机械设备混合智能故障诊断与预测

作者简介

徐增丙，副教授，博士研究生。1998.9—2002.6，本科毕业于武汉科技大学；2002.9—2005.6，硕士毕业于武汉科技大学；2005.9—2009.9，博士毕业于华中科技大学；2009.10—2013.11，三一重工股份有限公司；2013.11至今，武汉科技大学。主持国家自然科学基金青年项目和面上项目各1项、国家重点实验室开放项目1项、国防预研项目1项、企业横向课题6项；参与国家自然科学基金4项、973项目和863项目各1项；发表文章30余篇，SCI/EI收录20余篇；获省科技进步二等奖1项。已发表文章：[1]Ensemble Capsule Network with an Attention Mechanism for the Fault Diagnosis of Bearings from Imbalanced Data Samples,Zengbing Xu, Carman Ka Man Lee,Yaqiong Lv,sensors,2022,22,5543.[2]A Novel Fault Diagnosis Method of Rolling Bearing Based on Integrated Vision Transformer Model,Xinyu Tang,Zengbing Xu,and Zhigang Wang,sensors,2022,22,3878.[3]A Novel Attentional Feature Fusion with Inception Based on Capsule Network and Application to the Fault Diagnosis of Bearing with Small Data Samples,Zengbing Xu,Ying Wang,Wen Xiong and Zhigang Wang,machines,2022,10,789.

内容简介

故障诊断与预测是机械设备故障预测与健康管理的关键，也是保障机械设备安全稳定运行的基础。当前，数据驱动的故障智能诊断与预测方法因设备状态监测数据获取方便且不需关注机械设备故障机理而被广泛应用，一直是设备故障诊断领域的研究热点。 本书面向机械设备故障诊断，阐述了从无/有监督浅层机器学习到深度学习的混合智能诊断理论和方法，不仅可作为高等院校机械工程等专业教师、研究生参考学习，而且也可为科研机构及企业从事设备故障诊断、预测及维护等相关领域研究的科研人员提供参考。