日立冷凍機說明書的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

應用短時傅立葉轉換及深度學習進行冷藏系統冷媒填充量多寡之診斷

為了解決日立冷凍機說明書的問題，作者王桔賢 這樣論述：

摘要 iAbstract ii誌謝 iv目錄 v表目錄 viii圖目錄 x第一章 緒論 11.1 前言 11.2 文獻回顧與探討 31.3 研究動機與目的 81.4 研究方法與步驟 8第二章 冷藏系統及冷媒填充概述 112.1 冷藏系統原理 112.2 冷凍循環原理 122.3 電子膨脹閥與貯液器 132.4 過冷度及過熱度 162.5 冷媒填充不足或過量之影響 182.6 性能指標之計算 19第三章 故障偵測及診斷及深度學習 213.1 控制系統與故障偵測 213.2 故障診斷及方法 223.3 故障診斷與機器學習 243.4 機器學習演算法之選擇 273.5 深度學習概論及流程 293.

6 資料預處理及基本架構 323.6.1 資料分組 323.6.2 標準化及去除異常值 323.6.3 多層感知器神經網路模型 353.6.4 神經元 353.6.5 類神經網路模型類神經網路模型 373.7 學習與權重之更新 383.7.1 損失函數及梯度損失函數及梯度 383.7.2 優化器優化器 403.7.3 權重更新及反向傳播法權重更新及反向傳播法 423.7.4 模型的學習與模型的學習與超參數之調整超參數之調整 433.7.5 梯度消失及過擬合問題梯度消失及過擬合問題 443.7.6 模型性能的評價模型性能的評價 45第四章 短時傅立葉轉換及因子挑選 474.1 時序型數據及週期

性資料 474.2 傅立葉級數及轉換 484.3 離散型傅立葉轉換 514.3.1 取樣原理與限制取樣原理與限制 524.3.2 短時傅立葉轉換短時傅立葉轉換 544.3.3 窗函數窗函數 564.3.4 快速傅立葉轉換快速傅立葉轉換 594.4 因子選取及特徵萃取 614.4.1 支撐向量機支撐向量機 634.4.2 集群分析集群分析 654.4.3 集群數目的選擇集群數目的選擇 674.4.4 K-Means集群法集群法 684.4.5 輪廓指標法輪廓指標法 69第五章 實驗方法及分析 725.1 實驗環境與設備 725.2 設備概要 725.3 點位定義表 745.4 感測器 775.5

紀錄設備 795.6 實驗流程 795.7 紀錄及分析工具 82第六章 結果與討論 846.1 數據預處理 846.2 冷媒臨界觀察 886.3 B3櫃庫溫vs吐出壓力觀察 896.4 分群分析 916.5 頻譜分析 946.6 頻譜特徵萃取 976.7 因子挑選 1016.8 以深度學習進一步分類 1046.9 深度學習最佳組合 1096.10 以3階層組合分類 111第七章 結論與建議 1147.1 結論 1147.2 未來展望與建議 114參考文獻 116

運用製程能力指數監控空調設備之研究

為了解決日立冷凍機說明書的問題，作者馮添壽 這樣論述：

本研究，藉由定時取樣空調設備中的監控項目數據，並以之執行製程能力指數Cpk (Process Capability index,Cpk)演算，由所得之Cpk值，判別該空調設備的異常原因、異常程度與故障停機時間點。 研究中，首先選定適當的異常監控項目，以及各自對應的量測取樣項目，並依Cpk的演算規則，提供初始設定的對應參數值。 而後，模擬空調設備在運轉時，可能會產生的數據，進行模擬測試運算，以之調整各異常監控項目對應的初始參數值，使模擬數據代入Cpk演算後，可得到正確對應的Cpk值。 最後，進行實際空調設備測試，以實際量測的取樣數據，驗証本研究在空調設備性能監控方面的正確性程

度。