掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
鐵路道岔轉轍機故障診斷技術 版權信息
- ISBN：9787122449856
- 條形碼：9787122449856 ; 978-7-122-44985-6
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
鐵路道岔轉轍機故障診斷技術 本書特色
本書具有以下特點：（1）針對鐵路道岔轉轍機故障診斷這一熱點問題，汲取國內外該領域的新研究成果，總結作者近來年在信號處理和深度學習方法在轉轍機故障診斷中的應用方面的研究成果，內容具有先進性和新穎性。（2）章節內容銜接連貫，簡單易懂。本書共分7章，在簡要介紹轉轍機故障診斷發展現狀、基本結構原理和故障模式之后，重點講述特征提取、智能故障診斷 、遷移學習、多特征融合等方法，形成基于轉轍機的故障診斷系統。（3）面向應用，實用性強。結合轉轍機常見故障類型和實測數據分析，提出故障特征提取和診斷的解決方案，方法思路獨特，形成的故障診斷管理系統滿足企業需求。
鐵路道岔轉轍機故障診斷技術 內容簡介
本書面向科學發展前沿與工程迫切需求，以鐵路道岔電液式轉轍機及其關鍵部件柱塞泵為研究對象，按照“結構-技術-實例-系統”的邏輯主線，簡要介紹鐵路道岔轉轍機故障診斷研究背景、意義及發展現狀，基本結構原理和故障模式。基于轉轍機油壓信號和柱塞泵振動信號，重點研究信號處理、深度學習、遷移學習、連續學習、多特征信息融合等基礎理論和核心技術，涵蓋了特征提取、智能故障診斷、壽命預測等主要研究方法，*后形成基于道岔轉轍機的故障診斷管理系統。所述內容兼具前沿性、創新性與工程實用性。 本書結合了作者團隊在鐵路道岔轉轍機故障診斷領域積累的十幾年研究成果與近期新進展，適合從事系統智能故障診斷工作的技術人員閱讀，也可作為高等學校相關專業師生的參考用書。
鐵路道岔轉轍機故障診斷技術 目錄
第1章 緒論 001
1.1 鐵路道岔轉轍機故障診斷研究背景及意義 001
1.2 鐵路道岔轉轍機故障診斷技術研究進展 002
1.2.1 基于解析模型的方法 002
1.2.2 基于信號處理的方法 002
1.2.3 基于人工智能的方法 003
1.3 鐵路道岔轉轍機故障診斷存在的問題與發展方向 003
參考文獻 004 第2章 道岔轉轍機及關鍵部件 007
2.1 相關概念 007
2.1.1 道岔 007
2.1.2 液壓道岔 007
2.2 道岔基本結構 007
2.3 轉轍機基本結構及原理 008
2.3.1 基本結構 008
2.3.2 外鎖閉裝置工作原理 010
2.3.3 液壓系統工作原理 011
2.4 柱塞泵基本結構及原理 012
參考文獻 014 第3章 轉轍機故障診斷實驗及油壓信號特征提取 015
3.1 轉轍機工作過程原理分析 015
3.1.1 道岔轉轍機敏感參數分析 015
3.1.2 道岔轉轍機工作過程油壓信號分析 016
3.2 非現場道岔轉轍機故障模擬實驗 017
3.2.1 道岔轉轍機故障模擬實驗平臺介紹 017
3.2.2 模擬故障設計 017
3.2.3 轉轍機油壓數據采集 018
3.2.4 轉轍機故障油壓信號分析 019
3.3 基于改進集成經驗模態分解的轉轍機故障特征提取 021
3.3.1 經驗模態分解算法原理 021
3.3.2 基于信息熵的特征提取方法 027
3.3.3 基于核主成分分析（KPCA）的特征融合 031
3.4 基于ITD-SDP圖像的轉轍機特征提取 035
3.4.1 ITD分解算法原理 035
3.4.2 SDP基本原理 035
3.4.3 圖像特征提取 036
3.5 道岔轉轍機故障狀態監測 037
3.5.1 道岔轉轍機故障狀態監測算法 038
3.5.2 基于AOA-XGBoost道岔轉轍機故障狀態監測方法 042
