书城首页 › 当代 › 工业 › 时序健康指标驱动的旋转机械剩余寿命智能预测
当代·工业

时序健康指标驱动的旋转机械剩余寿命智能预测

正版保障多仓发货48小时内发货2-3天送达可开发票
¥107.89 定价 ¥149.00 7.2折 立省 ¥41.11
仅剩 5 件 全新
商品参数
书名
时序健康指标驱动的旋转机械剩余寿命智能预测
作者
秦毅 著
出版社
科学出版社
出版时间
2026-03-01
ISBN
9787030851109
货号
1204339001
品相
全新
分类
当代·工业
购物车(0)
商品参数
书名
时序健康指标驱动的旋转机械剩余寿命智能预测
作者
秦毅 著
出版社
科学出版社
出版时间
2026-03-01
ISBN
9787030851109
货号
1204339001
品相
全新
分类
当代·工业
作者简介▼

秦毅,重庆大学高端装备机械传动全国重点实验室教授,博士生导师,国家“万人计划”青年拔尖人才,首批重庆英才青年拔尖人才,重庆市学术技术带头人,IEEE高级会员,入选全球前2%顶尖科学家“终身科学影响力排行榜”。主要从事故障诊断与智能运维研究。承担国家级和省部级科研项目20余项。以第一作者/通讯作者在权威期刊上发表SCI论文146篇,其中中国科学院1区和TOP期刊论文94篇、ESI高被引论文22篇,论文被引用1万余次;获授权发明专利51项;出版学术专著1部。牵头获重庆市科技进步奖一等奖1项和重庆产学研创新成果奖一等奖1项,作为主要完成人获重庆市科技进步奖一等奖2项、教育部科学技术进步奖一等奖2项、中国自动化学会科学技术进步奖特等奖1项。担任IEEE Transactions on Instrumentation and Measurement、IEEE Sensors Journal等11个国内外期刊的副主编或编委,IEEE可靠性学会重庆分会副主席等。

目录▼

第1章 绪论 1

1.1 旋转机械剩余寿命预测的重要性 1

1.2 旋转机械剩余寿命预测方法 3

1.2.1 基于模式识别的剩余寿命预测方法 3

1.2.2 基于健康指标的剩余寿命预测方法 4

1.3 基于健康指标的剩余寿命预测研究现状 6

1.3.1 健康指标构建的研究现状 6

1.3.2 剩余寿命预测模型的研究现状 12

1.4 旋转机械健康指标性能评价指标 15

1.5 旋转机械剩余寿命预测性能评价指标 18

参考文献 21

第2章 机器学习基础知识 29

2.1 常用的机器学习方法 29

2.1.1 主成分分析 29

2.1.2 期望最大化算法 30

2.1.3 高斯混合模型 31

2.2 常用的神经网络 32

2.2.1 全连接神经网络 32

2.2.2 自编码器网络 36

2.2.3 卷积神经网络 39

2.2.4 循环神经网络 43

参考文献 48

第3章 数据融合健康指标构建方法 49

3.1 数据层次融合的健康指标构建方法 49

3.1.1 基于二次函数约束的深度卷积自编码器的健康指标构建方法 49

3.1.2 应用实例与对比分析 52

3.1.3 基于幂函数约束的多头自注意力自编码器的健康指标构建方法 56

3.1.4 应用实例与对比分析 60

3.2 特征层次融合的健康指标构建方法 62

3.2.1 变分自编码器的健康指标构建方法 62

3.2.2 退化趋势约束变分自编码器健康指标构建方法 67

3.2.3 应用实例与对比分析 70

参考文献 73

第4章 基于数据分布差异的健康指标构建方法 74

4.1 基于分布重合度的健康指标构建方法 74

4.1.1 分布重合度健康指标 74

4.1.2 分布重合度健康指标构建方法 78

4.1.3 应用实例与对比分析 78

4.2 数据分布特性完备匹配的健康指标构建方法 82

4.2.1 模型分量假设与数据分布特性匹配欠完备问题阐述 82

4.2.2 基于高斯-学生t分布混合模型的健康指标构建方法 85

4.2.3 应用实例与对比分析 86

4.3 多形态数据分布信息融合的健康指标构建方法 89

4.3.1 对数正态-正态混合模型 89

4.3.2 基于对数正态-正态混合模型的健康指标构建方法 92

4.3.3 应用实例与对比分析 93

参考文献 98

第5章 变工况健康指标构建方法 99

5.1 特征分布适配的跨恒定工况健康指标构建方法 99

5.1.1 二次函数约束的多尺度深度卷积自编码器模型 99

5.1.2 基于特征分布适配的健康指标迁移构建框架 100

5.1.3 应用实例与对比分析 101

5.2 基准转换神经网络的时变工况健康指标构建方法 103

5.2.1 基准转换神经网络的构建 103

5.2.2 基准转换神经网络的健康指标构建流程 106

5.2.3 应用实例与对比分析 108

5.3 退化特征解耦自编码器的时变工况健康指标构建方法 110

5.3.1 退化特征解耦损失函数 110

5.3.2 退化特征解耦自编码器 114

5.3.3 退化特征解耦学习网络的健康指标构建与异常检查流程 115

5.3.4 应用实例与对比分析 116

5.4 时变转速多项式归一化健康指标构建方法 120

5.4.1 指数混合模型 120

5.4.2 多项式转速归一化方法 121

5.4.3 时变转速下融合时域与频域分布信息的健康指标构建方法 123

5.4.4 应用实例与对比分析 124

参考文献 127

第6章 基于退化轨迹相似性的剩余寿命预测方法 129

6.1 基于相似性的剩余使用寿命预测方法原理及优化策略 129

6.1.1 基于相似性的剩余使用寿命预测方法原理 129

6.1.2 优化的相似性匹配规则 130

6.2 基于退化轨迹相似性的剩余寿命预测流程 134

6.3 应用实例与对比分析 134

6.3.1 涡扇发动机剩余寿命预测 134

6.3.2 风电齿轮箱轴承剩余寿命预测 139

参考文献 141

第7章 基于注意力机制的寿命预测网络 143

7.1 融合注意力机制的长短期记忆网络预测模型 143

7.1.1 偏心长短期记忆神经网络 143

7.1.2 基于宏微观注意力机制的长短期神经网络 146

7.1.3 时序健康指标驱动的剩余寿命预测流程 150

7.1.4 应用实例与对比分析 151

7.2 融合注意力机制的门控循环单元预测模型 154

7.2.1 门控注意力单元神经网络 154

7.2.2 门控双注意力单元神经网络 155

7.2.3 应用实例与对比分析 157

参考文献 159

第8章 门控多分层序信息自适应挖掘剩余寿命预测方法 160

8.1 基于注意力引导有序神经元的序信息挖掘剩余寿命预测方法 160

8.1.1 注意力引导有序神经元的长短期记忆神经网络 160

8.1.2 应用实例与对比分析 163

8.2 门控注意力自适应分层的机械传动部件剩余寿命预测方法 165

8.2.1 门控自适应分层注意力单元预测模型 166

8.2.2 应用实例与对比分析 169

8.3 门控信息多分层记忆增强的机械传动部件剩余寿命预测方法 172

8.3.1 门控信息多分层长期记忆增强网络模型 172

8.3.2 应用实例与对比分析 175

参考文献 177

第9章 退化特征增强的剩余寿命预测方法 178

9.1 强化记忆门控循环单元的剩余寿命预测方法 178

9.1.1 强化记忆门控循环单元预测模型 178

9.1.2 应用实例与对比分析 180

9.2 双线程门控循环单元的剩余寿命预测方法 184

9.2.1 双线程门控循环单元网络模型 184

9.2.2 应用实例与对比分析 186

参考文献 193

文摘▼

本书根据作者在旋转机械健康指标构建、剩余寿命预测等方面所取得的研究成果撰写而成,书中涵盖了时序健康指标驱动的旋转机械剩余寿命预测领域的前沿研究热点。全书系统地介绍了数据融合健康指标构建方法、基于数据分布差异的健康指标构建方法、变工况健康指标构建方法、基于退化轨迹相似性的剩余寿命预测方法、基于注意力机制的寿命预测网络、门控多分层信息自适应挖掘剩余寿命预测方法、退化特征增强的剩余寿命预测方法等最新成果。以上内容在航空、航天、交通、能源、制造等领域具有重要的学术价值和工程应用价值。

本书可供从事机械智能运维研究的高校教师、研究生等使用,同时可供从事旋转机械健康状态评估、早期故障预警和剩余寿命预测的科技工作者参考。

¥107.89
🛒购物车