機械設備混合智能故障診斷與預測

　　本書面向機械設備的安全運行和預測維護，系統(tǒng)的開展了闡述了基于數據驅動的設備故障智能診斷與預測的理論與方法?；跈C器學習、深度學習、遷移學習的故障診斷與預測的原理和方法，從模式識別的角度，重點闡述了基于無監(jiān)督混合智能診斷、有監(jiān)督混合智能診斷、混合深度智能診斷、遷移診斷、故障預測等，涵蓋了機械設備從傳統(tǒng)的淺層機器學習到深度學習的故障診斷的新方法及新技術。本書可供高等院校、科研機構及企業(yè)中從事機械設備故障診斷、預測及維護等相關領域研究人員使用參考，也可作為高等院校機械工程、控制工程、自動化及系統(tǒng)工程等專業(yè)教師、研究生和高年級本科生教材或教學參考書。

　　徐增丙，副教授，博士研究生。1998.9—2002.6，本科畢業(yè)于武漢科技大學；2002.9—2005.6，碩士畢業(yè)于武漢科技大學；2005.9—2009.9，博士畢業(yè)于華中科技大學；2009.10—2013.11，三一重工股份有限公司；2013.11至今，武漢科技大學。主持國家自然科學基金青年項目和面上項目各1項、國家重點實驗室開放項目1項、國防預研項目1項、企業(yè)橫向課題6項；參與國家自然科學基金4項、973項目和863項目各1項；發(fā)表文章30余篇，SCI/EI收錄20余篇；獲省科技進步二等獎1項。已發(fā)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.