鐵路道岔轉(zhuǎn)轍機(jī)故障診斷技術(shù)

定　價(jià)：￥158.00

作　者：	黃晉英、羅佳等著
出版社：	化學(xué)工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥139.60)

ISBN：	9787122449856	出版時(shí)間：	2024-05-01	包裝：	平裝
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本書面向科學(xué)發(fā)展前沿與工程迫切需求，以鐵路道岔電液式轉(zhuǎn)轍機(jī)及其關(guān)鍵部件柱塞泵為研究對(duì)象，按照“結(jié)構(gòu)-技術(shù)-實(shí)例-系統(tǒng)”的邏輯主線，簡要介紹鐵路道岔轉(zhuǎn)轍機(jī)故障診斷研究背景、意義及發(fā)展現(xiàn)狀，基本結(jié)構(gòu)原理和故障模式?；谵D(zhuǎn)轍機(jī)油壓信號(hào)和柱塞泵振動(dòng)信號(hào)，重點(diǎn)研究信號(hào)處理、深度學(xué)習(xí)、遷移學(xué)習(xí)、連續(xù)學(xué)習(xí)、多特征信息融合等基礎(chǔ)理論和核心技術(shù)，涵蓋了特征提取、智能故障診斷、壽命預(yù)測(cè)等主要研究方法，最后形成基于道岔轉(zhuǎn)轍機(jī)的故障診斷管理系統(tǒng)。所述內(nèi)容兼具前沿性、創(chuàng)新性與工程實(shí)用性。本書結(jié)合了作者團(tuán)隊(duì)在鐵路道岔轉(zhuǎn)轍機(jī)故障診斷領(lǐng)域積累的十幾年研究成果與最新進(jìn)展，適合從事系統(tǒng)智能故障診斷工作的技術(shù)人員閱讀，也可作為高等學(xué)校相關(guān)專業(yè)師生的參考用書。

作者簡介

　　黃晉英，中北大學(xué)教授/博士生導(dǎo)師，2010年畢業(yè)于北京理工大學(xué)兵器發(fā)射理論與技術(shù)專業(yè)獲博士學(xué)位，2014年北京理工大學(xué)航空科學(xué)與技術(shù)專業(yè)博士后出站；2014-2016期間美國康涅狄格大學(xué)訪問學(xué)者，主要研究方向?yàn)閯?dòng)態(tài)故障診斷與智能控制。并兼中國振動(dòng)工程學(xué)會(huì)動(dòng)態(tài)測(cè)試專業(yè)委員會(huì)理事，山西省振動(dòng)工程學(xué)會(huì)常務(wù)理事，太原地區(qū)科技拔尖人才。作為骨干成員完成了3項(xiàng)國防預(yù)研項(xiàng)目、1項(xiàng)國防重點(diǎn)項(xiàng)目，作為二完成人完成了國家基金2項(xiàng)，山西省自然科學(xué)基金2項(xiàng)。作為項(xiàng)目負(fù)責(zé)人完成了山西省青年科學(xué)基金項(xiàng)目“車輛運(yùn)動(dòng)狀態(tài)識(shí)別與運(yùn)動(dòng)控制研究”和山西省自然科學(xué)基金“基于盲源分離的齒輪箱故障信息增強(qiáng)技術(shù)研究”、“基于深度學(xué)習(xí)的鐵路道岔轉(zhuǎn)轍設(shè)備故障診斷技術(shù)研究”；山西省科技攻關(guān)項(xiàng)目“基于免疫機(jī)制與OMAP平臺(tái)的嵌入式智能車輛運(yùn)動(dòng)控制”，山西省重點(diǎn)研發(fā)項(xiàng)目“大數(shù)據(jù)框架驅(qū)動(dòng)下鐵路道岔轉(zhuǎn)轍關(guān)鍵設(shè)備智能檢測(cè)診斷與健康管理”，并負(fù)責(zé)完成了20余項(xiàng)橫向科研項(xiàng)目，參與相關(guān)的科研項(xiàng)目10余項(xiàng)。獲提名國家科技進(jìn)步二等獎(jiǎng)1項(xiàng)，山西省科技進(jìn)步二等獎(jiǎng)3項(xiàng)；山西省科技發(fā)明二等獎(jiǎng)1項(xiàng)，國防科技進(jìn)步三等獎(jiǎng)2項(xiàng)，發(fā)明專利3項(xiàng)，以一作者發(fā)表論文20余篇，其中SCI收錄4篇，EI收錄14篇。作為副主編編寫教材1部。近三年指導(dǎo)博士畢業(yè)3名，碩士畢業(yè)10名。