參考文獻 045 第4章 柱塞泵故障診斷實驗及振動信號特征提取 047
4.1 柱塞泵故障診斷實驗 047
4.1.1 柱塞泵故障診斷實驗平臺搭建與數據采集 047
4.1.2 柱塞泵典型故障及故障機理 052
4.1.3 柱塞泵故障診斷實驗設計 056
4.2 測點振動信號的故障特征參量提取 056
4.2.1 時頻域特征參量 057
4.2.2 小波能量譜特征提取 063
4.2.3 雙譜特征提取 067
4.3 基于VMD的故障振動信號時頻分析法 070
4.3.1 變分模態分解VMD 070
4.3.2 VMD分解性能分析 074
4.3.3 VMD重要參數的選取 078
4.3.4 連續小波變換CWT 080
4.3.5 二維時頻特征 081
4.4 改進的局部特征尺度分解法 082
4.4.1 局部特征尺度分解LCD 082
4.4.2 改進的局部特征尺度分解DMLCD 084
4.4.3 仿真實例 085
4.4.4 應用實例 089
4.5 基于ICEEMDAN的故障特征提取 090
4.5.1 自適應噪聲的集成經驗模態分解CEEMDAN 090
4.5.2 改進的自適應噪聲完備集成經驗模態分解ICEEMDAN 091
4.5.3 仿真實例 092
4.5.4 應用實例 094
4.6 基于精細復合多尺度散布熵的故障特征提取 098
4.6.1 灰色關聯度 098
4.6.2 散布熵優化 099
4.6.3 精細復合多尺度散布熵RCMDE 100
4.6.4 應用實例 101
4.7 基于DMLCD與GRCMDE的故障特征提取 103
4.7.1 廣義精細復合多尺度散布熵GRCMDE 103
4.7.2 GRCMDE與RCMDE性能對比分析 104
4.7.3 應用實例 105
參考文獻 110 第5章 道岔轉轍機及柱塞泵智能故障診斷 113
5.1 基于改進SVM的故障診斷 114
5.1.1 支持向量機算法原理 114
5.1.2 核參數優化 116
5.1.3 應用實例 121
5.2 基于改進KELM的故障診斷 132
5.2.1 極限學習機算法原理 132
5.2.2 核極限學習機算法原理 135
5.2.3 算術優化算法 136
5.2.4 應用實例 138
5.3 基于卷積神經網絡的故障診斷 143
5.3.1 卷積神經網絡模型 143
5.3.2 DSCNN故障診斷 149
5.3.3 DS-ResNet故障診斷 154
5.3.4 CBAM-ResNet故障診斷 157
5.3.5 CNN-LSTM-Attention故障診斷 164
5.3.6 CNN-GRU故障診斷 171
5.3.7 GCN故障診斷 175
5.3.8 CNN預訓練模型故障診斷 189
參考文獻 200 第6章 基于信息融合的道岔轉轍機故障診斷 204
6.1 信息融合技術 204
6.1.1 信息融合定義 205
6.1.2 信息融合模型和結構 206
6.1.3 信息融合算法 211
6.1.4 信息融合關鍵問題 213
6.2 數據層信息融合的故障診斷應用實例 214
6.2.1 注意力機制 214
6.2.2 多通道信號集 215
6.2.3 基于注意力機制的多通道CNN模型 215
6.3 特征層信息融合的故障診斷應用實例 220
6.3.1 數據不平衡處理方法 221
6.3.2 雙向門控循環單元 223
6.3.3 雙通道特征融合的故障診斷模型 224
6.4 基于決策層信息融合的故障診斷模型 229
6.4.1 D-S證據理論 230
6.4.2 基于D-S證據理論的決策層融合診斷 231
參考文獻 237 第7章 基于連續學習的柱塞泵類增量故障診斷 239
7.1 連續學習相關理論 240
7.1.1 連續學習 240
7.1.2 元學習 241
