• 电力设备故障智能诊断技术
21年品牌 40万+商家 超1.5亿件商品

电力设备故障智能诊断技术

全新正版 极速发货

89.34 6.5折 138 全新

库存4件

广东广州
认证卖家担保交易快速发货售后保障

作者黄南天

出版社科学出版社

ISBN9787030727077

出版时间2022-07

装帧平装

开本其他

定价138元

货号1202706434

上书时间2024-06-09

曲奇书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
目录
前言

引入篇  电力设备关键部件机械故障诊断

第1章  绪论

1.1  研究背景及意义

1.2  断路器机械故障诊断研究综述

1.2.1  断路器机械故障诊断的监测对象

1.2.2  断路器振动信号处理方法

1.2.3  断路器状态识别方法的研究

1.3  风电机组机械故障诊断研究综述

1.3.1  风电机组传动系统故障诊断的监测对象

1.3.2  基于振动信号分析的风电机组传动系统故障诊断研究现状

1.3.3  风电机组传动系统状态识别方法研究现状

1.4  高压断路器机械故障诊断方案设计

1.4.1  高压断路器的基本结构及工作原理

1.4.2  高压断路器的常见机械故障

1.4.3  高压断路器机械故障诊断总体方案

1.5  风电机组传动系统机械故障诊断方案设计

1.5.1  风电机组传动系统基本结构和原理

1.5.2  风电机组传动系统常见机械故障

1.5.3  风电机组传动系统机械故障诊断总体方案

1.6  本章小结

参考文献

高压断路器篇  关键部件机械故障诊断

第2章  基于单类分类器的高压断路器机械故障诊断

2.1  基于S变换的高压断路器振动信号处理及特征提取

2.1.1  S变换

2.1.2  基于S变换的高压断路器振动信号处理

2.1.3  基于S变换时-频熵的高压断路器机械故障诊断特征提取

2.2  基于经验小波变换的高压断路器振动信号处理及特征提取

2.2.1  经验小波变换

2.2.2  经验小波变换与经验模态分解的对比

2.2.3  基于经验小波变换和时-频熵的断路器机械故障诊断特征提取

2.3  基于单类分类器的高压断路器机械故障诊断

2.3.1  单类分类器概述

2.3.2  基于单类支持向量机的高压断路器机械故障诊断

2.3.3  基于支持向量数据描述的高压断路器机械故障诊断

2.4  本章小结

参考文献

第3章  基于多层分类器的高压断路器机械故障诊断

3.1  高压断路器振动信号采集与特征提取

3.1.1  基于变分模态分解的断路器振动信号处理

3.1.2  基于局部奇异值分解的特征提取

3.2  基于多层分类器的故障分类方法研究

3.2.1  支持向量机和单类支持向量机原理

3.2.2  多层分类器的构建和诊断流程

3.3  高压断路器故障诊断实例分析

3.3.1  实测振动信号特征分析

3.3.2  诊断结果及分析

3.4  本章小结

参考文献

第4章  基于时域分割特征的断路器弹簧操动机构机械故障

4.1  基于时域分割的振动信号故障特征提取

4.1.1  基于时域分割的断路器振动信号处理

4.1.2  基于时域分割的时域特征提取

4.1.3  基于散布矩阵的特征分类能力分析

4.1.4  基于Gmi重要度的特征选择分析

4.1.5  基于时域分割特征的特征选择方案

4.2  基于层次化混合分类器的断路器机械故障分类

4.2.1  随机森林原理

4.2.2  基于时域分割的断路器机械故障诊断方案设计

4.3  基于实测振动信号的高压断路器机械故障诊断

4.3.1  实测振动信号特征分析

4.3.2  实验结果及分析

4.4  本章小结

参考文献

第5章  基于熵特征高效时域特征提取的高压断路器机械故障诊断

5.1  基于时域分割的特征提取

5.1.1  原始信号时域分割方式和依据

5.1.2  时域分割后的特征计算

5.2  特征选择

5.2.1  Split重要度值对特征分类能力的衡量效果

5.2.2  基于Split重要度值的前项特征选择

5.3  高压断路器高效故障诊断分类器的构建

5.3.1  梯度提升决策树

5.3.2  基于高压断路器振动信号时域特征的分类器构建

5.3.3  多线程并行直方图加速

5.3.4  带深度的Leaf-wise生长策略

5.4  案例分析

5.4.1  故障诊断流程

5.4.2  基于时域分割的特征提取效率分析

5.4.3  LightGBM分类器的分类效果分析

5.5  本章小结

参考文献

第6章  采用局部时-频奇异值与优化随机森林的高压断路器机械故障诊断

6.1  随机森林分类原理及优化

6.2  故障诊断流程

6.2.1  HVCBs故障诊断流程

6.2.2  基于虚拟仪器的实测信号采集系统

6.2.3  振动信号处理

6.2.4  局部奇异值分解提取特征

6.2.5  优化随机森林进行故障诊断

6.3  故障诊断实例分析

6.3.1  不同特征提取方式比较

6.3.2  不同分类器的比较

6.4  本章小结

参考文献

……

内容摘要
加强电力设备的状态监测和故障诊断,对保障电力生产设备的安全和稳定运行具有重要意义。电力设备故障智能诊断技术是多学科交叉渗透的综合性研究方向。本书首先介绍电力设备故障智能诊断的背景意义及国内外研究现状,然后介绍智能故障诊断的主要关键技术,如故障数据采集系统,故障数据预处理与特征提取,基于单类分类器、多层分类器、混合分类器、辅助分类生成对抗网络等多种智能故障诊断技术进行故障决策,最后针对几个实例介绍故障智能诊断技术的应用。

本书可供从事电力设备状态监测与故障诊断工作的科研人员和相关专业高校教师使用和参考,也可供电气、自动化、热能动力与机械类相关专业研究生和高年级本科生作为研究和参考。

—  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