大型旋转机械运行状态趋势预测
出版时间:
2011-03
版次:
1
ISBN:
9787030303998
定价:
75.00
装帧:
平装
开本:
16开
纸张:
胶版纸
页数:
381页
字数:
480千字
20人买过
-
机械系统运行状态的趋势预测技术是一种在故障发生前进行早期故障预示的现代技术。徐小力、王红军编著的《大型旋转机械运行状态趋势预测》面向大型旋转机械的安全运行，特别针对其长历程、变工况、非平稳状态，着重阐述了大型旋转机械运行状态趋势预测技术的新进展、新理论、新方法及新技术，对所提出的相关理论方法进行了实验研究和应用研究，并给出了一些相关的工程应用实例。《大型旋转机械运行状态趋势预测》所介绍的内容有利于预防设备事故发生，有助于实现设备科学维护。
《大型旋转机械运行状态趋势预测》可供高等院校、研究院所以及企业中从事机电系统运行状态监测、故障诊断与故障趋势预测等相关研究领域的科技人员使用参考，也可作为机械工程以及相关学科专业的教师、研究生和高年级本科生的教材或参考书。
序
前言
第1章 绪论
1.1 大型旋转机械运行状态及故障趋势预测的研究意义
1.2 大型旋转机械运行状态及故障趋势预测的相关研究进展
1.3 大型旋转机械运行状态及故障趋势预测的研究现状
1.4 本书研究的主要内容
参考文献
第2章 大型旋转机械运行状态及故障趋势预测的信号处理方法
2.1 状态及故障趋势预测中的平稳信号分析方法
2.2 状态及故障趋势预测中的非平稳信号分析方法
2.3 基于数学形态谱的趋势预测特征提取方法
2.4 基于循环平稳度的趋势预测特征提取方法
2.5 基于无量纲参数的趋势预测特征提取方法
2.6 基于经验模态分解的趋势预测特征提取方法
参考文献
第3章 基于模型的大型旋转机械运行状态及故障的趋势预测
3.1 基于模型的趋势预测研究描述
3.2 灰色预测
3.3 分离趋势项组合预测模型
3.4 基于振动频率分量敏感因子的趋势预测模型
3.5 基于隐马尔可夫模型的预测技术及其优化
3.6 设备趋势预测若干工程应用模型
3.7 分整差分函数系数自回归预测模型和三次holt指数平滑预测模型
参考文献
第4章 基于人工智能的大型旋转机械运行状态及故障的趋势预测
4.1 基于人工智能的趋势预测研究描述
4.2 人工神经网络及其趋势预测问题
4.3 人工神经网络趋势预测
4.4 基于新息加权的神经网络趋势预测方法
4.5 基于均值函数的新息加权神经网络趋势预测方法
4.6 变权重人工神经网络组合趋势预测方法
4.7 基于遗传算法的趋势预测
4.8 基于遗传算法的人工神经网络趋势预测方法
4.9 基于量子的人工神经网络故障趋势预测方法
参考文献
第5章 基于支持向量机的大型旋转机械运行状态及故障的趋势预测
5.1 基于支持向量机的趋势预测研究描述
5.2 支持向量机及其回归算法
5.3 基于支持向量机的预测模型
5.4 基于支持向量机的旋转注水机组振动烈度预测
5.5 支持向量机预测模型与自回归预测模型的比较
5.6 支持向量机的趋势预测与神经网络预测模型的比较
5.7 机械系统状态趋势预测的支持向量机组合模型
参考文献
第6章 基于混沌时间序列的大型旋转机械运行状态及故障的趋势预测
6.1 基于混沌时间序列的趋势预测研究描述
6.2 混沌与分形的基本理论
6.3 基于混沌理论的机电系统故障趋势预测技术
6.4 基于混沌的机电系统故障趋势预测方法
6.5 混沌趋势预测在大型烟气轮机故障趋势预测中的应用
参考文献
第7章 基于粗糙集和数据挖掘的大型旋转机械运行状态及故障的趋势预测
7.1 基于粗糙集和数据挖掘的趋势预测研究描述
7.2 基于粗糙集的趋势状态故障预测与知识提取
