基于数据驱动的工业设备故障诊断研究及其实现

《基于数据驱动的工业设备故障诊断研究及其实现》以数据驱动的工业设备故障诊断流程为主线， 系统介绍了信号采集与处理、特征选择与提取和故障识别与诊断等方面的知识， 并利用MATLAB 工具对相关技术进行研究。首先， 介绍了工业设备信号采集常用的传感器类型， 数据降噪和数据融合等预处理技术; 其次， 介绍了常用的特征选择与提取方法; 最后， 利用浅层神经网络和深度学习网络分别对常见的工业设备进行诊断。本书理论与实践相结合， 涉及理论内容均结合具体的实例给出相应的MATLAB 代码， 方便读者理解和掌握故障诊断领域相关的技术方法。
本书内容翔实、针对性强， 具有较高的研究价值。不仅适合高等院校机械工程、电气工程和人工智能等专业的学生学习， 对相关工程领域的技术人员也有较大的参考价值。

陈乐瑞，博士，毕业于西安交通大学电子与信息学部控制科学与工程专业，香港理工大学博士后（受香港ITF研发基金资助）。香港理工大学智能与虚拟现实技术（IVRT）实验室核心成员、美国电气和电子工程师学会会员、中国自动化学会会员。从事复杂系统故障诊断、大数据处理与分析、深度学习算法等领域研究。近年来，以第一作者身份发表 SCI、EI论文 15 篇，作为负责人主持省部级科研项目2 项，参与国家或省部级科研项目5项。受国际知名期刊邀请，担任 IEEE Transactions on Industrial Electronics、IEEE Transactions on Systems Man Cybernetics-Systems、Journal of Intelligent Manufacturing等多个期刊审稿人。

目    录

第1 章   绪论 / 001
1 1   研究背景和意义 / 001
1 2   故障诊断研究现状/003
1 3   故障诊断方法分类/005
1 4   基于数据驱动的故障诊断流程/022

第2 章   信号采集与处理 / 024
2 1   设备故障信号类型及采集方法/ 024
2 2   信号处理/ 033

第3 章   特征选择与提取 / 061
3 1   时域分析/ 061
3 2   频域分析// 072
3 3   时频域分析/ 086
3 4   基于 Volterra 核的非线性频谱分析/ 103

第4 章   故障识别与诊断 / 114
4 1   基于支持向量机的故障诊断方法及应用研究/ 114
4 2   基于人工神经网络的故障诊断方法及应用研究/ 136
4 3   基于卷积神经网络的故障诊断方法及应用/ 161
4 4   基于堆栈自编码神经网络的故障诊断方法及应用/ 176
4 5   基于深度置信网络的故障诊断方法及应用/ 186
4 6   基于长短时记忆神经网络的故障诊断方法及应用/ 193

第5 章   挑战与展望/ 202
5 1   挑战/ 202
5 2   展望/ 202

参考文献/ 204