大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)

內(nèi)容概要

機(jī)械系統(tǒng)運(yùn)行狀態(tài)的趨勢(shì)預(yù)測(cè)技術(shù)是一種在故障發(fā)生前進(jìn)行早期故障預(yù)示的現(xiàn)代技術(shù)。徐小力、王紅軍編著的《大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)》面向大型旋轉(zhuǎn)機(jī)械的安全運(yùn)行，特別針對(duì)其長(zhǎng)歷程、變工況、非平穩(wěn)狀態(tài)，著重闡述了大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)技術(shù)的新進(jìn)展、新理論、新方法及新技術(shù)，對(duì)所提出的相關(guān)理論方法進(jìn)行了實(shí)驗(yàn)研究和應(yīng)用研究，并給出了一些相關(guān)的工程應(yīng)用實(shí)例?！洞笮托D(zhuǎn)機(jī)械運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)》所介紹的內(nèi)容有利于預(yù)防設(shè)備事故發(fā)生，有助于實(shí)現(xiàn)設(shè)備科學(xué)維護(hù)。
　　本書可供高等院校、研究院所以及企業(yè)中從事機(jī)電系統(tǒng)運(yùn)行狀態(tài)監(jiān)測(cè)、故障診斷與故障趨勢(shì)預(yù)測(cè)等相關(guān)研究領(lǐng)域的科技人員使用參考，也可作為機(jī)械工程以及相關(guān)學(xué)科專業(yè)的教師、研究生和高年級(jí)本科生的教材或參考書。

作者簡(jiǎn)介

徐小力，北京信息科技大學(xué)教授，博士生導(dǎo)師，中國(guó)機(jī)械工業(yè)科技專家，全國(guó)優(yōu)秀教師，享受國(guó)務(wù)院特殊津貼。畢業(yè)于清華大學(xué)機(jī)械系，工學(xué)博士?，F(xiàn)任現(xiàn)代測(cè)控技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室主任。機(jī)電系統(tǒng)測(cè)控北京市重點(diǎn)實(shí)驗(yàn)室學(xué)術(shù)委員會(huì)主任，北京理工大學(xué)、中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院兼職博士生導(dǎo)師，日本國(guó)立福井大學(xué)客座教授，中國(guó)機(jī)械工程學(xué)會(huì)設(shè)備與維修工程分會(huì)副主任兼設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)委員會(huì)主任，中國(guó)設(shè)備管理協(xié)會(huì)安全生產(chǎn)技術(shù)委員會(huì)副主任等。研究方向?yàn)闄C(jī)電系統(tǒng)測(cè)控技術(shù)，主要包括設(shè)備狀態(tài)監(jiān)測(cè)、故障診斷和故障預(yù)測(cè)等。主持國(guó)家級(jí)，省部級(jí)以及與企業(yè)合作的科研項(xiàng)目六十多項(xiàng)，在國(guó)內(nèi)外發(fā)表學(xué)術(shù)論文二百余篇，研究成果應(yīng)用于制造業(yè)、機(jī)械電子、儀器儀表以及能源開(kāi)發(fā)和環(huán)境保護(hù)等領(lǐng)域。主持完成的研究成果獲國(guó)家科學(xué)技術(shù)進(jìn)步獎(jiǎng)二等獎(jiǎng)、中國(guó)機(jī)械工業(yè)科學(xué)技術(shù)獎(jiǎng)一等獎(jiǎng)等科學(xué)技術(shù)獎(jiǎng)項(xiàng)共十項(xiàng)。王紅軍，北京信息科技大學(xué)教授。北京市普通高等學(xué)校青年骨干教師。1993年畢業(yè)于西北工業(yè)大學(xué)獲工學(xué)碩士學(xué)位，2005年畢業(yè)于北京理工大學(xué)獲工學(xué)博士學(xué)位?，F(xiàn)任現(xiàn)代測(cè)控技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室副主任，中國(guó)振動(dòng)學(xué)會(huì)機(jī)械動(dòng)力學(xué)學(xué)會(huì)理事。主要研究方向?yàn)闄C(jī)電系統(tǒng)狀態(tài)監(jiān)測(cè)、故障診斷預(yù)測(cè)、數(shù)控裝備及制造信息化。近年來(lái)主持和作為主要完成人承擔(dān)了國(guó)家自然科學(xué)基金項(xiàng)目、北京市自然科學(xué)基金項(xiàng)目、國(guó)家科技重大專項(xiàng)項(xiàng)目、北京市科技計(jì)劃項(xiàng)目等科研項(xiàng)目數(shù)十項(xiàng)。出版教材五部。在國(guó)內(nèi)外學(xué)術(shù)刊物上發(fā)表論文八十余篇。研究成果獲得國(guó)家機(jī)械工業(yè)局科學(xué)技術(shù)進(jìn)步獎(jiǎng)等。

