☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

《機器學習視角的結構健康監測》針對結構健康監測的特點，將統計模式識彆引入健康監測問題中，從而建立該類問題的有效解決框架。內容包括結構響應信號的傳感和采集、損傷敏感特徵分析、結構異常診斷、基於統計模式識彆方法的損傷診斷、結構狀態評估。《機器學習視角的結構健康監測》的編寫力求理論與工程實踐相結閤，提供瞭大量的應用範例供參考。

目錄

目錄
第1章 緒論 1
1.1 工程師與科學傢如何研究損傷 2
1.2 發展SHM技術的原因 3
1.3 損傷定義 4
1.4 SHM統計模式識彆範例 6
1.4.1 運營評估 9
1.4.2 數據采集 9
1.4.3 數據歸一化 9
1.4.4 數據淨化 10
1.4.5 數據壓縮 10
1.4.6 數據融閤 10
1.4.7 特徵提取 10
1.4.8 特徵判彆的統計建模 11
1.5 局部與整體損傷診斷 11
1.6 結構健康監測的基本公理 12
1.7 本書采用的方法 13
參考文獻 13
第2章 研究曆史迴顧 15
2.1 鏇轉機械應用 15
2.1.1 鏇轉機械的運營評估 16
2.1.2 鏇轉機械的數據采集 16
2.1.3 鏇轉機械特徵值的提取 17
2.1.4 鏇轉機械損傷診斷的統計建模 18
2.1.5 鏇轉機械狀態監測的結論意見 18
2.2 海洋石油平颱 19
2.2.1 海洋平颱運營評估 20
2.2.2 海洋平颱數據采集 21
2.2.3 海洋平颱特徵值提取 21
2.2.4 海洋平颱統計學建模 22
2.2.5 海洋石油平颱結構健康監測研究的經驗教訓 22
2.3 航空航天結構 22
2.3.1 航空航天結構的運營評估 25
2.3.2 航空航天結構的數據采集 26
2.3.3 航空航天結構的特徵提取和統計建模 27
2.3.4 用於航空航天SHM應用的統計模型 28
2.3.5 關於航空航天SHM應用的結論性意見 28
2.4 土木工程基礎設施 29
2.4.1 橋梁結構的運營評價 30
2.4.2 橋梁結構的數據采集 31
2.4.3 以模態屬性為基礎的特徵 32
2.4.4 土木工程基礎設施的特徵統計分類 32
2.4.5 橋梁結構應用 33
2.5 小結 33
參考文獻 34
第3章 運營評估 42
3.1 結構健康監測的經濟和壽命安全理由 42
3.2 定義待檢測的損傷 43
3.3 運營和環境條件 44
3.4 數據采集限製 44
3.5 運營評估實例：橋梁監測 45
3.6 運營評估實例：風力發電機 47
3.7 運營評估總結 48
參考文獻 48
第4章 傳感與數據采集 49
4.1 簡介 49
4.2 SHM的傳感與數據采集係統策略 49
4.2.1 策略Ⅰ 50
4.2.2 策略Ⅱ 50
4.3 傳感和數據采集的概念挑戰 51
4.4 應采集什麼類型的數據？ 52
4.4.1 動態輸入和響應量 52
4.4.2 其他損傷敏感物理量 54
4.4.3 環境量 54
4.4.4 運營量 55
4.5 目前的SHM傳感係統 55
4.5.1 有綫係統 55
4.5.2 無綫係統 56
4.6 傳感器網絡範例 58
4.6.1 直接連接到中央處理設備的傳感器陣列 59
4.6.2 跳頻連接的分布式處理 59
4.6.3 混閤連接的分布式處理 60
4.7 未來的傳感網絡範例 61
4.8 定義傳感器係統特性 63
4.8.1 所需靈敏度及量程 64
4.8.2 所需帶寬及頻率分辨率 64
4.8.3 傳感器數量和位置 64
4.8.4 傳感器標定、穩定性和可靠性 65
4.9 定義數據采樣參數 67
4.10 定義數據采集係統 67
4.11 主動與被動傳感 68
4.12 多尺度傳感 69
4.13 傳感器係統的供電 69
4.14 信號調理 70
4.15 傳感器和作動器優化 70
4.16 傳感器融閤 71
4.17 結構健康監測傳感和數據采集問題的總結 74
參考文獻 75
第5章 案例研究 79
5.1 I-40橋 79
5.1.1 初步測試和數據采集 81
5.1.2 完好狀態環境振動測試 81
5.1.3 強迫振動測試 83
5.2 混凝土柱 84
5.2.1 擬靜力加載 85
5.2.2 動態激勵 86
5.2.3 數據采集 87
5.3 自由度係統 88
5.3.1 物理參數 90
5.3.2 數據采集 90
5.4 模擬房屋結構 90
5.4.1 試驗過程與數據采集 91
5.4.2 測試數據 91
5.5 Alamosa峽榖大橋 93
5.5.1 試驗過程和數據采集 95
5.5.2 環境測量 96
5.5.3 研究模態特性變異所進行的振動試驗 96
5.6 Gnat飛機 97
5.6.1 用改造的檢查麵闆模擬損傷 97
5.6.2 用拆除檢測闆模擬損傷 101
參考文獻 104
第6章 概率統計導論 105
6.1 簡介 105
6.2 概率：基本定義 106
6.3 隨機變量及其分布 107
6.4 期望值 110
6.5 高斯分布(及其他分布) 114
6.6 多元統計 115
6.7 多元高斯分布 116
6.8 條件概率和貝葉斯定理 117
6.9 置信限與纍積分布函數 119
6.10 孤立點分析 122
6.10.1 單變量數據中的異常值 122