圖書目錄

第1章緒論 001
1.1　鐵路道岔轉(zhuǎn)轍機(jī)故障診斷研究背景及意義 001
1.2　鐵路道岔轉(zhuǎn)轍機(jī)故障診斷技術(shù)研究進(jìn)展 002
1.2.1　基于解析模型的方法 002
1.2.2　基于信號(hào)處理的方法 002
1.2.3　基于人工智能的方法 003
1.3　鐵路道岔轉(zhuǎn)轍機(jī)故障診斷存在的問題與發(fā)展方向 003
參考文獻(xiàn) 004
第2章道岔轉(zhuǎn)轍機(jī)及關(guān)鍵部件 007
2.1　相關(guān)概念 007
2.1.1　道岔 007
2.1.2　液壓道岔 007
2.2　道岔基本結(jié)構(gòu) 007
2.3　轉(zhuǎn)轍機(jī)基本結(jié)構(gòu)及原理 008
2.3.1　基本結(jié)構(gòu) 008
2.3.2　外鎖閉裝置工作原理 010
2.3.3　液壓系統(tǒng)工作原理 011
2.4　柱塞泵基本結(jié)構(gòu)及原理 012
參考文獻(xiàn) 014
第3章轉(zhuǎn)轍機(jī)故障診斷實(shí)驗(yàn)及油壓信號(hào)特征提取 015
3.1　轉(zhuǎn)轍機(jī)工作過程原理分析 015
3.1.1　道岔轉(zhuǎn)轍機(jī)敏感參數(shù)分析 015
3.1.2　道岔轉(zhuǎn)轍機(jī)工作過程油壓信號(hào)分析 016
3.2　非現(xiàn)場(chǎng)道岔轉(zhuǎn)轍機(jī)故障模擬實(shí)驗(yàn) 017
3.2.1　道岔轉(zhuǎn)轍機(jī)故障模擬實(shí)驗(yàn)平臺(tái)介紹 017
3.2.2　模擬故障設(shè)計(jì) 017
3.2.3　轉(zhuǎn)轍機(jī)油壓數(shù)據(jù)采集 018
3.2.4　轉(zhuǎn)轍機(jī)故障油壓信號(hào)分析 019
3.3　基于改進(jìn)集成經(jīng)驗(yàn)?zāi)B(tài)分解的轉(zhuǎn)轍機(jī)故障特征提取 021
3.3.1　經(jīng)驗(yàn)?zāi)B(tài)分解算法原理 021
3.3.2　基于信息熵的特征提取方法 027
3.3.3　基于核主成分分析（KPCA）的特征融合 031
3.4　基于ITD-SDP圖像的轉(zhuǎn)轍機(jī)特征提取 035
3.4.1　ITD分解算法原理 035
3.4.2　SDP基本原理 035
3.4.3　圖像特征提取 036
3.5　道岔轉(zhuǎn)轍機(jī)故障狀態(tài)監(jiān)測(cè) 037
3.5.1　道岔轉(zhuǎn)轍機(jī)故障狀態(tài)監(jiān)測(cè)算法 038
3.5.2　基于AOA-XGBoost道岔轉(zhuǎn)轍機(jī)故障狀態(tài)監(jiān)測(cè)方法 042
參考文獻(xiàn) 045
第4章柱塞泵故障診斷實(shí)驗(yàn)及振動(dòng)信號(hào)特征提取 047
4.1　柱塞泵故障診斷實(shí)驗(yàn) 047
4.1.1　柱塞泵故障診斷實(shí)驗(yàn)平臺(tái)搭建與數(shù)據(jù)采集 047
4.1.2　柱塞泵典型故障及故障機(jī)理 052
4.1.3　柱塞泵故障診斷實(shí)驗(yàn)設(shè)計(jì) 056
4.2　測(cè)點(diǎn)振動(dòng)信號(hào)的故障特征參量提取 056
4.2.1　時(shí)頻域特征參量 057
4.2.2　小波能量譜特征提取 063
4.2.3　雙譜特征提取 067
