基於認知計算與幾何空間變換的故障診斷與預測

《基於認知計算與幾何空間變換的故障診斷與預測》是2021年國防工業出版社出版的圖書。

基本介紹

• 中文名：基於認知計算與幾何空間變換的故障診斷與預測
• 作者：呂琛
• 出版時間：2021年
• 出版社：國防工業出版社
• ISBN：9787118121995
• 類別：一般工業技術
• 開本：16 開
• 裝幀：平裝-膠訂

內容簡介

本書介紹了認知計算和幾何空間變換套用於故障診斷與預測領域中的新理論和新方法，第1章概述了故障診斷與預測技術的基本概念與技術狀態，闡述了當前存在的瓶頸問題以及引入認知計算和幾何空間變換的優勢。第2章至第4章主要介紹了基於認知計算(深度學習、遷移學習、視覺認知、壓縮感知)的故障診斷與預測評估技術。第5章和第6章主要介紹了基於微分幾何、空間變換與形態識別的故障診斷與預測評估技術。

圖書目錄

第1章 緒論

1．1 故障診斷與預測技術概述

1．1．1 背景與意義

1．1．2 基本概念

1．1．3 技術發展現狀

1．1．4 問題與啟示

1．2 認知計算技術概述

1．2．1 認知計算技術

1．2．2 深度學習技術

1．2．3 視覺認知技術

1．2．4 壓縮感知技術

1．3 幾何空間變換與形態識別技術概述

1．3．1 微分流形理論

1．3．2 幾何空間變換技術

1．3．3 幾何形態識別技術

1．4 全書概況

參考文獻

第2章 基於深度學習與遷移學習的故障診斷與預測

2．1 引言

2．2 深度學習技術

2．2．1 深度學習基本思想和原理

2．2．2 深度學習常用方法

2．2．3 深度學習的套用情況

2．3 遷移學習技術

2．3．1 遷移學習的基本思想和原理

2．3．2 遷移學習方法分類

2．3．3 遷移學習的套用情況

2．4 基於深度學習分類器的旋轉機械故障診斷

2．4．1 特徵自學習技術

2．4．2 基於層疊自動編碼器的深度學習分類技術

2．4．3 基於層疊降噪自動編碼器的深度學習分類技術

2．4．4 案例分析

2．5 基於深度學習回歸器的控制系統自適應故障檢測

2．5．1 基於模型平均的深度學習回歸技術

2．5．2 基於模型平均深度學習的控制系統自適應故障檢測

2．5．3 案例分析

2．6 基於多層特徵融合深度學習的機電設備健康評估

2．6．1 基於多層特徵融合深度學習的健康評估技術

2．6．2 案例分析

2．7 基於遷移學習的相似設備故障診斷

2．7．1 輔助訓練數據與目標訓練數據共享特徵學習技術

2．7．2 基於TrAdaBoost樣本篩選的故障診斷策略研究

2．7．3 基於共享特徵學習與TrAdaBoost的相似設備故障診斷

2．7．4 案例分析

2．8 基於遷移學習的相似設備剩餘壽命預測

2．8．1 基於遷移學習的相似發動機剩餘壽命預測

2．8．2 基於遷移學習的多配方鋰電池剩餘壽命預測

2．8．3 案例分析

2．9 小結

參考文獻

第3章 基於視覺認知計算的故障診斷與評估

3．1 引言

3．2 視覺認知的基本特性

3．2．1 視覺不變性

3．2．2 視覺流形感知特性

3．2．3 視覺多通道特性

3．3 故障信號的圖形化等效表征

3．3．1 基於雙譜的圖形化等效表征

3．3．2 基於遞歸圖的圖形化等效表征

3．3．3 基於時序排列的圖形化等效表征

3．4 基於視覺不變性與流形感知特性的變工況故障診斷

3．4．1 尺度不變特徵變換

3．4．2 加速魯棒特徵

3．4．3 基於加速魯棒特徵與流形感知的變工況故障診斷

3．4．4 案例分析

3．5 基於視覺多通道特性與流形感知特性的健康評估

3．5．1 Contourlet變換

3．5．2 非下採樣Contourlet變換

3．5．3 基於非下採樣Contourlet變換與流形感知的健康評估

