滚动轴承全生命周期健康管理技术
全新正版 假一赔十 可开发票
￥ 56.15 7.2折 ￥ 78 全新
库存6件
北京东城
认证卖家担保交易快速发货售后保障
作者张天瑞 著
出版社冶金工业出版社
ISBN9787524000082
出版时间2024-10
装帧平装
开本其他
定价78元
货号1203461500
上书时间2024-12-13
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 绪论第2章 滚动轴承全生命周期健康管理模式与体系结构2.1 全生命周期的健康管理模式研究2.1.1 全生命周期的基本理论2.1.2 全生命周期的健康管理模式研究2.2 面向服务的滚动轴承健康管理的关键技术2.2.1 状态监测与预测评估技术2.2.2 故障诊断技术2.2.3 滚动轴承技术服务支持2.2.4 滚动轴承健康管理系统的面向服务架构技术2.3 滚动轴承全生命周期的健康管理系统体系结构2.3.1 系统的体系功能结构2.3.2 系统的概念模型2.3.3 系统的总体结构2.3.4 系统的逻辑结构2.4 本章小结第3章 相关理论与技术3.1 滚动轴承的基本构造与振动机理3.1.1 滚动轴承的基本构造3.1.2 滚动轴承的振动机理分析3.2 滚动轴承的失效类型、频率分析及健康判别方法3.2.1 滚动轴承的常见失效类型3.2.2 滚动轴承振动特征频率3.2.3 滚动轴承常见健康判别评估方法3.3 大数据基本理论3.3.1 大数据及大数据技术3.3.2 大数据及其工具应用现状3.3.3 Spark-大数据平台3.4 轴承健康管理模型所用主要算法基本原理3.4.1 飞鼠搜索算法（SSA）3.4.2 支持向量机（SVM）3.4.3 XGBoost3.4.4 一维卷积神经网络（1DCNN）3.4.5 深度残差收缩网络（DRSN）3.4.6 随机森林理论（RF）3.4.7 长短期记忆理论（LSTM）3.4.8 网格搜索优化3.5 试验仿真实验环境与数据来源3.5.1 凯斯西储（CWRU）滚动轴承故障数据集3.5.2 SpectraQuest滚动轴承故障数据集3.5.3 辛辛那提大学滚动轴承全寿命周期数据3.6 本章小结第4章 信号处理和特征提取过程4.1 信号降噪处理4.1.1 局部均值分解（LMD）过程4.1.2 LMD+FPA联合降噪过程4.1.3 变分模态分解（VMD）过程4.1.4 SSA优化VMD重要参数过程4.2 特征提取过程4.2.1 时域特征指标的提取4.2.2 频域特征指标的提取4.2.3 熵特征指标的提取4.3 信号降噪和主成分计算过程4.3.1 主成分计算（KPCA）算法构建流程4.3.2 核函数参数的选择4.3.3 LMD-FPA联合KPCA特征提取过程4.3.4 自适应VMD联合KPCA特征提取过程4.4 本章小结第5章 滚动轴承故障诊断模型5.1 轴承故障类型5.2 一维深度残差收缩网络模型5.3 SVM的参数寻优过程5.3.1 多分类支持向量机5.3.1 SVM模型的输入参数5.3.2 GS-PSO参数寻优过程5.3.2 SSA参数寻优过程5.4 基于SSA-SVM的轴承故障诊断模型5.5 基于改进XGBoost的轴承故障诊断模型5.6 基于一维深度残差收缩网络的滚动轴承故障诊断模型5.7 试验仿真与分析5.7.1 SSA-SVM故障诊断模型仿真分析5.7.2 改进XGBoost故障诊断模型仿真分析5.7.3 一维深度残差收缩网络故障诊断模型仿真分析5.8 本章小结第6章 滚动轴承的健康状态评估与剩余寿命预测模型6.1 LSTM内部单元机制6.1.1 LSTM门控制循环单元6.1.2 LSTM记忆细胞单元6.1.3 LSTM隐藏状态6.2 基于SSA-SVM的滚动轴承健康状态评估模型6.3 基于多层网格搜索的RF-LSTM的滚动轴承剩余寿命预测模型6.4 试验仿真与分析6.4.1 SSA-SVM健康状态评估仿真分析6.4.2 多层网格搜索的RF-LSTM的剩余寿命预测仿真分析6.5 本章小结参考文献
内容摘要
本书分析了在滚动轴承全生命周期内进行健康管理的必要性以及存在的问题等，分析了健康管理服务模式的转变以及健康管理在滚动轴承全生命周期中的角色，提出了基于全生命周期的滚动轴承健康管理理念；从功能结构、概念模型、总体结构、逻辑结构四个方面对滚动轴承全生命周期的健康管理系统体系结构进行了详细设计。主要内容包括：（1）相关技术发展和国内外研究现状分析；（2）滚动轴承全生命周期健康管理模式与体系结构；（3）大数据理论、模式所采用的主要算法原理及试验仿真数据环境研究；（4）针对滚动轴承的信号处理与特征提取过程进行分析；（5）滚动轴承的故障诊断模型构建方法；（6）健康管理中的健康状态评估与剩余寿命预测问题研究。
— 没有更多了 —
以下为对购买帮助不大的评价