Condition Monitoring Using Computational Intelligence Methods: Applications in Mechanical and Electrical Systems

ویرایش: 1 
نویسندگان: Tshilidzi Marwala (auth.)  
سری:  
ISBN (شابک) : 1447123794, 9781447123798 
ناشر: Springer-Verlag London 
سال نشر: 2012 
تعداد صفحات: 252 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 43,000



پایش شرایط با استفاده از روش‌های هوش محاسباتی، رویکردهای مختلف جمع‌آوری شده در زیر چتر هوش محاسباتی را ترویج می‌کند تا نشان دهد چگونه می‌توان از نظارت بر شرایط برای جلوگیری از خرابی تجهیزات و افزایش عمر مفید آن، به حداقل رساندن زمان از کار افتادگی و کاهش هزینه‌های نگهداری استفاده کرد. این متن تکنیک های مختلف پردازش سیگنال و پیش پردازش، موجک ها و تجزیه و تحلیل اجزای اصلی را معرفی می کند، به عنوان مثال، همراه با استفاده از آنها در نظارت بر وضعیت و جزئیات توسعه تکنیک های استخراج ویژگی موثر طبقه بندی شده به فرکانس، زمان، فرکانس و زمان را ارائه می کند. تجزیه و تحلیل دامنه سپس داده های تولید شده توسط این تکنیک ها را می توان برای طبقه بندی شرایط با استفاده از ابزارهایی مانند:

•

سیستم های فازی استفاده کرد. مجموعه های خشن و عصبی-خشن؛ شبکه های عصبی و بیزی؛ مدل های مخفی مارکوف و گاوسی. و ماشین های برداری را پشتیبانی می کند.

Condition Monitoring Using Computational Intelligence Methods promotes the various approaches gathered under the umbrella of computational intelligence to show how condition monitoring can be used to avoid equipment failures and lengthen its useful life, minimize downtime and reduce maintenance costs. The text introduces various signal-processing and pre-processing techniques, wavelets and principal component analysis, for example, together with their uses in condition monitoring and details the development of effective feature extraction techniques classified into frequency-, time-frequency- and time-domain analysis. Data generated by these techniques can then be used for condition classification employing tools such as:

•

fuzzy systems; rough and neuro-rough sets; neural and Bayesian networks;hidden Markov and Gaussian mixture models; and support vector machines.

Front Matter....Pages i-xv
Introduction to Condition Monitoring in Mechanical and Electrical Systems....Pages 1-25
Data Processing Techniques for Condition Monitoring....Pages 27-51
Multi-Layer Perceptron for Condition Monitoring in a Mechanical System....Pages 53-69
Bayesian Approaches to Condition Monitoring....Pages 71-89
The Committee of Networks Approach to Condition Monitoring....Pages 91-110
Gaussian Mixture Models and Hidden Markov Models for Condition Monitoring....Pages 111-130
Fuzzy Systems for Condition Monitoring....Pages 131-150
Rough Sets for Condition Monitoring....Pages 151-170
Condition Monitoring with Incomplete Information....Pages 171-188
Condition Monitoring Using Support Vector Machines and Extension Neural Networks Classifiers....Pages 189-210
On-line Condition Monitoring Using Ensemble Learning....Pages 211-226
Conclusion....Pages 227-230
Back Matter....Pages 231-235