دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: He Li, Weiwen Peng, Sidum Adumene, Mohammad Yazdi سری: Studies in Systems, Decision and Control, 473 ISBN (شابک) : 3031299612, 9783031299612 ناشر: Springer سال نشر: 2023 تعداد صفحات: 153 [154] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Intelligent Reliability and Maintainability of Energy Infrastructure Assets: به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب قابلیت اطمینان و نگهداری هوشمند داراییهای زیرساخت انرژی: نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب چندین رویکرد پیشرفته برای قابلیت اطمینان و نگهداری هوشمند داراییهای زیرساخت انرژی را بررسی و ارائه میکند. هر مدل معرفیشده، مطالعات موردی را ارائه میدهد که نشاندهنده راندمان، استحکام و کاربرد بالا است، و به خوانندگان این امکان را میدهد تا از آنها در قابلیت اطمینان هوشمند و قابلیت نگهداری حوزههای داراییهای زیرساخت انرژی استفاده کنند. این کتاب با مروری بر تحقیقات پیشرفته در مورد قابلیت اطمینان و قابلیت نگهداری داراییهای زیرساخت انرژی آغاز میشود و بر ابزارها و روشهای هوشمند پیشنهاد شده از دیدگاه کتابسنجی و بررسی ادبیات تأکید میکند. سپس به صورت منطقی پیشرفت میکند و فصلی را به هر رویکرد اختصاص میدهد، شبکه مدلسازی بیزی پویا، مدل شبکه عصبی کانولوشنال، شبکه سیامی کانولوشنال مبتنی بر میانگین جهانی، یک مدل احتمالی یکپارچه برای ارزیابی پیامد شکست و موارد دیگر. این کتاب مورد علاقه متخصصان و محققانی است که در قابلیت اطمینان و نگهداری و دانشجویان کارشناسی ارشد و کارشناسی مشغول مطالعه برنامه های کاربردی قابلیت اطمینان هوشمند و قابلیت نگهداری دارایی های زیرساخت انرژی هستند.
This book reviews and presents several advanced approaches to energy infrastructure assets\' intelligent reliability and maintainability. Each introduced model provides case studies indicating high efficiency, robustness, and applicability, allowing readers to utilize them in their understudy intelligent reliability and maintainability of energy infrastructure assets domains. The book begins by reviewing the state-of-the-art research on the reliability and maintainability of energy infrastructure assets and emphasizes the intelligent tools and methods proposed from a bibliometric and literature review point of view. It then progresses logically, dedicating a chapter to each approach, dynamic Bayesian modeling network, convolutional neural network model, global average pooling-based convolutional Siamese network, an integrated probabilistic model for the failure consequence assessment, and more. This book interests professionals and researchers working in reliability and maintainability and postgraduate and undergraduate students studying intelligent reliability applications and energy infrastructure assets\' maintainability.
Preface Contents 1 Advances in Intelligent Reliability and Maintainability of Energy Infrastructure Assets 1.1 Introduction 1.2 Data Collection and Data Source 1.3 Advances in Intelligent Reliability Investigations of Energy Infrastructure Assets 1.3.1 Bibliometric 1.3.2 Literature Review 1.4 Advances in Intelligent Maintainability Investigations of Energy Infrastructure Assets 1.4.1 Bibliometric 1.4.2 Literature Review 1.5 Discussions 1.6 Conclusions References 2 Cutting Edge Research Topics on System Safety, Reliability, Maintainability, and Resilience of Energy-Critical Infrastructures 2.1 Introduction 2.2 Research Methodology 2.3 Results and Discussions 2.4 Conclusion References 3 Operations Management of Critical Energy Infrastructure: A Sustainable Approach 3.1 Introduction 3.2 Methodology 3.2.1 Constructing a Dynamic Bayesian Network 3.2.2 Dynamic Bayesian Network Inference 3.2.3 Discretizing the Variables 3.2.4 Reliability Analysis of the Energy Infrastructure Under the Material Degradation Process 3.3 Application of Study 3.4 Conclusion References 4 An Improved LeNet-5 Convolutional Neural Network Supporting Condition-Based Maintenance and Fault Diagnosis of Bearings 4.1 Introduction 4.2 Preliminary 4.2.1 Convolutional Neural Network (CNN) 4.2.2 Time–Frequency Analysis of Vibration Signal 4.3 The Proposed Model for Bearing Fault Diagnosis 4.4 Case Study and Validation 4.4.1 Data Preprocessing 4.4.2 Results 4.5 Conclusion References 5 Using Global Average Pooling Convolutional Siamese Networks for Fault Diagnosis of Planetary Gearboxes 5.1 Introduction 5.2 Methods 5.2.1 Convolutional Siamese Networks Based on Global Average Pooling 5.2.2 GAPCSN-Based Fault Diagnosis 5.3 Illustrative Cases and Results 5.3.1 Data Description 5.3.2 Network Parameter Design 5.3.3 Model Training 5.3.4 Model Testing 5.3.5 Results 5.4 Conclusion References 6 Advances in Failure Prediction of Subsea Components Considering Complex Dependencies 6.1 Introduction 6.2 The Complexity of Subsea Components Failure 6.3 Recent Advances in Subsea Components Failure Assessment 6.3.1 Subsea Blowout Preventer (SBOP) 6.3.2 Subsea Pipelines 6.4 Further Considerations 6.5 Conclusions References 7 An Intelligent Cost-Based Consequence Model for Offshore Systems in Harsh Environments 7.1 Introduction 7.2 Dynamic Failure Assessment of Offshore System 7.2.1 Structural Learning Using Bayesian Network 7.2.2 Failure Consequence Analysis 7.3 Application and Results Analysis 7.3.1 UDC Propagation Prediction Under Unstable Influencing Factors 7.3.2 An Integrated Cost-Based Consequences Assessment 7.4 Conclusions References 8 A Sustainable Circular Economy in Energy Infrastructure: Application of Supercritical Water Gasification System 8.1 Introduction 8.1.1 Background: Circular Economy and Risk Management 8.1.2 Background: Circular Economy and Energy Infrastructure 8.1.3 Background: Energy Infrastructure and Risk Management 8.2 Discussion 8.3 Conclusion References 9 Attention Towards Energy Infrastructures: Challenges and Solutions 9.1 Introduction 9.2 The Identified Challenges of Energy Infrastructures 9.3 How to Deal with All Energy Infrastructure Challenges 9.4 What is the Main Role of Artificial Intelligence (AI) Utilization in Energy Infrastructure 9.5 Conclusion References