書籍目錄

序
前言
第1章 緒論
 1.1 大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障趨勢(shì)預(yù)測(cè)的研究意義
 1.2 大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障趨勢(shì)預(yù)測(cè)的相關(guān)研究進(jìn)展
 1.3 大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障趨勢(shì)預(yù)測(cè)的研究現(xiàn)狀
 1.4 本書研究的主要內(nèi)容
 參考文獻(xiàn)
第2章 大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障趨勢(shì)預(yù)測(cè)的信號(hào)處理方法
 2.1 狀態(tài)及故障趨勢(shì)預(yù)測(cè)中的平穩(wěn)信號(hào)分析方法
 2.2 狀態(tài)及故障趨勢(shì)預(yù)測(cè)中的非平穩(wěn)信號(hào)分析方法
 2.3 基于數(shù)學(xué)形態(tài)譜的趨勢(shì)預(yù)測(cè)特征提取方法
 2.4 基于循環(huán)平穩(wěn)度的趨勢(shì)預(yù)測(cè)特征提取方法
 2.5 基于無(wú)量綱參數(shù)的趨勢(shì)預(yù)測(cè)特征提取方法
 2.6 基于經(jīng)驗(yàn)?zāi)B(tài)分解的趨勢(shì)預(yù)測(cè)特征提取方法
 參考文獻(xiàn)
第3章 基于模型的大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障的趨勢(shì)預(yù)測(cè)
 3.1 基于模型的趨勢(shì)預(yù)測(cè)研究描述
 3.2 灰色預(yù)測(cè)
 3.3 分離趨勢(shì)項(xiàng)組合預(yù)測(cè)模型
 3.4 基于振動(dòng)頻率分量敏感因子的趨勢(shì)預(yù)測(cè)模型
 3.5 基于隱馬爾可夫模型的預(yù)測(cè)技術(shù)及其優(yōu)化
 3.6 設(shè)備趨勢(shì)預(yù)測(cè)若干工程應(yīng)用模型
 3.7 分整差分函數(shù)系數(shù)自回歸預(yù)測(cè)模型和三次holt指數(shù)平滑預(yù)測(cè)模型
 參考文獻(xiàn)
第4章 基于人工智能的大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障的趨勢(shì)預(yù)測(cè)
 4.1 基于人工智能的趨勢(shì)預(yù)測(cè)研究描述
 4.2 人工神經(jīng)網(wǎng)絡(luò)及其趨勢(shì)預(yù)測(cè)問(wèn)題
 4.3 人工神經(jīng)網(wǎng)絡(luò)趨勢(shì)預(yù)測(cè)
 4.4 基于新息加權(quán)的神經(jīng)網(wǎng)絡(luò)趨勢(shì)預(yù)測(cè)方法
 4.5 基于均值函數(shù)的新息加權(quán)神經(jīng)網(wǎng)絡(luò)趨勢(shì)預(yù)測(cè)方法
 4.6 變權(quán)重人工神經(jīng)網(wǎng)絡(luò)組合趨勢(shì)預(yù)測(cè)方法
 4.7 基于遺傳算法的趨勢(shì)預(yù)測(cè)
 4.8 基于遺傳算法的人工神經(jīng)網(wǎng)絡(luò)趨勢(shì)預(yù)測(cè)方法
 4.9 基于量子的人工神經(jīng)網(wǎng)絡(luò)故障趨勢(shì)預(yù)測(cè)方法
 參考文獻(xiàn)
