机械故障特征提取与模式分类新方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

机械故障特征提取与模式分类新方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1旋转机械故障诊断1

1.2旋转机械故障及其主要特征2

1.2.1旋转机械典型故障振动分类2

1.2.2旋转机械典型故障机理及振动特征分析3

1.3状态监测与故障诊断系统组成11

1.3.1故障信息检测12

1.3.2状态监测12

1.3.3故障特征提取12

1.4旋转机械故障诊断的发展13

1.4.1基于信号分析的常规故障诊断13

1.4.2基于知识推理的智能故障诊断14

1.4.3基于神经网络故障诊断技术15

1.5机械故障特征提取与模式分类方法研究现状16

1.5.1独立分量分析方法16

1.5.2经验模态分解方法17

1.5.3基于隐Markov模型特征提取与识别方法18

1.6旋转机械故障非线性动力学分析19

主要参考文献22

第2章 基于时间序列模型盲辨识的故障特征提取方法26

2.1时序模型27

2.2盲系统辨识29

2.2.1系统辨识的基本过程29

2.2.2盲系统辨识的基本概念31

2.3时序模型的盲辨识算法34

2.3.1高阶累积量的定义及其计算34

2.3.2 AR模型的盲辨识算法35

2.3.3 MA模型的盲辨识算法40

2.4 ARMA模型盲辨识方法及其仿真比较42

2.4.1时序模型的经典辨识方法42

2.4.2几种经典辨识方法与盲辨识法仿真比较43

2.5基于时序模型盲辨识的参数化双谱分析及其应用46

2.5.1双谱分析47

2.5.2实验研究52

主要参考文献58

第3章 基于经验模态分解的时频分析及其故障特征提取方法60

3.1基于EMD时频分析的基本原理和算法60

3.1.1 EMD方法的基本原理60

3.1.2 EMD方法的算法65

3.1.3 EMD方法的完备性和正交性66

3.1.4基于EMD的希尔伯特谱的基本原理和算法66

3.2端点效应及信号序列的延拓技术72

3.2.1端点效应的机理与影响72

3.2.2周期延拓技术73

3.2.3基于时间序列预测的延拓技术75

3.2.4基于神经网络的预测延拓方法80

3.2.5信号序列端点优化对称延拓方法83

3.2.6信号序列延拓技术比较分析89

3.3基于EMD的时频分析与其他时频分析方法的比较89

3.3.1基于EMD的时频分析与短时傅里叶变换时频分析的比较89

3.3.2基于EMD的时频分析与Wigner-Ville分布的比较93

3.3.3基于EMD的时频分析与小波分析的比较96

3.4基于白噪声统计特性的机械振动模式检验方法104

3.4.1虚假振动模式产生的原因分析104

3.4.2基于EMD的白噪声统计特性106

3.4.3白噪声的EMD分析及其特性108

3.4.4基于白噪声统计特性的机械振动模式检验方法流程111

3.4.5仿真及实验验证111

3.5基于EMD时频分析的故障特征模式116

3.5.1瞬时能量分布特征模式116

3.5.2希尔伯特时频谱和边际谱117

主要参考文献118

第4章 基于独立分量分析的机械源分离及特征提取121

4.1 ICA的定义与模型121

4.1.1 ICA定义121

4.1.2 ICA模型及其模型估计性质123

4.2 ICA目标函数和算法127

4.2.1目标函数（参照函数）和优化算法127

4.2.2 ICA算法的一般流程129

4.2.3一些重要的ICA （BSS）典型算法129

4.2.4算法性能评价指标135

4.3基于ICA机械源分离方法136

4.3.1分离方法136

4.3.2信号特性校验137

4.3.3算法选择与性能分析143

4.3.4基于 FFT -MCC分析的ICA盲不确定性消除145

4.3.5机械源ICA（BSS）的实现方法151

4.4基于ICA的机械源分离实验与应用152

4.5基于ICA的机械故障特征提取与分类器165

