• 铁路道岔转辙机故障诊断技术
图书条目标准图
21年品牌 40万+商家 超1.5亿件商品

铁路道岔转辙机故障诊断技术

全新正版未拆封

67.28 4.3折 158 全新

库存2件

湖南长沙
认证卖家担保交易快速发货售后保障

作者黄晋英;罗佳

出版社化学工业出版社

出版时间2024-05

版次1

装帧其他

上书时间2024-08-20

A小二郎书舍A

四年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
图书标准信息
  • 作者 黄晋英;罗佳
  • 出版社 化学工业出版社
  • 出版时间 2024-05
  • 版次 1
  • ISBN 9787122449856
  • 定价 158.00元
  • 装帧 其他
  • 开本 16开
  • 页数 297页
  • 字数 0.52千字
【内容简介】
本书面向科学发展前沿与工程迫切需求,以铁路道岔电液式转辙机及其关键部件柱塞泵为研究对象,按照“结构-技术-实例-系统”的逻辑主线,简要介绍铁路道岔转辙机故障诊断研究背景、意义及发展现状,基本结构原理和故障模式。基于转辙机油压信号和柱塞泵振动信号,重点研究信号处理、深度学习、迁移学习、连续学习、多特征信息融合等基础理论和核心技术,涵盖了特征提取、智能故障诊断、寿命预测等主要研究方法,最后形成基于道岔转辙机的故障诊断管理系统。所述内容兼具前沿性、创新性与工程实用性。本书结合了作者团队在铁路道岔转辙机故障诊断领域积累的十几年研究成果与近期新进展,适合从事系统智能故障诊断工作的技术人员阅读,也可作为高等学校相关专业师生的参考用书。
【作者简介】
黄晋英,中北大学教授/博士生导师,2010年毕业于北京理工大学兵器发射理论与技术专业获博士学位,2014年北京理工大学航空科学与技术专业博士后出站;2014-2016期间美国康涅狄格大学访问学者,主要研究方向为动态故障诊断与智能控制。并兼中国振动工程学会动态测试专业委员会理事,山西省振动工程学会常务理事,太原地区科技拔尖人才。作为骨干成员完成了3项国防预研项目、1项国防重点项目,作为二完成人完成了国家基金2项,山西省自然科学基金2项。作为项目负责人完成了山西省青年科学基金项目“车辆运动状态识别与运动控制研究”和山西省自然科学基金“基于盲源分离的齿轮箱故障信息增强技术研究”、“基于深度学习的铁路道岔转辙设备故障诊断技术研究”;山西省科技攻关项目“基于免疫机制与OMAP平台的嵌入式智能车辆运动控制”,山西省重点研发项目“大数据框架驱动下铁路道岔转辙关键设备智能检测诊断与健康管理”,并负责完成了20余项横向科研项目,参与相关的科研项目10余项。获教育部提名国家科技进步二等奖1项,山西省科技进步二等奖3项;山西省科技发明二等奖1项,国防科技进步三等奖2项,发明专利3项,以一作者发表论文20余篇,其中SCI收录4篇,EI收录14篇。作为副主编编写教材1部。近三年指导博士毕业3名,硕士毕业10名。
【目录】
第1章绪论001

1.1铁路道岔转辙机故障诊断研究背景及意义001

1.2铁路道岔转辙机故障诊断技术研究进展002

1.2.1基于解析模型的方法002

1.2.2基于信号处理的方法002

1.2.3基于人工智能的方法003

1.3铁路道岔转辙机故障诊断存在的问题与发展方向003

参考文献004

第2章道岔转辙机及关键部件007

2.1相关概念007

2.1.1道岔007

2.1.2液压道岔007

2.2道岔基本结构007

2.3转辙机基本结构及原理008

2.3.1基本结构008

2.3.2外锁闭装置工作原理010

2.3.3液压系统工作原理011

2.4柱塞泵基本结构及原理012

参考文献014

第3章转辙机故障诊断实验及油压信号特征提取015

3.1转辙机工作过程原理分析015

3.1.1道岔转辙机敏感参数分析015

3.1.2道岔转辙机工作过程油压信号分析016

3.2非现场道岔转辙机故障模拟实验017

3.2.1道岔转辙机故障模拟实验平台介绍017

3.2.2模拟故障设计017

3.2.3转辙机油压数据采集018

3.2.4转辙机故障油压信号分析019

3.3基于改进集成经验模态分解的转辙机故障特征提取021

3.3.1经验模态分解算法原理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图像的转辙机特征提取035