4.3　基于VMD的故障振動(dòng)信號(hào)時(shí)頻分析法 070
4.3.1　變分模態(tài)分解VMD 070
4.3.2　VMD分解性能分析 074
4.3.3　VMD重要參數(shù)的選取 078
4.3.4　連續(xù)小波變換CWT 080
4.3.5　二維時(shí)頻特征 081
4.4　改進(jìn)的局部特征尺度分解法 082
4.4.1　局部特征尺度分解LCD 082
4.4.2　改進(jìn)的局部特征尺度分解DMLCD 084
4.4.3　仿真實(shí)例 085
4.4.4　應(yīng)用實(shí)例 089
4.5　基于ICEEMDAN的故障特征提取 090
4.5.1　自適應(yīng)噪聲的集成經(jīng)驗(yàn)?zāi)B(tài)分解CEEMDAN 090
4.5.2　改進(jìn)的自適應(yīng)噪聲完備集成經(jīng)驗(yàn)?zāi)B(tài)分解ICEEMDAN 091
4.5.3　仿真實(shí)例 092
4.5.4　應(yīng)用實(shí)例 094
4.6　基于精細(xì)復(fù)合多尺度散布熵的故障特征提取 098
4.6.1　灰色關(guān)聯(lián)度 098
4.6.2　散布熵優(yōu)化 099
4.6.3　精細(xì)復(fù)合多尺度散布熵RCMDE 100
4.6.4　應(yīng)用實(shí)例 101
4.7　基于DMLCD與GRCMDE的故障特征提取 103
4.7.1　廣義精細(xì)復(fù)合多尺度散布熵GRCMDE 103
4.7.2　GRCMDE與RCMDE性能對(duì)比分析 104
4.7.3　應(yīng)用實(shí)例 105
參考文獻(xiàn) 110
第5章道岔轉(zhuǎn)轍機(jī)及柱塞泵智能故障診斷 113
5.1　基于改進(jìn)SVM的故障診斷 114
5.1.1　支持向量機(jī)算法原理 114
5.1.2　核參數(shù)優(yōu)化 116
5.1.3　應(yīng)用實(shí)例 121
5.2　基于改進(jìn)KELM的故障診斷 132
5.2.1　極限學(xué)習(xí)機(jī)算法原理 132
5.2.2　核極限學(xué)習(xí)機(jī)算法原理 135
5.2.3　算術(shù)優(yōu)化算法 136
5.2.4　應(yīng)用實(shí)例 138
5.3　基于卷積神經(jīng)網(wǎng)絡(luò)的故障診斷 143
5.3.1　卷積神經(jīng)網(wǎng)絡(luò)模型 143
5.3.2　DSCNN故障診斷 149
5.3.3　DS-ResNet故障診斷 154
5.3.4　CBAM-ResNet故障診斷 157
5.3.5　CNN-LSTM-Attention故障診斷 164
5.3.6　CNN-GRU故障診斷 171
5.3.7　GCN故障診斷 175
5.3.8　CNN預(yù)訓(xùn)練模型故障診斷 189
參考文獻(xiàn) 200
第6章基于信息融合的道岔轉(zhuǎn)轍機(jī)故障診斷 204
6.1　信息融合技術(shù) 204
6.1.1　信息融合定義 205
6.1.2　信息融合模型和結(jié)構(gòu) 206
6.1.3　信息融合算法 211
6.1.4　信息融合關(guān)鍵問題 213
6.2　數(shù)據(jù)層信息融合的故障診斷應(yīng)用實(shí)例 214
6.2.1　注意力機(jī)制 214
6.2.2　多通道信號(hào)集 215
6.2.3　基于注意力機(jī)制的多通道CNN模型 215
6.3　特征層信息融合的故障診斷應(yīng)用實(shí)例 220