7.3 基于数据挖掘的大型旋转机械趋势预测知识获取
7.4 墓于趋势预测方法的自适应选择和决策优化模型
参考文献
第8章 基于数据的多变换域大型旋转机械运行状态及故障的趋势预测
8.1 基于数据的多变换域故障趋势预测研究描述
8.2 基于数据的多变换域非线性故障趋势预测
8.3 时频域的提升小波包故障敏感特征频带提取
8.4 拓扑域的基于流形学习方法的故障特征非线性降维
8.5 时域的动态自适应人工神经网络趋势预测方法
参考文献
第9章 大型旋转机械趋势预测的实验研究及系统集成
9.1 故障模拟转子实验台系统的构建及实验研究
9.2 基于实验台的旋转机械故障特征实验研究实例
9.3 基于远程网络的工业现场大型旋转机械故障预测系统
9.4 安全监测预测系统的集成研发
参考文献
第10章 大型旋转机械运行状态及故障的监测预测应用研究
10.1 大型旋转烟气轮机发电机组监测预测的应用研究
10.2 大型旋转多级分段式离心泵机组故障预报的应用研究
10.3 高档数控机床故障预报的应用研究
10.4 大型旋转—往复动力设备状态监测与故障预测研究
10.5 关键设备群智能健康物联网的构建
参考文献
-
内容简介:
机械系统运行状态的趋势预测技术是一种在故障发生前进行早期故障预示的现代技术。徐小力、王红军编著的《大型旋转机械运行状态趋势预测》面向大型旋转机械的安全运行，特别针对其长历程、变工况、非平稳状态，着重阐述了大型旋转机械运行状态趋势预测技术的新进展、新理论、新方法及新技术，对所提出的相关理论方法进行了实验研究和应用研究，并给出了一些相关的工程应用实例。《大型旋转机械运行状态趋势预测》所介绍的内容有利于预防设备事故发生，有助于实现设备科学维护。
《大型旋转机械运行状态趋势预测》可供高等院校、研究院所以及企业中从事机电系统运行状态监测、故障诊断与故障趋势预测等相关研究领域的科技人员使用参考，也可作为机械工程以及相关学科专业的教师、研究生和高年级本科生的教材或参考书。
-
目录:
序
前言
第1章 绪论
1.1 大型旋转机械运行状态及故障趋势预测的研究意义
1.2 大型旋转机械运行状态及故障趋势预测的相关研究进展
1.3 大型旋转机械运行状态及故障趋势预测的研究现状
1.4 本书研究的主要内容
参考文献
第2章 大型旋转机械运行状态及故障趋势预测的信号处理方法
2.1 状态及故障趋势预测中的平稳信号分析方法
2.2 状态及故障趋势预测中的非平稳信号分析方法
2.3 基于数学形态谱的趋势预测特征提取方法
2.4 基于循环平稳度的趋势预测特征提取方法
2.5 基于无量纲参数的趋势预测特征提取方法
2.6 基于经验模态分解的趋势预测特征提取方法
参考文献
第3章 基于模型的大型旋转机械运行状态及故障的趋势预测
3.1 基于模型的趋势预测研究描述
3.2 灰色预测
3.3 分离趋势项组合预测模型
3.4 基于振动频率分量敏感因子的趋势预测模型
3.5 基于隐马尔可夫模型的预测技术及其优化
3.6 设备趋势预测若干工程应用模型
3.7 分整差分函数系数自回归预测模型和三次holt指数平滑预测模型
参考文献
第4章 基于人工智能的大型旋转机械运行状态及故障的趋势预测
4.1 基于人工智能的趋势预测研究描述
4.2 人工神经网络及其趋势预测问题
4.3 人工神经网络趋势预测
4.4 基于新息加权的神经网络趋势预测方法
4.5 基于均值函数的新息加权神经网络趋势预测方法
4.6 变权重人工神经网络组合趋势预测方法
4.7 基于遗传算法的趋势预测
4.8 基于遗传算法的人工神经网络趋势预测方法
4.9 基于量子的人工神经网络故障趋势预测方法
参考文献
第5章 基于支持向量机的大型旋转机械运行状态及故障的趋势预测