7.1.3 連續學習基模型與WKN 242
7.2 基于權重空間元表示的類增量故障診斷方法 243
7.2.1 類增量故障診斷問題設置 243
7.2.2 改進WKN的基模型 243
7.2.3 基于權重空間元表示的連續學習方法 245
7.2.4 特定于診斷任務模型的重構與集成推理 247
7.3 柱塞泵類增量故障診斷應用實例 249
7.3.1 類增量故障診斷任務設置 249
7.3.2 權重空間元表示實驗結果分析 252
參考文獻 257 第8章 柱塞泵剩余使用壽命預測 260
8.1 剩余使用壽命預測模型 260
8.1.1 多元HI構建模塊 261
8.1.2 圖注意力網絡 262
8.1.3 K 階下三角鄰接矩陣和HI特征圖 264
8.2 應用實例 264
8.2.1 壽命數據采集 264
8.2.2 RUL預測區間劃分 265
8.2.3 健康指標構建 266
8.2.4 RUL預測 267
8.3 不同構圖法對GAT預測模塊的影響 269
8.4 GAT預測模塊性能評估 270
參考文獻 270 第9章 基于知識圖譜的道岔轉轍機故障診斷系統 272
9.1 知識圖譜相關技術理論 272
9.1.1 知識圖譜概述 272
9.1.2 自然語言處理 273
9.1.3 深度學習 274
9.2 轉轍機故障診斷領域知識圖譜的構建 274
9.2.1 知識圖譜構建流程 274
9.2.2 本體構建 275
9.2.3 道岔轉轍機故障記錄文本相關實體抽取 276
9.2.4 實體對齊 281
9.2.5 信息拼接 281
9.2.6 知識圖譜可視化 282
9.3 基于知識圖譜的道岔轉轍機故障診斷 283
9.3.1 基于知識圖譜的智能問答 283
9.3.2 基于知識圖譜的故障診斷 288
9.4 道岔轉轍機故障診斷管理系統實現 288
9.4.1 系統功能需求 288
9.4.2 系統總體構架 289
9.4.3 數據庫構建 289
9.4.4 系統功能實現 291
參考文獻 296
1.1 鐵路道岔轉轍機故障診斷研究背景及意義 001
1.2 鐵路道岔轉轍機故障診斷技術研究進展 002
1.2.1 基于解析模型的方法 002
1.2.2 基于信號處理的方法 002
1.2.3 基于人工智能的方法 003
1.3 鐵路道岔轉轍機故障診斷存在的問題與發展方向 003
參考文獻 004 第2章 道岔轉轍機及關鍵部件 007
2.1 相關概念 007
2.1.1 道岔 007
2.1.2 液壓道岔 007
2.2 道岔基本結構 007
2.3 轉轍機基本結構及原理 008
2.3.1 基本結構 008
2.3.2 外鎖閉裝置工作原理 010
2.3.3 液壓系統工作原理 011
2.4 柱塞泵基本結構及原理 012
參考文獻 014 第3章 轉轍機故障診斷實驗及油壓信號特征提取 015
3.1 轉轍機工作過程原理分析 015
3.1.1 道岔轉轍機敏感參數分析 015
3.1.2 道岔轉轍機工作過程油壓信號分析 016
3.2 非現場道岔轉轍機故障模擬實驗 017
3.2.1 道岔轉轍機故障模擬實驗平臺介紹 017
3.2.2 模擬故障設計 017
3.2.3 轉轍機油壓數據采集 018
3.2.4 轉轍機故障油壓信號分析 019
3.3 基于改進集成經驗模態分解的轉轍機故障特征提取 021
3.3.1 經驗模態分解算法原理 021
3.3.2 基于信息熵的特征提取方法 027
3.3.3 基于核主成分分析（KPCA）的特征融合 031
3.4 基于ITD-SDP圖像的轉轍機特征提取 035
3.4.1 ITD分解算法原理 035
3.4.2 SDP基本原理 035
3.4.3 圖像特征提取 036
3.5 道岔轉轍機故障狀態監測 037
3.5.1 道岔轉轍機故障狀態監測算法 038
