4.23文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册
> >
基于表示学习的故障诊断关键技术

基于表示学习的故障诊断关键技术

作者:吕菲亚
出版社:科学技术文献出版社出版时间:2023-11-01
开本: 其他 页数: 174
中 图 价:¥36.0(7.5折) 定价  ¥48.0 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

基于表示学习的故障诊断关键技术 版权信息

  • ISBN:9787518996612
  • 条形码:9787518996612 ; 978-7-5189-9661-2
  • 装帧:平装-胶订
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

基于表示学习的故障诊断关键技术 内容简介

为了实时地检测并识别工业过程中的异常状况,数据驱动的故障诊断方法成为多变量过程控制的研究热点之一。然而海量高维度的过程测量信息给传统的故障诊断算法带来极大的计算复杂度和建模复杂度,且存在难以利用高阶量进行在线估计的不足。面对复杂工业过程中的低阶、动态、非线性、多模态以及微小故障等问题,本书结合深度学习与统计分析、信息理论学校技术,提出了一系列基于表示学习的故障诊断技术。

基于表示学习的故障诊断关键技术 目录

**章 绪论  1.1 课题背景及研究意义  1.2 研究现状及分析  1.2.1 基于多元统计分析的故障诊断方法  1.2.2 基于信号处理的故障诊断方法  1.2.3 基于粗糙集的故障诊断方法  1.2.4 基于信息融合的故障诊断方法  1.2.5 基于机器学习的故障诊断方法  1.2.6 数据驱动的故障诊断研究中存在的问题  1.3 本书的研究内容 第二章 基于栈式自编码网络的故障诊断  2.1 引言  2.2 栈式自编码网络  2.2.1 稀疏自编码网络  2.2.2 栈式稀疏自编码网络  2.3 Logistic回归与Softmax分类器  2.3.1 Logistic回归分析  2.3.2 Softmax分类器  2.4 基于栈式自编码网络的故障诊断  2.5 TE过程实验验证  2.5.1 TE过程介绍  2.5.2 故障检测  2.5.3 故障诊断  2.5.4 时间复杂度分析  2.6 本章小结 第三章 基于加权序列的栈式自编码网络故障诊断  3.1 引言  3.2 时间去噪  3.3 支持向量机分类器  3.4 基于加权序列的栈式自编码网络故障诊断  3.5 TE过程案例研究  3.5.1 故障检测  3.5.2 微小故障检测  3.5.3 故障分类  3.6 本章小结 第四章 基于动态估计的栈式自编码网络故障诊断  4.1 引言  4.2 多项式泰勒展开阐释自编码网络  4.3 基于动态估计的表示学习  4.4 基于动态估计的栈式自编码网络诊断框架  4.5 实验验证与分析  4.5.1 数值分析  4.5.2 TE过程案例分析  4.6 本章小结 第五章 基于高阶相关性的多级故障诊断  5.1 引言  5.2 基于栈式自编码网络的高阶相关性特征提取  5.3 自编码网络与主成分分析的关系  5.4 过程监控的统计量  5.4.1 基于重建误差的监控指标  5.4.2 基于马氏距离的监控指标  5.4.3 基于切比雪夫距离的监控指标  5.4.4 控制上限  5.5 基于高阶相关性的多级故障诊断  5.6 实验验证与分析  5.6.1 TE过程上的统计量分析  5.6.2 TE过程与ME过程上的故障检测结果  5.6.3 训练集对算法的影响  5.7 本章小结 第六章 基于栈式自编码网络的阈值自适应过程监控  6.1 引言  6.2 多模态测量的表示学习  6.3 基于栈式自编码网络的阈值自适应过程监控  6.3.1 基于改进的指数加均法的自适应阈值更新  6.3.2 基于贡献图的变量隔离  6.3.3 基于栈式自编码网络的阈值自适应在线监控框架  6.4 TE过程实验验证  6.4.1 模态辨识  6.4.2 故障检测  6.5 本章小结 第七章 基于互信息矩阵投影的可解释故障诊断  7.1 引言  7.2 互信息矩阵的定义与估计  7.2.1 互信息矩阵的定义  7.2.2 基于矩阵Renyi的α-熵函数的互信息估计  7.3 基于PMIM的故障检测  7.4 关于PMIM算法的实现与探讨  7.5 实验验证与分析  7.5.1 数值仿真实验验证  7.5.2 TE过程实验验证  7.6 本章小结 第八章 总结与展望  8.1 研究总结  8.2 研究展望 附录 缩写、符号、术语表 参考文献 致谢
展开全部

基于表示学习的故障诊断关键技术 作者简介

吕菲亚,女,浙江大学控制理论与控制工程专业博士,现任安阳师范学院副教授。主要从事基于表示学习的工业过程控制,发表论文20余篇,主持 自然科学基金青年项目1项;完成河南省科技攻关项目1项。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服