a毛片无码免费久久,欧美日韩在线第一页,中文亚洲爆乳无码专区

內(nèi)容簡介

　　《基于人工智能的故障診斷方法》結合軸承振動信號的固有特性，彌補傳統(tǒng)智能診斷方法的不足，以深度學習、遷移學習、流形學習等人工智能技術為核心，面向海量軸承振動監(jiān)測信號，提出一種新的智能診斷研究框架，主要圍繞“監(jiān)測信號標注困難”“工況交替多變”和“噪聲干擾”等的不同應用需求，著重從深度聚類框架設計、跨域故障診斷模型構建、目標函數(shù)構造、度量函數(shù)設計、中心判別損失正則項設計，以及相關對齊時目標熵最小性質證明等幾個方面展開研究，探索很大程度避免人工參與且具有較強領域自適應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人員參考閱讀，也適合作為高等學校計算機、人工智能、智能制造等專業(yè)的研究生教學用書。

作者簡介

暫缺《基于人工智能的故障診斷方法》作者簡介

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 基于深度學習的軸承故障智能診斷
1．2．3 基于深度領域自適應的軸承故障診斷
1．2．4 基于深度聚類的故障模式識別
1．3 存在的問題和研究難點
1．4 本書主要研究內(nèi)容
1．5 本書結構
第2章軸承故障診斷的智能化
2．1 軸承故障診斷基礎理論
2．1．1 軸承結構及故障類型
2．1．2 軸承振動機理
2．1．3 軸承故障診斷技術
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 以深度學習為基礎的軸承故障智能診斷可行性分析
2．2．4 遷移學習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 智能診斷關鍵技術研究思路
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施方案
2．4 本章小結
第3章基于自編碼嵌入局部流形學習的深度聚類故障識別方法
3．1 引言
3．2 基于自編碼嵌入局部流形學習的深度聚類故障識別方法
3．2．1 問題描述
3．2．2 模型框架
3．2．3 方法實現(xiàn)
3．3 實驗結果與分析
3．3．1 數(shù)據(jù)設置細節(jié)
3．3．2 評價指標
3．3．3 實驗結果
3．3．4 參數(shù)敏感性
3．3．5 診斷結果可視化分析
3．4 本章小結
……
第4章基于一維卷積神經(jīng)網(wǎng)絡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)督深度域自適應的噪聲干擾下變工況端到端故障診斷方法
第7章結論
參考文獻