湖南省優(yōu)秀博士論文指導(dǎo)教師,2021.11;
6.2023年湖南省優(yōu)秀博士論文指導(dǎo)教師,2023.11;
7.2023 湖南省第三屆優(yōu)秀研究生導(dǎo)師,2023.10。1.第十一屆中國力學(xué)學(xué)會理事;
2. 第九屆湖南省力學(xué)學(xué)會常務(wù)理事,秘書長;
3. 2014.1- Present 國際學(xué)術(shù)期刊International Journal of Mechanical Systems Engineering編委;
4. 2015.12- Present 國際學(xué)術(shù)期刊Journal of Solid Mechanics編委。
目錄
第1章 緒論 1
1.1 引言 1
1.2 智能運(yùn)維的基本概念 2
1.3 智能運(yùn)維技術(shù)概述 3
1.3.1 信號處理技術(shù) 3
1.3.2 故障特征提取 5
1.3.3 故障診斷方法 7
1.3.4 智能運(yùn)維方法 11
1.4 智能運(yùn)維發(fā)展歷程 16
1.4.1 國內(nèi)外發(fā)展概述 17
1.4.2 智能運(yùn)維發(fā)展的三個(gè)階段 18
1.4.3 未來發(fā)展趨勢 20
1.5 本章小結(jié) 20
習(xí)題 21
第2章 數(shù)字信號處理 22
2.1 引言 22
2.2 從模擬信號到數(shù)字信號 23
2.2.1 傳感器和數(shù)字信號系統(tǒng) 23
2.2.2 信號的采樣 24
2.2.3 傅里葉變換 28
2.2.4 快速傅里葉變換 30
2.2.5 離散時(shí)間信號和系統(tǒng) 31
2.2.6 信號處理的硬件實(shí)現(xiàn) 33
2.3 穩(wěn)態(tài)信號處理 34
2.3.1 信號分類 34
2.3.2 濾波器設(shè)計(jì) 37
2.3.3 信號的正交變換 40
2.3.4 信號處理的典型算法 43
2.3.5 基于統(tǒng)計(jì)的信號處理 52
2.4 非穩(wěn)態(tài)信號處理 56
2.4.1 短時(shí)傅里葉變換 56
2.4.2 小波變換 57
2.4.3 希爾伯特-黃變換 58
2.4.4 稀疏分解 60
2.4.5 分形理論 61
2.5 降噪方法和理論 62
2.5.1 常用的信號降噪方法 62
2.5.2 基于奇異譜的降噪方法 62
2.5.3 基于小波包分解的降噪方法 63
2.5.4 基于卡爾曼濾波器的降噪方法 64
2.6 多傳感器信息融合 66
2.6.1 數(shù)據(jù)融合的定義和原理 66
2.6.2 不同數(shù)據(jù)融合方法的比較 66
2.6.3 基于證據(jù)理論的數(shù)據(jù)融合方法 68
2.7 本章小結(jié) 71
習(xí)題 71
第3章 特征提取 72
3.1 引言 72
3.2 幅域特征表征和提取 72
3.2.1 有量綱幅域參數(shù) 72
3.2.2 無量綱幅域參數(shù) 75
3.3 階次域特征提取 76
3.3.1 常見階次域特征參量 76
3.3.2 非線性階次域特征參量 76
3.4 能量域特征提取 77
3.4.1 常見的能量域特征參數(shù) 78
3.4.2 非線性能量域特征參數(shù) 78
3.5 多信號特征提取和關(guān)聯(lián)性分析 79
3.5.1 相干分析及原理 79
3.5.2 小波相干 84
3.5.3 時(shí)頻相干 85
3.5.4 多工況HHT包絡(luò)分析 87
3.5.5 相關(guān)案例 93
3.6 面向大數(shù)據(jù)的統(tǒng)計(jì)特征提取 95
3.6.1 基于回歸的機(jī)器學(xué)習(xí) 95
3.6.2 聚類方法 96
3.6.3 主成分分析方法 97
3.6.4 基于馬爾可夫鏈的特征提取 98
3.7 本章小結(jié) 99
習(xí)題 100
第4章 基于淺層學(xué)習(xí)的智能故障診斷 101
4.1 引言 101
4.2 基于人工神經(jīng)網(wǎng)絡(luò)的智能故障診斷 101
4.2.1 人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論 101
4.2.2 人工神經(jīng)網(wǎng)絡(luò)的智能故障診斷算例 108
4.3 基于支持向量機(jī)的智能故障診斷 111
4.3.1 支持向量機(jī)的基礎(chǔ)理論 111
4.3.2 支持向量機(jī)的智能故障診斷算例 119
4.4 基于隨機(jī)森林的智能故障診斷 122
4.4.1 隨機(jī)森林的基礎(chǔ)理論 122
4.4.2 隨機(jī)森林的智能故障診斷算例 130
4.5 本章小結(jié) 134
習(xí)題 134
第5章 基于深度學(xué)習(xí)的智能故障診斷及剩余壽命預(yù)測 135
5.1 引言 135
5.2 基于深度置信網(wǎng)絡(luò)的智能故障診斷 136
5.2.1 受限玻爾茲曼機(jī)基礎(chǔ)理論 136
5.2.2 深度置信網(wǎng)絡(luò)模型 141
5.2.3 深度置信網(wǎng)絡(luò)的智能故障診斷算例 143
5.3 基于堆疊自編碼器的智能故障診斷 147
5.3.1 自編碼器的基礎(chǔ)理論 147
5.3.2 堆疊自編碼器模型 152
5.3.3 堆疊自編碼器的智能故障診斷算例 153
5.4 基于深度卷積神經(jīng)網(wǎng)絡(luò)的剩余壽命預(yù)測 158
5.4.1 卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論 158
5.4.2 深度多尺度卷積神經(jīng)網(wǎng)絡(luò)模型 161
5.4.3 深度多尺度卷積神經(jīng)網(wǎng)絡(luò)的剩余壽命預(yù)測算例 165
5.5 基于深度循環(huán)神經(jīng)網(wǎng)絡(luò)的剩余壽命預(yù)測 172
5.5.1 長短期記憶單元的基礎(chǔ)理論 172
5.5.2 深度循環(huán)神經(jīng)網(wǎng)絡(luò)模型 176
5.5.3 深度循環(huán)神經(jīng)網(wǎng)絡(luò)的剩余壽命預(yù)測算例 177
5.6 本章小結(jié) 181
習(xí)題 182
第6章 智能維護(hù)決策 183
6.1 引言 183
6.2 智能維護(hù)決策工具 183
6.2.1 維護(hù)決策 183
6.2.2 維護(hù)決策支持系統(tǒng)概述 186
6.2.3 基于云計(jì)算的設(shè)備維護(hù)決策支持系統(tǒng) 187
6.2.4 智能E維護(hù)決策支持系統(tǒng) 190
6.3 智能維護(hù)決策技術(shù) 195
6.3.1 決策樹學(xué)習(xí) 195
6.3.2 粗糙集 199
6.3.3 專家系統(tǒng) 202
6.4 本章小結(jié) 205
習(xí)題 205
第7章 故障診斷與智能運(yùn)維技術(shù)實(shí)際應(yīng)用 207
7.1 城市智慧出行系統(tǒng)中的應(yīng)用 207
7.1.1 城市智慧出行系統(tǒng)概述 207
7.1.2 故障診斷與智能運(yùn)維技術(shù)在城市智慧出行系統(tǒng)中的應(yīng)用 208
7.2 礦山無人運(yùn)輸系統(tǒng)中的應(yīng)用 211
7.2.1 礦山無人運(yùn)輸系統(tǒng)概述 211
7.2.2 故障診斷與智能運(yùn)維技術(shù)在礦山無人運(yùn)輸系統(tǒng)中的應(yīng)用 213
7.3 離心風(fēng)機(jī)系統(tǒng)中的應(yīng)用 217
7.3.1 離心風(fēng)機(jī)系統(tǒng)概述 217
7.3.2 故障診斷與智能運(yùn)維技術(shù)在離心風(fēng)機(jī)系統(tǒng)中的應(yīng)用 218
7.4 本章小結(jié) 223
習(xí)題 223
附錄 時(shí)域與頻域參數(shù) 224
參考文獻(xiàn) 225