3.4.1ITD分解算法原理035

3.4.2SDP基本原理035

3.4.3图像特征提取036

3.5道岔转辙机故障状态监测037

3.5.1道岔转辙机故障状态监测算法038

3.5.2基于AOA-XGBoost道岔转辙机故障状态监测方法042

参考文献045

第4章柱塞泵故障诊断实验及振动信号特征提取047

4.1柱塞泵故障诊断实验047

4.1.1柱塞泵故障诊断实验平台搭建与数据采集047

4.1.2柱塞泵典型故障及故障机理052

4.1.3柱塞泵故障诊断实验设计056

4.2测点振动信号的故障特征参量提取056

4.2.1时频域特征参量057

4.2.2小波能量谱特征提取063

4.2.3双谱特征提取067

4.3基于VMD的故障振动信号时频分析法070

4.3.1变分模态分解VMD070

4.3.2VMD分解性能分析074

4.3.3VMD重要参数的选取078

4.3.4连续小波变换CWT080

4.3.5二维时频特征081

4.4改进的局部特征尺度分解法082

4.4.1局部特征尺度分解LCD082

4.4.2改进的局部特征尺度分解DMLCD084

4.4.3仿真实例085

4.4.4应用实例089

4.5基于ICEEMDAN的故障特征提取090

4.5.1自适应噪声的集成经验模态分解CEEMDAN090

4.5.2改进的自适应噪声完备集成经验模态分解ICEEMDAN091

4.5.3仿真实例092

4.5.4应用实例094

4.6基于精细复合多尺度散布熵的故障特征提取098

4.6.1灰色关联度098

4.6.2散布熵优化099

4.6.3精细复合多尺度散布熵RCMDE100

4.6.4应用实例101

4.7基于DMLCD与GRCMDE的故障特征提取103

4.7.1广义精细复合多尺度散布熵GRCMDE103

4.7.2GRCMDE与RCMDE性能对比分析104

4.7.3应用实例105

参考文献110

第5章道岔转辙机及柱塞泵智能故障诊断113

5.1基于改进SVM的故障诊断114

5.1.1支持向量机算法原理114

5.1.2核参数优化116

5.1.3应用实例121

5.2基于改进KELM的故障诊断132

5.2.1极限学习机算法原理132

5.2.2核极限学习机算法原理135

5.2.3算术优化算法136

5.2.4应用实例138

5.3基于卷积神经网络的故障诊断143

5.3.1卷积神经网络模型143

5.3.2DSCNN故障诊断149

5.3.3DS-ResNet故障诊断154

5.3.4CBAM-ResNet故障诊断157

5.3.5CNN-LSTM-Attention故障诊断164

5.3.6CNN-GRU故障诊断171

5.3.7GCN故障诊断175

5.3.8CNN预训练模型故障诊断189

参考文献200

第6章基于信息融合的道岔转辙机故障诊断204

6.1信息融合技术204

6.1.1信息融合定义205

6.1.2信息融合模型和结构206

6.1.3信息融合算法211

6.1.4信息融合关键问题213

6.2数据层信息融合的故障诊断应用实例214

6.2.1注意力机制214

6.2.2多通道信号集215

6.2.3基于注意力机制的多通道CNN模型215

6.3特征层信息融合的故障诊断应用实例220

6.3.1数据不平衡处理方法221

6.3.2双向门控循环单元223

6.3.3双通道特征融合的故障诊断模型224

6.4基于决策层信息融合的故障诊断模型229

6.4.1D-S证据理论230

6.4.2基于D-S证据理论的决策层融合诊断231

参考文献237

第7章基于连续学习的柱塞泵类增量故障诊断239

7.1连续学习相关理论240

7.1.1连续学习240

7.1.2元学习241

7.1.3连续学习基模型与WKN242

7.2基于权重空间元表示的类增量故障诊断方法243

7.2.1类增量故障诊断问题设置243

7.2.2改进WKN的基模型243

7.2.3基于权重空间元表示的连续学习方法245

7.2.4特定于诊断任务模型的重构与集成推理247

7.3柱塞泵类增量故障诊断应用实例249

7.3.1类增量故障诊断任务设置249

7.3.2权重空间元表示实验结果分析252

参考文献257

第8章柱塞泵剩余使用寿命预测260

8.1剩余使用寿命预测模型260

8.1.1多元HI构建模块261

8.1.2图注意力网络262

8.1.3K阶下三角邻接矩阵和HI特征图264

8.2应用实例264

8.2.1寿命数据采集264

8.2.2RUL预测区间划分265

8.2.3健康指标构建266

8.2.4RUL预测267

8.3不同构图法对GAT预测模块的影响269

8.4GAT预测模块性能评估270

参考文献270

第9章基于知识图谱的道岔转辙机故障诊断系统272

9.1知识图谱相关技术理论272

9.1.1知识图谱概述272

9.1.2自然语言处理273

9.1.3深度学习274

9.2转辙机故障诊断领域知识图谱的构建274

9.2.1知识图谱构建流程274

9.2.2本体构建275

9.2.3道岔转辙机故障记录文本相关实体抽取276

9.2.4实体对齐281

9.2.5信息拼接281

9.2.6知识图谱可视化282

9.3基于知识图谱的道岔转辙机故障诊断283

9.3.1基于知识图谱的智能问答283

9.3.2基于知识图谱的故障诊断288

9.4道岔转辙机故障诊断管理系统实现288

9.4.1系统功能需求288

9.4.2系统总体构架289

9.4.3数据库构建289

9.4.4系统功能实现291

参考文献296
点击展开 点击收起

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP