内容简介
本书针对电力设备状态监测，立足于传统状态监测方法，深入探讨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进行结合论述，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。
展开全文
- 封面
- 书名页
- 内容提要
- 版权页
- 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
- 1.2.1 故障机理与征兆联系
- 1.2.2 信号处理与特征提取
- 1.2.3 智能识别诊断
- 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
- 2.1.1 汽轮发电机组振动机理及特征
- 1.转子振动机理基础
- 2.汽轮发电机组常见失效形式
- 2.1.2 风力发电机组齿轮振动机理及特征
- 1.齿轮失效机理及特征
- 2.常见失效形式
- 3.齿轮系统的故障特征频率
- 2.1.3 风力发电机组轴承振动机理及特征
- 1.轴承失效形式
- 2.轴承振动故障特征频率
- 3.轴承振动信号的一般形式
- 2.2 振动信号分类、描述与采集
- 2.2.1 振动信号的分类与描述
- 1.确定性信号
- 2.随机信号
- 3.信号的描述
- 2.2.2 振动信号的采集
- 1.传感器
- 2.调节器
- 3.放大器
- 4.滤波器
- 5.采样
- 2.2.3 振动实验台搭建
- 1.转子振动实验台
- 2.风力发电机组传动系统振动实验台
- 2.3 振动信号特征提取
- 2.3.1 幅域特征
- 1.时域波形分析
- 2.相关分析
- 2.3.2 时域特征
- 2.3.3 频域特征
- 1.傅里叶级数
- 2.傅里叶变换
- 2.3.4 时频特征
- 1.小波分析
- 2.经验模态分解及希尔伯特变换
- 3.希尔伯特振动分解法
- 4.Wigner-Ville分布
- 2.3.5 图像特征
- 1.轴心轨迹图像特征
- 2.SDP图像特征
- 2.4 基于机器学习的状态识别方法
- 2.4.1 支持向量机
- 2.4.2 基于SVM的状态识别方法算例分析
- 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
- 3.2.1 KL-HVD方法
- 3.2.2 KL散度方法与其他方法的对比研究
- 3.2.3 高斯混合模型聚类方法
- 3.2.4 基于GMM的KL-HVD方法阈值研究
- 3.3 基于KL-HVD的实验研究
- 3.4 小结
- 第4章 低基于深度学习的状态监测方法
- 4.1 深度学习与大数据
- 4.1.1 深度学习
- 4.1.2 反向传播算法
- 1.前向传播计算流程
- 2.反向传播计算流程
- 4.1.3 卷积神经网络
- 4.2 基于CNN图像识别的状态识别方法
- 4.2.1 基于轴心轨迹图像的CNN状态识别模型
- 4.2.2 基于SDP图像的CNN状态识别模型
- 4.2.3 基于SDP融合特征图的CNN状态识别模型
- 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
- 5.2.1 状态识别方法研究
- 5.2.2 状态识别模型研究
- 1.不同采样频率信号的识别研究
- 2.不同转速信号的识别研究
- 5.3 基于最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
- 6.3.1 样本获取
- 6.3.2 MV-CNN结构研究
- 6.3.3 对比研究
- 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
- 7.1.1 前置全连接层
- 7.1.2 卷积-池化层
- 7.2 基于FV-DNN的振动状态识别方法及模型
- 7.2.1 基于FV-DNN的振动状态识别方法
- 7.2.2 FV-DNN振动状态识别模型
- 1.学习率及其衰减函数优化
- 2.全连接神经网络的设置
- 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
- 封底
展开全部
版权信息
出版社：中国电力出版社
出版时间：2022
作者：朱霄珣
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《电力设备振动状态智能监测方法及应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
出版时间：2022
作者：朱霄珣
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《电力设备振动状态智能监测方法及应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电力设备振动状态智能监测方法及应用
免费读 (VIP)