مجله علمی تفریحی بیبیس
0

دانلود کتاب تشخیص و پیش‌آگهی هوشمند خطا مبتنی بر داده‌های بزرگ برای سیستم‌های مکانیکی

بازدید 681
  • عنوان کتاب: Big Data-Driven Intelligent Fault Diagnosis and Prognosis for Mechanical Systems
  • نویسنده: Yaguo-Lei,-Naipeng-Li,-Xiang-Li
  • حوزه: کلان داده, تشخیص خطا
  • سال انتشار: 2023
  • تعداد صفحه: 292
  • زبان اصلی: انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 12.7 مگابایت

با افزایش تقاضا برای قابلیت اطمینان بالا، ایمنی عملیاتی تضمین شده و کاهش هزینه های تعمیر و نگهداری، تشخیص خطا و پیش آگهی برای سیستم های مکانیکی، که اجزای کلیدی در پیش آگهی و مدیریت سلامت (PHM) هستند، روز به روز اهمیت بیشتری پیدا می کنند. صنایع در دهه‌های گذشته، نظریه‌ها و روش‌های تشخیص و پیش‌آگهی با موفقیت برای سیستم‌های مکانیکی ایجاد شده‌اند که پیشرفت‌های صنایع مختلف از جمله صنایع تولیدی، هوانوردی و هوافضا، حمل‌ونقل، تولید انرژی و غیره را بیشتر ارتقا می‌دهند. داده ها اساس تشخیص و پیش آگهی هستند. با پیشرفت فناوری‌های سنجش، ذخیره‌سازی داده و محاسبات، کلان داده‌های سیستم‌های مکانیکی با افزایش قابل‌توجهی حجم داده، انواع داده‌ها، شدت داده‌ها و غیره در دسترس بوده و تشخیص و پیش‌آگهی را به عصر داده‌های بزرگ سوق می‌دهد. داده های بزرگ صنعتی فرصت های بزرگ و همچنین چالش های بزرگی را برای تشخیص و پیش آگهی سیستم های مکانیکی ایجاد می کند. نویدبخش شناسایی دقیق و پیش‌بینی وضعیت سلامت دستگاه از طریق تجزیه و تحلیل کلان داده است. در همین حال، نحوه پردازش موثر داده‌های عظیم صنعتی و آشفته هنوز دشوار است. در ادبیات فعلی، برخی از کتاب‌های موجود تلاش زیادی در زمینه تشخیص و پیش‌آگهی انجام داده‌اند. با این حال، تشخیص و پیش‌بینی خطای هوشمند مبتنی بر داده‌های بزرگ برای سیستم‌های مکانیکی هنوز یک موضوع تحقیقاتی نوپا و باز است. هدف این کتاب پر کردن این شکاف و ارائه اولین تلاش در ارائه آخرین پیشرفت‌ها در این زمینه از دو منظر دانشگاهی و مهندسی است. این کتاب حاوی توضیحاتی در مورد نظریه‌های اساسی در تشخیص و پیش‌آگهی عیب مکانیکی و همچنین تحقیقات پیشرفته در سال‌های اخیر است. تئوری ها و روش شناسی های ارائه شده همگی با اعتبار سنجی تجربی یا کاربردهای صنعتی در زمینه های مختلف نشان داده شده اند. انتظار می رود برای خوانندگانی که به نظریه ها و روش های اساسی و پیشرفته تشخیص و پیش آگهی برای سیستم های مکانیکی علاقه مند هستند، راهنمایی ارائه دهد. این کتاب می تواند به عنوان کتاب درسی برای دانشجویان کارشناسی ارشد و ارشد در رشته های مرتبط و همچنین مرجعی مهم برای مهندسین صنایع مورد استفاده قرار گیرد. آثار ارائه شده در این کتاب علاوه بر حوزه مهندسی مکانیک می‌تواند برای سایر حوزه‌های مرتبط با کلان داده مانند علوم کامپیوتر، مهندسی برق، علوم اتوماسیون، انرژی قدرت و غیره نیز مفید باشد. محتوای این کتاب بیشتر در دانشگاه Xi’an Jiaotong (XJTU)، P. R. چین تهیه شده است. مایلیم از همکارانمان، دکتر فنگ جیا، دکتر لیانگ گوو، دکتر بیائو وانگ و غیره که کمک های ارزشمندی در زمینه کارهای تحقیقاتی این کتاب ارائه کرده اند، صمیمانه تشکر کنیم. ما همچنین از این کتاب برای گرامیداشت یاد پروفسور ژنجیا هه که دکتری است استفاده می کنیم. سرپرست نویسنده اول، پروفسور یاگوئو لی. اگرچه او در سال 2013 از دنیا رفت و 8 سال است که ما را ترک کرده است، دیدگاه‌های آکادمیک آگاهانه او در مورد PHM هنوز راهنمای تحقیقات فعلی و آینده ما است. یاد و خاطره ما از او با گذشت زمان بیشتر و ارزشمندتر خواهد شد.

With the increasing demands for high reliability, ensured operating safety and reduc-tion of maintenance costs, fault diagnosis and prognosis for mechanical systems, which are the key components in prognostics and health management (PHM), are becoming more and more important in the modern industries. In the past decades, theories and methodologies of diagnosis and prognosis have been successfully estab-lished for mechanical systems, which further promote the developments of different industries, including manufacturing, aviation and aerospace industries, transporta-tion, energy production, etc. Condition monitoring data are the foundation of diag-nosis and prognosis. As the sensing, data storage, and computing technologies advance, the big data of mechanical systems have been available with significantly increased data volume, data types, data intensity, etc., propelling diagnosis and prognosis into the Big Data Era.

The industrial big data pose great opportunities as well as big challenges for diag-nosis and prognosis of mechanical systems. It is promising to accurately identify and predict the machine health conditions through analyzing the big data. Mean-while, how to effectively process the real industrial massive and messy data still remains difficult. In the current literature, some existing books have contributed much effort in the area of diagnosis and prognosis. However, the Big Data-Driven Intelligent Fault Diagnosis and Prognosis for Mechanical Systems is still a nascent and open research issue. This book aims at bridging this gap and offering the first attempt in presenting the latest advancements in this area from both the academic and engineering perspectives.

This book contains the descriptions of the fundamental theories in mechanical fault diagnosis and prognosis, as well as the cutting-edge research in the recent years. The presented theories and methodologies are all demonstrated by experimental valida-tions or industrial applications in different fields. It is expected to offer a guideline for readers who are interested in the basic and advanced theories and methodologies of diagnosis and prognosis for mechanical systems. This book can be used as a textbook for graduate and senior undergraduate students in the related disciplines, and also an important reference for industrial engineers. Besides the mechanical engineering area, the presented works in this book can also benefit the other big data-related areas, such as computer science, electric engineering, automation science, power energy, etc.

The contents of this book were mostly developed at Xi’an Jiaotong University (XJTU), P. R. China. We would like to express sincere gratitude to our colleagues, Dr. Feng Jia, Dr. Liang Guo, Dr. Biao Wang, etc., who have provided invaluable contributions on the research works in this book. We also use this book to cherish the memory of Prof. Zhengjia He, who is the Ph.D. supervisor of the first author, Prof. Yaguo Lei. Even though he passed away in 2013 and has left us for 8 years, his insightful academic viewpoints on PHM are still the guidelines for our current and future research. Our memory of him will become more and more precious as time goes.

این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

Download: Big Data-Driven Intelligent Fault Diagnosis and Prognosis for Mechanical Systems

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

بیشتر بخوانید