本書結(jié)合軸承振動(dòng)信號(hào)的固有特性和傳統(tǒng)智能診斷方法的不足，以深度學(xué)習(xí)、遷移學(xué)習(xí)、流形學(xué)習(xí)等人工智能技術(shù)為核心，面向海量軸承振動(dòng)監(jiān)測(cè)信號(hào)，提出一種新的智能診斷研究框架，主要圍繞“監(jiān)測(cè)信號(hào)標(biāo)注困難”“工況交替多變”“噪聲干擾”等的不同應(yīng)用需求，著重從深度聚類框架設(shè)計(jì)、跨域故障診斷模型構(gòu)建、目標(biāo)函數(shù)構(gòu)造、度量函數(shù)設(shè)計(jì)、中心判別損失正則項(xiàng)設(shè)計(jì)，以及相關(guān)對(duì)齊時(shí)目標(biāo)熵最小性質(zhì)證明等幾個(gè)方面展開研究，探索最大程度避免人工參與，且具有較強(qiáng)領(lǐng)域自適應(yīng)能力的智能診斷解決方案。 本書適合制造業(yè)的研究人員和工程技術(shù)人員參考閱讀，也適合作為高等學(xué)校計(jì)算機(jī)、人工智能、智能制造等專業(yè)的研究生教學(xué)用書。