前言
第1章 概述
1.1 状态监测的意义
1.2 国内外研究现状
1.3 主要研究内容
第2章 振动特征提取及诊断方法
2.1 电力设备振动机理
2.2 振动信号分类、描述与采集
2.3 振动信号特征提取
2.4 基于机器学习的状态识别方法
第3章 基于KL-HVD的信号特征提取方法
3.1 虚假分量问题
3.2 基于KL散度的HVD虚假分量识别方法
3.3 基于KL-HVD的实验研究
3.4 小结
第4章 基于深度学习的状态监测方法
4.1 深度学习与大数据
4.2 基于CNN图像识别的状态识别方法
4.3 实验研究
4.4 小结
第5章 基于一维卷积神经网络的振动状态识别
5.1 1D-CNN方法
5.2 基于1D-CNN的状态识别方法及模型研究
5.3 基于最优感知野的卷积核尺度优化研究
5.4 实验研究
5.5 小结
第6章 基于融合特征深度学习的振动状态识别
6.1 基于融合特征深度学习的状态识别方法
6.2 多特征向量卷积神经网络
6.3 实验研究
6.4 小结
第7章 基于全局一局部特征深度学习的振动状态识别
7.1 前置全连接深度神经网络方法
7.2 基于FV-DNN的振动状态识别方法及模型
7.3 实验研究
7.4 小结
第8章 结论与展望
8.1 结论
8.2 展望
参考文献