您好,欢迎来到聚文网。 登录 免费注册
电力设备振动状态智能监测方法及应用

电力设备振动状态智能监测方法及应用

  • 字数: 202000
  • 装帧: 平装
  • 出版社: 中国电力出版社
  • 出版日期: 2022-05-01
  • 商品条码: 9787519867621
  • 版次: 1
  • 开本: 16开
  • 页数: 128
  • 出版年份: 2022
定价:¥38 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书立足于传统状态监测方法,针对电力设备状态监测深入探讨了状态特征的提取方法;同时,致力于研究基于深度学习的电力设备运行状态智能监测方法,首次将振动状态识别与深度学习方法结合论述,详细研究探索了用于振动状态识别的深度学习模型结构、融合特征学习、图像化识别诊断等关键问题。 本书可供高等学校相关专业学生选用,也可供从事振动状态监测智能化、信息化的研究人员学习参考。
目录
前言
第1章 概述
1.1 状态监测的意义
1.2 国内外研究现状
1.3 主要研究内容
第2章 振动特征提取及诊断方法
2.1 电力设备振动机理
2.2 振动信号分类、描述与采集
2.3 振动信号特征提取
2.4 基于机器学习的状态识别方法
第3章 基于KL-HVD的信号特征提取方法
3.1 虚假分量问题
3.2 基于KL散度的HVD虚假分量识别方法
3.3 基于KL-HVD的实验研究
3.4 小结
第4章 基于深度学习的状态监测方法
4.1 深度学习与大数据
4.2 基于CNN图像识别的状态识别方法
4.3 实验研究
4.4 小结
第5章 基于一维卷积神经网络的振动状态识别
5.1 1D-CNN方法
5.2 基于1D-CNN的状态识别方法及模型研究
5.3 基于很优感知野的卷积核尺度优化研究
5.4 实验研究
5.5 小结
第6章 基于融合特征深度学习的振动状态识别
6.1 基于融合特征深度学习的状态识别方法
6.2 多特征向量卷积神经网络
6.3 实验研究
6.4 小结
第7章 基于全局-局部特征深度学习的振动状态识别
7.1 前置全连接深度神经网络方法
7.2 基于FV-DNN的振动状态识别方法及模型
7.3 实验研究
7.4 小结
第8章 结论与展望
8.1 结论
8.2 展望
参考文献

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网