本书针对电力设备状态监测，立足于传统状态监测方法，深入探讨状态特征的提取方法；同时，致力于研究基于深度学习的电力设备运行状态智能监测方法，**将振动状态识别与深度学习方法进行结合论述，详细研究探索了用于振动状态识别的深度学习模型结构、融合特征学习、图像化识别诊断等关键问题。 本书可供从事振动状态监测智能化、信息化的研究人员参考。

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 5.11D-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*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-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