6.10.2 多元數據中的異常值 123
6.10.3 不一緻性臨界值或閾值計算 123
6.11 密度估計 123
6.12 極值統計 128
6.12.1 極值統計簡介 128
6.12.2 基本理論 128
6.12.3 極限分布的確定 131
6.13 降維——主成分分析 134
6.13.1 簡單投影 135
6.13.2 主成分分析 136
6.14 結論 138
參考文獻 138
第7章 損傷敏感特徵 140
7.1 特徵提取過程中常用的波形和譜函數 142
7.1.1 波形比較 143
7.1.2 自相關和互相關函數 143
7.1.3 功率譜和互功率譜密度函數 145
7.1.4 脈衝響應函數和頻率響應函數 147
7.1.5 相乾函數 148
7.1.6 關於波形和頻譜的一些評論 149
7.2 基本信號統計量 149
7.3 瞬態信號：時間矩 155
7.4 瞬態信號：衰減度量 157
7.5 聲發射特徵 159
7.6 SHM導波方法所用特徵 160
7.6.1 預處理 161
7.6.2 基準比較 161
7.6.3 損傷定位 162
7.7 用於阻抗測試的特徵 163
7.8 基本模態屬性 165
7.8.1 共振頻率簡介 166
7.8.2 特徵提取的正反建模方法 168
7.8.3 共振頻率：正方法 168
7.8.4 共振頻率：敏感性問題 168
7.8.5 振型 170
7.8.6 荷載相關Ritz嚮量 176
7.9 基本模態屬性的衍生特徵 178
7.9.1 模態麯率 178
7.9.2 模態應變能 180
7.9.3 模態柔度 184
7.10 模型修正方法 187
7.10.1 目標函數和約束 188
7.10.2 模態力誤差的直接解 189
7.10.3 最優矩陣修正方法 191
7.10.4 基於敏感性的修正方法 193
7.10.5 特徵結構配置法 196
7.10.6 混閤矩陣修正法 197
7.10.7 模型修正法的結論性意見 197
7.11 時間序列模型 198
7.12 特徵選擇 199
7.12.1 敏感性分析 200
7.12.2 信息量 202
7.12.3 魯棒性評估 204
7.12.4 優化過程 204
7.13 度量 204
7.14 結論性意見 204
參考文獻 205
第8章 基於綫性響應偏差的特徵 210
8.1 可産生非綫性係統響應的損傷類型 210
8.2 探索SHM非綫性係統識彆方法的動機 212
8.2.1 相乾函數 214
8.2.2 綫性和互反性檢驗 216
8.2.3 諧波畸變 221
8.2.4 頻率響應函數失真 223
8.2.5 概率密度函數 226
8.2.6 相關性檢驗 227
8.2.7 Holder指數 228
8.2.8 綫性時間序列預測誤差 232
8.2.9 非綫性時間序列模型 233
8.2.10 Hilbert變換 236
8.2.11 非綫性聲學方法 237
8.3 非綫性動力係統理論的應用 238
8.3.1 裂縫梁模擬為雙綫性係統 240
8.3.2 損傷梁的混沌訊問 242
8.3.3 局部吸引子方差 242
8.3.4 用局部吸引子方差診斷損傷 244
8.4 非綫性係統識彆方法 245
8.5 非綫性係統響應特徵提取的結論性意見 248
參考文獻 249
第9章 機器學習與統計模式識彆 253
9.1 簡介 253
9.2 智能損傷診斷 253
9.3 損傷識彆的數據處理和融閤 255
9.4 統計模式識彆：假設檢驗 257
9.5 統計模式識彆：一般框架 260
9.6 判彆函數和決策邊界 262
9.7 決策樹 263
9.8 訓練-極大似然 264
9.9 最近鄰分類 267
9.10 案例分析：聲發射試驗 267
9.10.1 主成分分析 269
9.10.2 訓練和驗證數據 270
9.10.3判彆分析和決策邊界 271
9.10.4 核判彆分析 273
9.11 總結 274
參考文獻 274
第10章 無監督學習——異常診斷 276
10.1 簡介 276
10.2 高斯分布的正常狀態——孤立點分析 277
10.3 非高斯正常狀態——神經網絡方法 279
10.4 非參數密度估計——案例研究 283
10.4.1 試驗結構和數據采集 284
10.4.2 數據與特徵預處理 286
10.4.3 異常診斷 287
10.5 統計過程控製 289
10.5.1 基於自迴歸模型的特徵提取 290
10.5.2 X-bar控製圖：試驗案例研究 291
10.6 其他控製圖和多元統計過程控製 295
10.6.1 S控製圖 295
10.6.2 纍積和圖概述 295
10.6.3 EWMA圖概述 296
10.6.4 Hotelling或ShewhartT 2 圖 296
10.6.5 多元纍積和圖 297
10.6.6 多元EWMA圖 297
10.7 異常診斷閾值 298
10.7.1 極值統計 298
10.7.2 Ⅰ型和Ⅱ型錯誤：ROC麯綫 302
10.8 小結 307
參考文獻 307
第11章 監督學習——分類與迴歸 309
11.1 簡介 309
11.2 人工神經網絡 309
11.2.1 生物性
機器學習視角的結構健康監測 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價

查看全網最低價