6.3.1　數(shù)據(jù)不平衡處理方法 221
6.3.2　雙向門控循環(huán)單元 223
6.3.3　雙通道特征融合的故障診斷模型 224
6.4　基于決策層信息融合的故障診斷模型 229
6.4.1　D-S證據(jù)理論 230
6.4.2　基于D-S證據(jù)理論的決策層融合診斷 231
參考文獻(xiàn) 237
第7章基于連續(xù)學(xué)習(xí)的柱塞泵類增量故障診斷 239
7.1　連續(xù)學(xué)習(xí)相關(guān)理論 240
7.1.1　連續(xù)學(xué)習(xí) 240
7.1.2　元學(xué)習(xí) 241
7.1.3　連續(xù)學(xué)習(xí)基模型與WKN 242
7.2　基于權(quán)重空間元表示的類增量故障診斷方法 243
7.2.1　類增量故障診斷問題設(shè)置 243
7.2.2　改進(jìn)WKN的基模型 243
7.2.3　基于權(quán)重空間元表示的連續(xù)學(xué)習(xí)方法 245
7.2.4　特定于診斷任務(wù)模型的重構(gòu)與集成推理 247
7.3　柱塞泵類增量故障診斷應(yīng)用實(shí)例 249
7.3.1　類增量故障診斷任務(wù)設(shè)置 249
7.3.2　權(quán)重空間元表示實(shí)驗(yàn)結(jié)果分析 252
參考文獻(xiàn) 257
第8章柱塞泵剩余使用壽命預(yù)測(cè) 260
8.1　剩余使用壽命預(yù)測(cè)模型 260
8.1.1　多元HI構(gòu)建模塊 261
8.1.2　圖注意力網(wǎng)絡(luò) 262
8.1.3　K 階下三角鄰接矩陣和HI特征圖 264
8.2　應(yīng)用實(shí)例 264
8.2.1　壽命數(shù)據(jù)采集 264
8.2.2　RUL預(yù)測(cè)區(qū)間劃分 265
8.2.3　健康指標(biāo)構(gòu)建 266
8.2.4　RUL預(yù)測(cè) 267
8.3　不同構(gòu)圖法對(duì)GAT預(yù)測(cè)模塊的影響 269
8.4　GAT預(yù)測(cè)模塊性能評(píng)估 270
參考文獻(xiàn) 270
第9章基于知識(shí)圖譜的道岔轉(zhuǎn)轍機(jī)故障診斷系統(tǒng) 272
9.1　知識(shí)圖譜相關(guān)技術(shù)理論 272
9.1.1　知識(shí)圖譜概述 272
9.1.2　自然語言處理 273
9.1.3　深度學(xué)習(xí) 274
9.2　轉(zhuǎn)轍機(jī)故障診斷領(lǐng)域知識(shí)圖譜的構(gòu)建 274
9.2.1　知識(shí)圖譜構(gòu)建流程 274
9.2.2　本體構(gòu)建 275
9.2.3　道岔轉(zhuǎn)轍機(jī)故障記錄文本相關(guān)實(shí)體抽取 276
9.2.4　實(shí)體對(duì)齊 281
9.2.5　信息拼接 281
9.2.6　知識(shí)圖譜可視化 282
9.3　基于知識(shí)圖譜的道岔轉(zhuǎn)轍機(jī)故障診斷 283
9.3.1　基于知識(shí)圖譜的智能問答 283
9.3.2　基于知識(shí)圖譜的故障診斷 288
9.4　道岔轉(zhuǎn)轍機(jī)故障診斷管理系統(tǒng)實(shí)現(xiàn) 288
9.4.1　系統(tǒng)功能需求 288
9.4.2　系統(tǒng)總體構(gòu)架 289
9.4.3　數(shù)據(jù)庫構(gòu)建 289
9.4.4　系統(tǒng)功能實(shí)現(xiàn) 291
參考文獻(xiàn) 296