商品簡介
作者簡介
名人/編輯推薦
目次
l概述
1.1發電設備智能故障診斷的意義
1.2國內外發展研究現狀分析
2發電設備故障數據預處理與特征提取
2.1數據預處理與特征提取方法
2.2嵌入式數據預處理與特征提取平臺
2.3基于FFT變換的發電設備數據預處理
2.4基于小波變換的發電設備故障特征提取
3汽輪發電機組軸心軌跡自動識別技術
3.1軸心軌跡自動識別框架設計
3.2基于一種粒子群模型的軸心軌跡提純
3.3基于不變矩的軸心軌跡特征提取 前言
l概述
1.1發電設備智能故障診斷的意義
1.2國內外發展研究現狀分析
2發電設備故障數據預處理與特征提取
2.1數據預處理與特征提取方法
2.2嵌入式數據預處理與特征提取平臺
2.3基于FFT變換的發電設備數據預處理
2.4基于小波變換的發電設備故障特征提取
3汽輪發電機組軸心軌跡自動識別技術
3.1軸心軌跡自動識別框架設計
3.2基于一種粒子群模型的軸心軌跡提純
3.3基于不變矩的軸心軌跡特征提取
3.4基于BP神經網絡的特征識別
3.5仿真實例研究
4基于神經網絡的發電設備智能故障診斷
4.1神經網絡的概述
4.2基于BP神經網絡的汽輪發電機組故障診斷
4.3基于RBF神經網絡的汽輪發電機組故障診斷
4.4基于CPN神經網絡的汽輪發電機組故障診斷
4.5基于概率神經網絡(PNN)的汽輪發電機組故障診斷
4.6基于小波神經網絡(WNN)的汽輪發電機組故障診斷
4.7基于模糊神經網絡(FNN)汽輪發電機組故障診斷
5主元分析與神經網絡集成的發電設備智能故障診斷
5.1集成診斷系統框架
5.2基于主元分析的特征向量降維
5.3GA-PSO-RBF神經網絡
5.4仿真測試研究
6基于信息融合的發電設備智能集成故障診斷
6.1信息融合的概述
6.2基于D-S證據理論的汽輪機故障診斷
6.3基于BP-RBF和D-S證據理論的汽輪機集成故障診斷
6.4基于PNN-RBF和證據理論的集成故障診斷
6.5基于WNN-PNN和證據理論的集成故障診斷
6.6基于灰色理論-PNN的汽輪發電機組集成故障診斷
6.7基于模糊集-BP和D-S證據理論凝汽器集成故障診斷
6.8基于BP-CPN和D-S證據理論的凝汽器集成故障診斷
7發電設備智能故障診斷系統應用研究
7.1基于嵌入式ARM的遠程數據采集系統
7.2基于LabVIEW的汽輪發電機組振動運行監測與故障診斷系統
7.3發電設備遠程狀態監測與智能故障診斷系統
參考文獻
主題書展
更多主題書展
更多書展本週66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。
特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。
無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。
為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。