5.1 基于支持向量机的趋势预测研究描述
5.2 支持向量机及其回归算法
5.3 基于支持向量机的预测模型
5.4 基于支持向量机的旋转注水机组振动烈度预测
5.5 支持向量机预测模型与自回归预测模型的比较
5.6 支持向量机的趋势预测与神经网络预测模型的比较
5.7 机械系统状态趋势预测的支持向量机组合模型
参考文献
第6章 基于混沌时间序列的大型旋转机械运行状态及故障的趋势预测
6.1 基于混沌时间序列的趋势预测研究描述
6.2 混沌与分形的基本理论
6.3 基于混沌理论的机电系统故障趋势预测技术
6.4 基于混沌的机电系统故障趋势预测方法
6.5 混沌趋势预测在大型烟气轮机故障趋势预测中的应用
参考文献
第7章 基于粗糙集和数据挖掘的大型旋转机械运行状态及故障的趋势预测
7.1 基于粗糙集和数据挖掘的趋势预测研究描述
7.2 基于粗糙集的趋势状态故障预测与知识提取
7.3 基于数据挖掘的大型旋转机械趋势预测知识获取
7.4 墓于趋势预测方法的自适应选择和决策优化模型
参考文献
第8章 基于数据的多变换域大型旋转机械运行状态及故障的趋势预测
8.1 基于数据的多变换域故障趋势预测研究描述
8.2 基于数据的多变换域非线性故障趋势预测
8.3 时频域的提升小波包故障敏感特征频带提取
8.4 拓扑域的基于流形学习方法的故障特征非线性降维
8.5 时域的动态自适应人工神经网络趋势预测方法
参考文献
第9章 大型旋转机械趋势预测的实验研究及系统集成
9.1 故障模拟转子实验台系统的构建及实验研究
9.2 基于实验台的旋转机械故障特征实验研究实例
9.3 基于远程网络的工业现场大型旋转机械故障预测系统
9.4 安全监测预测系统的集成研发
参考文献
第10章 大型旋转机械运行状态及故障的监测预测应用研究
10.1 大型旋转烟气轮机发电机组监测预测的应用研究
10.2 大型旋转多级分段式离心泵机组故障预报的应用研究
10.3 高档数控机床故障预报的应用研究
10.4 大型旋转—往复动力设备状态监测与故障预测研究
10.5 关键设备群智能健康物联网的构建
参考文献
查看详情
-
九品
北京市昌平区
平均发货23小时
成功完成率86.27%
-
八五品
四川省成都市
平均发货11小时
成功完成率93.31%
-
九五品
北京市东城区
平均发货33小时
成功完成率83.36%
-
九品
吉林省长春市
平均发货10小时
成功完成率92.28%
-
全新
广东省广州市
平均发货7小时
成功完成率88.71%
-
八五品
北京市昌平区
平均发货26小时
成功完成率91.21%
-
全新
广东省广州市
平均发货7小时
成功完成率88.71%
-
全新
广东省广州市
平均发货8小时
成功完成率86.08%
-
全新
河北省保定市
平均发货4小时
成功完成率96.53%
-
八五品
河北省保定市
平均发货4小时
成功完成率96.53%
-
全新
广东省广州市
平均发货7小时
成功完成率88.71%
-
九五品
浙江省杭州市
平均发货13小时
成功完成率89.62%
-
八五品
湖北省武汉市
平均发货6小时
成功完成率95.51%
-
八五品
北京市海淀区
平均发货18小时
成功完成率94.48%
-
2011-03 印刷
印次: 1
九品
北京市海淀区
平均发货38小时
成功完成率90.86%
-
九五品
北京市昌平区
平均发货17小时
成功完成率92.47%
-
九品
湖北省武汉市
平均发货10小时
成功完成率93.98%
-
九品
北京市大兴区
平均发货18小时
成功完成率94.03%
-
2011-03 印刷
九品
河北省廊坊市
平均发货30小时
成功完成率85.19%
占位居中
