本書結(jié)合軸承振動信號的固有特性和傳統(tǒng)智能診斷方法的不足，以深度學習、遷移學習、流形學習等人工智能技術(shù)為核心，面向海量軸承振動監(jiān)測信號，提出一種新的智能診斷研究框架，主要圍繞“監(jiān)測信號標注困難”“工況交替多變”“噪聲干擾”等的不同應用需求，著重從深度聚類框架設(shè)計、跨域故障診斷模型構(gòu)建、目標函數(shù)構(gòu)造、度量函數(shù)設(shè)計、中心判別損失正則項設(shè)計，以及相關(guān)對齊時目標熵最小性質(zhì)證明等幾個方面展開研究，探索最大程度避免人工參與，且具有較強領(lǐng)域自適應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，也適合作為高等學校計算機、人工智能、智能制造等專業(yè)的研究生教學用書。