掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
液體火箭發動機基于過程神經網絡故障預測理論與方法 版權信息
- ISBN：9787030798121
- 條形碼：9787030798121 ; 978-7-03-079812-1
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
液體火箭發動機基于過程神經網絡故障預測理論與方法 內容簡介
故障預測對保障液體火箭發動機安全、可靠地運行具有重要意義。隨著數據融合、數據挖掘和深度學習技術的快速發展，基于數據驅動的液體火箭發動機故障預測方法已成為這些年研究的重點。本書以大型氫氧火箭發動機為研究對象，按照“從總體框架到具體方法，從單一模型到組合模型，從單一算法到多算法集成，從理論分析到應用集成”的思路，系統梳理總結了以過程神經網絡為基礎，針對液體火箭發動機所獲得的故障預測方面的主要成果。
液體火箭發動機基于過程神經網絡故障預測理論與方法 目錄
目錄第1章 緒論1.1 引言 0011.2 故障預測的基本概念與內涵 0031.3 國內外研究現狀 0061.3.1 故障預測方法研究現狀 0061.3.2 PNN研究現狀 0131.3.3 故障預測的應用 016參考文獻 018第2章 PNN理論基礎2.1 引言 0272.2 PNN的理論基礎 0282.2.1 過程神經元 0282.2.2 過程神經網絡 0292.3 PNN學習算法 0322.3.1 基于梯度下降的PNN學習算法 0322.3.2 基于正交基展開的PNN學習算法 0342.3.3 LM學習算法 0362.4 幾種常用PNN的模型 0392.4.1 雙隱層過程神經網絡 0392.4.2 離散過程神經網絡 0412.4.3 小波過程神經網絡 0432.5 本章小結 045參考文獻 045第3章 基于PNN的LRE故障預測方法3.1 引言 0463.2 LRE故障預測通用框架與策略 0463.2.1 LRE故障預測的數學描述 0463.2.2 LRE廣義故障預測通用框架和策略 0493.3 LRE結構層次劃分方法 0523.3.1 LRE結構層次化分解方法 0523.3.2 LRE組件可用故障預測參數分析 0543.4 基于一般PNN的發動機故障預測方法 0563.4.1 故障預測 0563.4.2 故障隔離 0583.5 仿真驗證及結果分析 0593.5.1 試驗對象及其工作原理 0593.5.2 發動機組件劃分 0613.5.3 穩態過程故障預測 0643.5.4 啟動過程故障預測 0793.6 本章小結 088參考文獻 089第4章 基于增量學習的 PNN故障預測方法4.1 引言 0924.2 故障閾值自適應更新方法 0924.2.1 故障閾值更新算法原理 0934.2.2 故障閾值更新策略 0934.2.3 仿真驗證及結果分析 0944.3 基于權值更新的PNN預測方法 0984.3.1 暴力算法 0984.3.2 網絡輸出權值更新方法 0994.3.3 仿真驗證及結果分析 1044.4 基于輸出調節系數更新的PNN預測方法 1064.4.1 DHPNN模型 1074.4.2 輸出調節系數更新方法 1084.4.3 仿真驗證及結果分析 1124.5 本章小結 113參考文獻 114第5章 基于組合PNN的預測方法5.1 引言 1155.2 網絡泛化性能分析 1165.2.1 組合PNN泛化誤差分析 1165.2.2 單一網絡泛化性能分析 1165.3 基于組合PNN的預測方法 1225.3.1 網絡組合方法分析 1225.3.2 動態權重合成方法 1245.3.3 仿真驗證及結果分析 1285.4 基于誤差預測修正的預測方法 1295.4.1 誤差預測分析 1295.4.2 輸出調節系數更新方法 1305.4.3 仿真驗證及結果分析 1325.5 本章小結 135參考文獻 135第6章 基于樣本重構的PNN預測方法6.1 引言 1376.2 PNN樣本構造 1386.2.1 樣本預處理 1386.2.2 樣本重構 1416.2.3 樣本對PNN預測的影響分析 1426.3 基于多尺度分析的PNN預測方法 1456.3.1 多尺度分析方法 1456.3.2 多尺度并行PNN預測方法 1476.3.3 仿真驗證及結果分析 1496.4 基于數據分段的PNN預測方法 1526.4.1 數據分段預測方法 1536.4.2 輸出調節系數更新方法 1556.4.3 仿真驗證及結果分析 1556.5 本章小結 157參考文獻 157第7章 基于多方法集成的預測方法7.1 引言 1597.2 PNN樣本構造 1607.3 基于AdaBoost.RT框架的多方法集成預測 1617.3.1 基于AdaBoost.RT框架集成算法 1617.3.2 樣本重構 1637.3.3 基于增量學習的SVR預測方法 1677.3.4 仿真驗證及結果分析 1707.4 基于在線建模的集成預測方法 1727.4.1 在線建模方法分析 1727.4.2 在線集成預測方法 1747.4.3 仿真驗證及結果分析 1767.5 本章小結 178參考文獻 179第8章 發動機故障預測工具箱設計與實現8.1 引言 1818.2 工具箱設計理念與特點 1818.2.1 面向實際需求 1828.2.2 功能模塊化 1848.2.3 豐富的程序接口 1858.3 工具箱的實現 1858.3.1 硬件系統配置 1868.3.2 數據分析與預處理 1868.3.3 參數設置與方法選擇 1888.3.4 工具箱演示 1888.4 本章小結 190參考文獻 191
展開全部
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
中國歷史的瞬間
- >
山海經
- >
伯納黛特,你要去哪(2021新版)
- >
上帝之肋:男人的真實旅程
- >
姑媽的寶刀
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
龍榆生：詞曲概論/大家小書
本類暢銷