3.5.2 基于AOA-XGBoost道岔轉轍機故障狀態監測方法 042
參考文獻 045 第4章 柱塞泵故障診斷實驗及振動信號特征提取 047
4.1 柱塞泵故障診斷實驗 047
4.1.1 柱塞泵故障診斷實驗平臺搭建與數據采集 047
4.1.2 柱塞泵典型故障及故障機理 052
4.1.3 柱塞泵故障診斷實驗設計 056
4.2 測點振動信號的故障特征參量提取 056
4.2.1 時頻域特征參量 057
4.2.2 小波能量譜特征提取 063
4.2.3 雙譜特征提取 067
4.3 基于VMD的故障振動信號時頻分析法 070
4.3.1 變分模態分解VMD 070
4.3.2 VMD分解性能分析 074
4.3.3 VMD重要參數的選取 078
4.3.4 連續小波變換CWT 080
4.3.5 二維時頻特征 081
4.4 改進的局部特征尺度分解法 082
4.4.1 局部特征尺度分解LCD 082
4.4.2 改進的局部特征尺度分解DMLCD 084
4.4.3 仿真實例 085
4.4.4 應用實例 089
4.5 基于ICEEMDAN的故障特征提取 090
4.5.1 自適應噪聲的集成經驗模態分解CEEMDAN 090
4.5.2 改進的自適應噪聲完備集成經驗模態分解ICEEMDAN 091
4.5.3 仿真實例 092
4.5.4 應用實例 094
4.6 基于精細復合多尺度散布熵的故障特征提取 098
4.6.1 灰色關聯度 098
4.6.2 散布熵優化 099
4.6.3 精細復合多尺度散布熵RCMDE 100
4.6.4 應用實例 101
4.7 基于DMLCD與GRCMDE的故障特征提取 103
4.7.1 廣義精細復合多尺度散布熵GRCMDE 103
4.7.2 GRCMDE與RCMDE性能對比分析 104
4.7.3 應用實例 105
參考文獻 110 第5章 道岔轉轍機及柱塞泵智能故障診斷 113
5.1 基于改進SVM的故障診斷 114
5.1.1 支持向量機算法原理 114
5.1.2 核參數優化 116
5.1.3 應用實例 121
5.2 基于改進KELM的故障診斷 132
5.2.1 極限學習機算法原理 132
5.2.2 核極限學習機算法原理 135
5.2.3 算術優化算法 136
5.2.4 應用實例 138
5.3 基于卷積神經網絡的故障診斷 143
5.3.1 卷積神經網絡模型 143
5.3.2 DSCNN故障診斷 149
5.3.3 DS-ResNet故障診斷 154
5.3.4 CBAM-ResNet故障診斷 157
5.3.5 CNN-LSTM-Attention故障診斷 164
5.3.6 CNN-GRU故障診斷 171
5.3.7 GCN故障診斷 175
5.3.8 CNN預訓練模型故障診斷 189
參考文獻 200 第6章 基于信息融合的道岔轉轍機故障診斷 204
6.1 信息融合技術 204
6.1.1 信息融合定義 205
6.1.2 信息融合模型和結構 206
6.1.3 信息融合算法 211
6.1.4 信息融合關鍵問題 213
6.2 數據層信息融合的故障診斷應用實例 214
6.2.1 注意力機制 214
6.2.2 多通道信號集 215
6.2.3 基于注意力機制的多通道CNN模型 215
6.3 特征層信息融合的故障診斷應用實例 220
6.3.1 數據不平衡處理方法 221
6.3.2 雙向門控循環單元 223
6.3.3 雙通道特征融合的故障診斷模型 224
6.4 基于決策層信息融合的故障診斷模型 229
6.4.1 D-S證據理論 230
6.4.2 基于D-S證據理論的決策層融合診斷 231
參考文獻 237 第7章 基于連續學習的柱塞泵類增量故障診斷 239
7.1 連續學習相關理論 240
7.1.1 連續學習 240
