設(shè)備大數(shù)據(jù)

定　價(jià)：￥168.00

作　者：	鄭澤宇
出版社：	華中科技大學(xué)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) (￥126.00)

ISBN：	9787568094863	出版時(shí)間：	2023-08-01	包裝：	精裝
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　針對我國設(shè)備大數(shù)據(jù)相關(guān)研究剛剛起步的現(xiàn)狀，本書以設(shè)備健康管理為落腳點(diǎn)，從方法創(chuàng)新和探索應(yīng)用兩個方面對數(shù)據(jù)采集、存儲以及處理分析進(jìn)行了系統(tǒng)性介紹和闡釋。本書介紹了傳感器、PLC、工業(yè)網(wǎng)關(guān)等數(shù)據(jù)采集中比較重要的幾個部分，以及多種不同類型設(shè)備大數(shù)據(jù)的存儲方式。本書從模式識別、降維處理及分類與聚類三個方面介紹了設(shè)備大數(shù)據(jù)的分析方法，并利用實(shí)際工業(yè)過程中的四個案例講解了大數(shù)據(jù)為設(shè)備狀態(tài)分析帶來的新方法，力圖給設(shè)備健康領(lǐng)域的技術(shù)工程師、科研人員，以及對設(shè)備數(shù)據(jù)處理分析感興趣的人員，提供系統(tǒng)全面的設(shè)備大數(shù)據(jù)理論知識與應(yīng)用介紹。

作者簡介

　　鄭澤宇，男，漢族，日本文科省統(tǒng)計(jì)數(shù)理研究所博士，中國科學(xué)院沈陽自動化研究所研究員，博士研究生導(dǎo)師。中科院百人計(jì)劃A類，人工智能，大數(shù)據(jù)專家，國家重大專項(xiàng)課題負(fù)責(zé)人。先后在理化學(xué)研究所，新加坡國立大學(xué)等機(jī)構(gòu)工作，主要從事人工智能，大數(shù)據(jù)科研，發(fā)表論文近百篇，擅長工業(yè)領(lǐng)域大數(shù)據(jù)研究工作。