4.5.1基于 ICA残余总体相关和残余互信息的特征提取165

4.5.2基于ICA特征提取的机械故障分类器168

主要参考文献180

第5章 基于隐Markov模型的故障模式分类方法184

5.1 HMM的基本理论与算法184

5.1.1 HMM基本理论184

5.1.2 HMM基本算法187

5.1.3 HMM的类型191

5.1.4 HMM在实际应用中的实现技术192

5.1.5 HMM在故障诊断中的模式分类作用197

5.2旋转机械升速过程DHMM故障分类方法198

5.2.1振动信号的特征提取199

5.2.2幅值谱矢量的标量量化201

5.2.3多观测样本序列DHMM算法的改进203

5.2.4 DHMM故障诊断步骤206

5.3诊断实验208

5.3.1升降速过程转子振动特点与在各转速区的表现209

5.3.2转子启动过程模拟实验210

5.3.3 DHMM训练和诊断结果213

主要参考文献216

第6章 基于因子隐Markov模型的模式分类方法218

6.1 FHMM的基本概念与算法218

6.1.1 FHMM模型的基本概念218

6.1.2 FHMM模型的算法220

6.2基于时序模型盲辨识的FHMM故障诊断方法223

6.2.1 BSI-FHMM故障诊断方法223

6.2.2实验研究224

6.3基于ICA的FHMM分类器故障诊断方法226

6.3.1基于ICA的FHMM分类器的设计227

6.3.2实验研究228

主要参考文献232

第7章 基于二维隐Markov模型的故障模式分类方法233

7.1 2D-HMM的拓扑结构与特点233

7.2 2D-HMM基本理论和算法235

7.2.1 2D- HMM模型信号描述235

7.2.2 2D-HMM模型的算法236

7.3基于2D-HMM的振动信号特征提取241

7.3.1 2D-HMM特征提取方法241

7.3.2状态数确定原理与方法244

7.4基于2D-HMM的旋转机械故障识别与应用247

7.4.1 2D-HMM故障诊断原理及步骤247

7.4.2实验验证与应用250

主要参考文献262

第8章 旋转机械故障非线性特征提取技术265

8.1转轴系统油膜失稳的Hopf分岔行为266

8.1.1 Hopf分岔的Poore判据266

8.1.2力学模型267

8.1.3理论分析268

8.1.4数值分析270

8.2转子系统径向碰摩故障的分岔与混沌行为272

8.2.1转子系统径向碰摩故障的分岔与混沌行为概述272

8.2.2转子-定子冲击作用的数学模型274

8.2.3转子径向碰摩故障的力学模型与理论分析275

8.2.4转子径向碰摩故障的实验研究280

8.3基于延时嵌入法的非线性故障特征提取技术284

8.3.1延时嵌入相空间重构的理论概要284

8.3.2重构参数的选取原则285

8.3.3故障实例分析286

8.4基于关联维数的非线性故障特征提取技术289

8.4.1关联维数的定义与计算方法289

8.4.2故障实例分析293

8.5基于柯尔莫哥洛夫熵的非线性故障特征提取技术295

8.5.1柯尔莫哥洛夫熵的概念与基本性质295

8.5.2柯尔莫哥洛夫熵的应用实例分析296

主要参考文献297

第9章 裂纹转子非线性故障振动特性分析299

9.1裂纹转子数学模型299

9.1.1裂纹转子刚度的计算300

9.1.2常见裂纹模型302

9.1.3一种新的裂纹模型303

9.2开裂纹转子振动特性分析306

9.2.1开裂纹转子的数学模型306

9.2.2开裂纹转子运动稳定性分析307

9.2.3开裂纹转子稳态响应分析307

9.3基于多尺度分析法的开闭裂纹转子振动特性分析310

9.3.1求解非线性振动方程的多尺度分析法310

9.3.2开闭裂纹转子的数学模型312

9.3.3非共振转速区的振动特性分析313

9.3.4共振转速区的振动特性分析320

9.4考虑非线性涡动的开闭裂纹转子分岔和混沌特性分析324

9.4.1考虑非线性涡动的开闭裂纹转子数学模型324

9.4.2裂纹转子的分岔和混沌特性分析325

主要参考文献331