7.1.2 元學習 241
7.1.3 連續學習基模型與WKN 242
7.2 基于權重空間元表示的類增量故障診斷方法 243
7.2.1 類增量故障診斷問題設置 243
7.2.2 改進WKN的基模型 243
7.2.3 基于權重空間元表示的連續學習方法 245
7.2.4 特定于診斷任務模型的重構與集成推理 247
7.3 柱塞泵類增量故障診斷應用實例 249
7.3.1 類增量故障診斷任務設置 249
7.3.2 權重空間元表示實驗結果分析 252
參考文獻 257 第8章 柱塞泵剩余使用壽命預測 260
8.1 剩余使用壽命預測模型 260
8.1.1 多元HI構建模塊 261
8.1.2 圖注意力網絡 262
8.1.3 K 階下三角鄰接矩陣和HI特征圖 264
8.2 應用實例 264
8.2.1 壽命數據采集 264
8.2.2 RUL預測區間劃分 265
8.2.3 健康指標構建 266
8.2.4 RUL預測 267
8.3 不同構圖法對GAT預測模塊的影響 269
8.4 GAT預測模塊性能評估 270
參考文獻 270 第9章 基于知識圖譜的道岔轉轍機故障診斷系統 272
9.1 知識圖譜相關技術理論 272
9.1.1 知識圖譜概述 272
9.1.2 自然語言處理 273
9.1.3 深度學習 274
9.2 轉轍機故障診斷領域知識圖譜的構建 274
9.2.1 知識圖譜構建流程 274
9.2.2 本體構建 275
9.2.3 道岔轉轍機故障記錄文本相關實體抽取 276
9.2.4 實體對齊 281
9.2.5 信息拼接 281
9.2.6 知識圖譜可視化 282
9.3 基于知識圖譜的道岔轉轍機故障診斷 283
9.3.1 基于知識圖譜的智能問答 283
9.3.2 基于知識圖譜的故障診斷 288
9.4 道岔轉轍機故障診斷管理系統實現 288
9.4.1 系統功能需求 288
9.4.2 系統總體構架 289
9.4.3 數據庫構建 289
9.4.4 系統功能實現 291
參考文獻 296
展開全部
鐵路道岔轉轍機故障診斷技術 作者簡介
黃晉英，中北大學教授/博士生導師，2010年畢業于北京理工大學兵器發射理論與技術專業獲博士學位，2014年北京理工大學航空科學與技術專業博士后出站；2014-2016期間美國康涅狄格大學訪問學者，主要研究方向為動態故障診斷與智能控制。并兼中國振動工程學會動態測試專業委員會理事，山西省振動工程學會常務理事，太原地區科技拔尖人才。作為骨干成員完成了3項國防預研項目、1項國防重點項目，作為二完成人完成了國家基金2項，山西省自然科學基金2項。作為項目負責人完成了山西省青年科學基金項目“車輛運動狀態識別與運動控制研究”和山西省自然科學基金“基于盲源分離的齒輪箱故障信息增強技術研究”、“基于深度學習的鐵路道岔轉轍設備故障診斷技術研究”；山西省科技攻關項目“基于免疫機制與OMAP平臺的嵌入式智能車輛運動控制”，山西省重點研發項目“大數據框架驅動下鐵路道岔轉轍關鍵設備智能檢測診斷與健康管理”，并負責完成了20余項橫向科研項目，參與相關的科研項目10余項。獲提名國家科技進步二等獎1項，山西省科技進步二等獎3項；山西省科技發明二等獎1項，國防科技進步三等獎2項，發明專利3項，以一作者發表論文20余篇，其中SCI收錄4篇，EI收錄14篇。作為副主編編寫教材1部。近三年指導博士畢業3名，碩士畢業10名。
書友推薦
- >
唐代進士錄
- >
巴金－再思錄
- >
【精裝繪本】畫給孩子的中國神話
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
朝聞道
- >
回憶愛瑪儂
- >
伊索寓言-世界文學名著典藏-全譯本
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