圖書目錄

第1章緒論/1
1.1設(shè)備大數(shù)據(jù)概述/1
1.2設(shè)備健康的“體魄”離不開大數(shù)據(jù)支持/3
1.3從波音事件看設(shè)備數(shù)據(jù)分析的重要性/4
1.4沒有大數(shù)據(jù)就無從談智能制造/6
1.5本書概況/8
本章參考文獻(xiàn)/10
第2章設(shè)備數(shù)據(jù)采集方法/12
2.1設(shè)備數(shù)據(jù)采集/12
2.1.1簡介/12
2.1.2數(shù)據(jù)采集方式/12
2.1.3數(shù)據(jù)采集常用模式/13
2.1.4設(shè)備數(shù)據(jù)采集系統(tǒng)/14
2.2設(shè)備數(shù)據(jù)采集的感覺器官——傳感器/15
2.2.1簡介/15
2.2.2傳感器的組成/16
2.2.3傳感器的分類/16
2.2.4傳感器的原理及特性/17
2.2.5常見傳感器簡介/17
2.3設(shè)備數(shù)據(jù)采集的神經(jīng)元——PLC/18
2.3.1簡介/18
2.3.2硬件基本結(jié)構(gòu)/19
2.3.3軟件結(jié)構(gòu)設(shè)計(jì)/20
2.3.4PLC的特點(diǎn)/21
2.3.5PLC的應(yīng)用領(lǐng)域/22
2.3.6常用的PLC/23
2.4工業(yè)網(wǎng)關(guān)/24
2.4.1工業(yè)網(wǎng)關(guān)的功能與特點(diǎn)/24
2.4.2工業(yè)網(wǎng)關(guān)的基本構(gòu)成/26
2.4.3工業(yè)網(wǎng)關(guān)的關(guān)鍵技術(shù)/31
2.5工業(yè)控制網(wǎng)絡(luò)/36
2.5.1集散控制系統(tǒng)/37
2.5.2現(xiàn)場總線控制系統(tǒng)/47
2.5.3監(jiān)控和數(shù)據(jù)采集系統(tǒng)/62
2.6工業(yè)控制系統(tǒng)的實(shí)際案例/70
2.6.1概述/70
2.6.2需求分析/71
2.6.3解決方案/72
2.7本章小結(jié)/78
本章參考文獻(xiàn)/78
設(shè)備大數(shù)據(jù)目錄第3章設(shè)備數(shù)據(jù)存儲方法/79
3.1設(shè)備大數(shù)據(jù)存儲簡介/79
3.2關(guān)系型數(shù)據(jù)庫/83
3.2.1Oracle數(shù)據(jù)庫/85
3.2.2MySQL數(shù)據(jù)庫/87
3.2.3Microsoft SQL Server數(shù)據(jù)庫/88
3.2.4PostgreSQL數(shù)據(jù)庫/90
3.2.5總結(jié)/91
3.3非關(guān)系型數(shù)據(jù)庫/93
3.3.1KeyValue數(shù)據(jù)庫/95
3.3.2文檔存儲數(shù)據(jù)庫/99
3.3.3列式存儲數(shù)據(jù)庫/101
3.3.4時(shí)序存儲數(shù)據(jù)庫/105
3.4本章小結(jié)/108
本章參考文獻(xiàn)/109
第4章深度學(xué)習(xí)方法/111
4.1卷積神經(jīng)網(wǎng)絡(luò)/112
4.1.1卷積神經(jīng)網(wǎng)絡(luò)的歷史與發(fā)展/112
4.1.2卷積神經(jīng)網(wǎng)絡(luò)的原理與常見應(yīng)用/113
4.1.3卷積神經(jīng)網(wǎng)絡(luò)常用模型/115
4.1.4卷積神經(jīng)網(wǎng)絡(luò)在設(shè)備大數(shù)據(jù)中的應(yīng)用/117
4.2循環(huán)神經(jīng)網(wǎng)絡(luò)/118
4.2.1神經(jīng)機(jī)器翻譯/119
4.2.2情感分析/121
4.2.3摘要生成/121
4.2.4循環(huán)神經(jīng)網(wǎng)絡(luò)在工業(yè)領(lǐng)域中的應(yīng)用/122
4.3自編碼器及其變種/125
4.3.1自編碼器介紹/125
4.3.2自編碼器與其他方法的比較/129
4.3.3自編碼器的應(yīng)用/131
4.4本章小結(jié)/136
本章參考文獻(xiàn)/136
第5章數(shù)據(jù)降維方法/146
5.1主成分分析法/146
5.1.1基本思想/146
5.1.2主要計(jì)算步驟/147
5.1.3主成分分析法的優(yōu)缺點(diǎn)/148
5.2tSNE算法/149
5.2.1算法思想/150
5.2.2算法舉例/152
5.2.3算法的優(yōu)缺點(diǎn)/155
5.2.4算法的應(yīng)用/155
5.2.5算法的改進(jìn)/156
5.3主成分追蹤/156
5.4魯棒主元分析/161
5.5低秩矩陣表示/163
5.6本章小結(jié)/164
本章參考文獻(xiàn)/164
第6章數(shù)據(jù)分類與聚類方法/168
6.1分類算法的背景及現(xiàn)狀/168
6.1.1背景/168
6.1.2國內(nèi)外研究現(xiàn)狀/168
6.2基本概念/169
6.3常用的算法詳述/170
6.3.1即時(shí)學(xué)習(xí)分類算法/170
6.3.2基于統(tǒng)計(jì)學(xué)的分類算法/171
6.3.3決策樹分類算法/177
6.4組合分類器/180
6.5聚類/183
6.5.1基本概念/184
6.5.2聚類算法的分類/186
6.6基于劃分的聚類算法/187
6.6.1Kmeans算法/187
6.6.2Kmodes算法/188
6.6.3PAM算法/189
6.6.4CLARA算法/189
6.6.5MMACA算法/190
6.7基于層次的聚類算法/191
6.7.1傳統(tǒng)的凝聚層次聚類算法/191
6.7.2改進(jìn)的凝聚層次聚類算法/192
6.7.3分裂層次聚類算法/193
6.8基于密度的聚類算法/193
6.8.1DBSCAN聚類算法/193
6.8.2OPTICS聚類算法/195
6.8.3DENCLUE聚類算法/196
6.8.4CLIQUE聚類算法/197
6.8.5DPC算法/198
6.9其他聚類算法/199
6.9.1模糊聚類算法/199
6.9.2基于圖論的聚類算法/201
6.9.3基于模型的聚類算法/201
6.9.4基于神經(jīng)網(wǎng)絡(luò)的聚類算法/202
6.10本章小結(jié)/204
本章參考文獻(xiàn)/204
第7章案例分析/213
7.1工業(yè)過程故障檢測與識別/213
7.1.1故障檢測和識別方法的分類/214
7.1.2基于模型的故障檢測和識別方法/215
7.1.3基于信號的故障檢測和識別方法/216
7.1.4基于人工智能的故障檢測和識別方法/217
7.1.5多層和網(wǎng)絡(luò)化工業(yè)過程中的故障檢測和識別/219
7.1.6仿真案例/220
7.1.7總結(jié)/225
7.2工業(yè)設(shè)備壽命預(yù)測/226
7.2.1引言/226
7.2.2時(shí)序卷積長短期記憶網(wǎng)絡(luò)/228
7.2.3數(shù)據(jù)規(guī)約方法/232
7.2.4實(shí)驗(yàn)數(shù)據(jù)/234
7.2.5實(shí)驗(yàn)及分析/238
7.2.6討論及建議/249
7.3數(shù)據(jù)驅(qū)動技術(shù)在載人深潛器設(shè)備管理中的應(yīng)用/249
7.3.1案例背景/249
7.3.2技術(shù)框架/252
7.3.3應(yīng)用結(jié)果/259
7.3.4小結(jié)討論/283
7.4主成分追蹤在高爐煉鐵故障檢測中的應(yīng)用/284
7.4.1案例背景/284
7.4.2技術(shù)框架/287
7.4.3應(yīng)用結(jié)果/294
7.4.4小結(jié)討論/299
7.5本章小結(jié)/299
本章參考文獻(xiàn)/300