乘客电梯机械故障智能预判方法

第1章 绪论 1.1 研究背景与意义 1.2 国内外电梯故障诊断与预判研究现状 1.3 主要研究内容及结构安排 第2章 电梯关键零部件性能退化状态确定 2.1 引言 2.2 经典K-means算法 2.3 K-means聚类算法的参数及其改进 2.4 曳引机试验 2.5 本章小结 第3章 自适应故障识别 3.1 引言 3.2 自适应识别方法 3.3 实验验证 3.4 本章小结 第4章 零样本学习的电梯故障诊断 4.1 引言 4.2 自适应生成网络 4.3 电梯模拟实验与分析 4.4 本章小结 第5章 单分类自适应多工况电梯异常状态检测 5.1 引言 5.2 基本原理 5.3 实验及分析 5.4 本章小结 第6章 基于量子遗传算法和LSTM算法的改进PF算法电梯关键零部件剩余使用寿命预测 6.1 引言 6.2 基本原理 6.3 实验及分析 6.4 本章小结 第7章 基于改进LSTM算法的多工况电梯关键零部件剩余使用寿命预测 7.1 引言 7.2 数据预处理 7.3 深度预测网络 7.4 剩余使用寿命预测方法 7.5 实验验证 7.6 本章小结 第8章 多工况多故障模式电梯曳引机剩余使用寿命迁移预测 8.1 引言 8.2 一维时间序列数据的构建 8.3 动态对抗域自适应迁移网络 8.4 实验验证 8.5 本章小结 第9章 跨工况自适应剩余使用寿命预测 9.1 引言 9.2 自适应迁移剩余使用寿命预测网络 9.3 曳引机剩余使用寿命预测实验验证 9.4 轴承剩余使用寿命预测实验验证 9.5 本章小结 第10章 基于变分编码的小样本联邦迁移故障诊断 10.1 引言 10.2 联邦迁移诊断问题描述 10.3 基本原理 10.4 方法 10.5 实验及分析 10.6 本章小结 第11章 总结与展望 11.1 总结 11.2 展望 参考文献