3．5．4 案例分析

3．6 小結

參考文獻

第4章 基於壓縮感知的故障診斷

4．1 引言

4．2 監測數據壓縮採樣與重構降噪技術

4．2．1 基於壓縮感知的監測數據壓縮採樣及重構方法

4．2．2 基於壓縮感知的監測數據降噪方法

4．2．3 基於集成字典的改進壓縮數據重構方法

4．2．4 基於自適應閾值的分段正交匹配追蹤及壓縮數據降噪

4．2．5 案例分析

4．3 基於壓縮域信息的設備診斷技術

4．3．1 基於混合型壓縮採樣的故障診斷技術

4．3．2 基於雙級壓縮學習的設備故障診斷

4．3．3 基於重構匹配的旋轉機械多工況故障診斷

4．3．4 基於多信號協同壓縮的故障診斷

4．3．5 案例分析

4．4 小結

參考文獻

第5章 基於微分幾何的故障診斷與評估

5．1 引言

5．2 非線性數據檢驗與預處理研究

5．2．1 替代數據方法

5．2．2 相空間重構方法

5．2．3 本徵維數計算及改進方法

5．3 基於鄰域分布信息約束的局部投影非線性降噪技術

5．3．1 局部投影降噪方法的原理

5．3．2 基於經驗模態分解噪聲估計的鄰域半徑選取

5．3．3 基於鄰域分布信息約束的噪聲子空間確定

5．3．4 案例分析

5．4 基於流形學習與奇異值分解的特徵提取技術

5．4．1 流形學習方法

5．4．2 基於局部切空間排列與奇異值分解的特徵提取

5．4．3 案例分析

5．5 基於流形距離-田口方法的健康評估技術

5．5．1 基本思路及流程

5．5．2 流形距離

5．5．3 基於田口方法的特徵優選

5．5．4 基於高斯混合模型的健康評估

5．5．5 案例分析

5．6 基於累積測地線距離的健康評估技術

5．6．1 基本思路及流程

5．6．2 基於拉普拉斯特徵映射的內稟流形構建

5．6．3 流形累積測地線距離

5．6．4 案例分析

5．7 基於信息幾何與支持向量機的故障診斷技術

5．7．1 基於信息幾何的支持向量機

5．7．2 基於信息幾何支持向量機的故障診斷

5．7．3 案例分析

5．8 小結

參考文獻

第6章 基於幾何空間變換與形態識別的性能衰退預測評估

6．1 引言

6．2 健康流形空間中性能衰退預測的啟示與幾何概念

6．2．1 經典物理學與數學相關概念

6．2．2 性能衰退的背景流形空間猜想：閔氏時空

6．2．3 健康流形空間中性能衰退預測的基本概念

6．3 健康流形的本徵維數確定

6．3．1 健康流形本徵維度估計的多尺度幾何方法

6．3．2 基於k近鄰圖的健康流形本徵維度估計

6．3．3 基於Packing numbers的健康流形本徵維度估計

6．4 高維背景流形空間維數確定

6．4．1 坐標主體信息損失度量方法

6．4．2 基於局部幾何信息全局最佳化及坐標主體信息損失度量的方法

6．5 高維流形空間向健康流形空間的映射構建

6．5．1 基於等距映射的健康流形空間構建

6．5．2 基於拉普拉斯特徵映射的健康流形空間構建

6．5．3 基於改進局部線性嵌入的健康流形空間構建

6．6 變工況條件下健康流形空間中性能衰退預測

6．6．1 高維背景流形空間中健康流形與性能衰退軌跡

6．6．2 仿射變換及仿射關係建立

6．6．3 基於樣本總體與個體信息的健康時空圖構建

6．6．4 案例分析

6．7 完全截斷數據條件下健康流形空間中性能衰退預測

6．7．1 高維背景流形空間中截斷數據的流形結構

6．7．2 健康流形空間中累積測地線的識別與預測

6．7．3 基於智慧型乘積限估計器的性能衰退預測幾何方法

6．7．4 案例分析

6．8 基於幾何圖形與形態識別的性能退化評估

6．8．1 動態時間規整：優勢與不足

6．8．2 基於時間規整的快速相似度搜尋方法

6，8．3 快速動態時空規整方法

6．8．4 案例分析

6．9 小結

參考文獻