第5章 基于支持向量機(jī)的大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障的趨勢(shì)預(yù)測(cè)
 5.1 基于支持向量機(jī)的趨勢(shì)預(yù)測(cè)研究描述
 5.2 支持向量機(jī)及其回歸算法
 5.3 基于支持向量機(jī)的預(yù)測(cè)模型
 5.4 基于支持向量機(jī)的旋轉(zhuǎn)注水機(jī)組振動(dòng)烈度預(yù)測(cè)
 5.5 支持向量機(jī)預(yù)測(cè)模型與自回歸預(yù)測(cè)模型的比較
 5.6 支持向量機(jī)的趨勢(shì)預(yù)測(cè)與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的比較
 5.7 機(jī)械系統(tǒng)狀態(tài)趨勢(shì)預(yù)測(cè)的支持向量機(jī)組合模型
 參考文獻(xiàn)
第6章 基于混沌時(shí)間序列的大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障的趨勢(shì)預(yù)測(cè)
 6.1 基于混沌時(shí)間序列的趨勢(shì)預(yù)測(cè)研究描述
 6.2 混沌與分形的基本理論
 6.3 基于混沌理論的機(jī)電系統(tǒng)故障趨勢(shì)預(yù)測(cè)技術(shù)
 6.4 基于混沌的機(jī)電系統(tǒng)故障趨勢(shì)預(yù)測(cè)方法
 6.5 混沌趨勢(shì)預(yù)測(cè)在大型煙氣輪機(jī)故障趨勢(shì)預(yù)測(cè)中的應(yīng)用
 參考文獻(xiàn)
第7章 基于粗糙集和數(shù)據(jù)挖掘的大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障的趨勢(shì)預(yù)測(cè)
 7.1 基于粗糙集和數(shù)據(jù)挖掘的趨勢(shì)預(yù)測(cè)研究描述
 7.2 基于粗糙集的趨勢(shì)狀態(tài)故障預(yù)測(cè)與知識(shí)提取
 7.3 基于數(shù)據(jù)挖掘的大型旋轉(zhuǎn)機(jī)械趨勢(shì)預(yù)測(cè)知識(shí)獲取
 7.4 墓于趨勢(shì)預(yù)測(cè)方法的自適應(yīng)選擇和決策優(yōu)化模型
 參考文獻(xiàn)
第8章 基于數(shù)據(jù)的多變換域大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障的趨勢(shì)預(yù)測(cè)
 8.1 基于數(shù)據(jù)的多變換域故障趨勢(shì)預(yù)測(cè)研究描述
 8.2 基于數(shù)據(jù)的多變換域非線性故障趨勢(shì)預(yù)測(cè)
 8.3 時(shí)頻域的提升小波包故障敏感特征頻帶提取
 8.4 拓?fù)溆虻幕诹餍螌W(xué)習(xí)方法的故障特征非線性降維
 8.5 時(shí)域的動(dòng)態(tài)自適應(yīng)人工神經(jīng)網(wǎng)絡(luò)趨勢(shì)預(yù)測(cè)方法
 參考文獻(xiàn)
第9章 大型旋轉(zhuǎn)機(jī)械趨勢(shì)預(yù)測(cè)的實(shí)驗(yàn)研究及系統(tǒng)集成
 9.1 故障模擬轉(zhuǎn)子實(shí)驗(yàn)臺(tái)系統(tǒng)的構(gòu)建及實(shí)驗(yàn)研究
 9.2 基于實(shí)驗(yàn)臺(tái)的旋轉(zhuǎn)機(jī)械故障特征實(shí)驗(yàn)研究實(shí)例
 9.3 基于遠(yuǎn)程網(wǎng)絡(luò)的工業(yè)現(xiàn)場(chǎng)大型旋轉(zhuǎn)機(jī)械故障預(yù)測(cè)系統(tǒng)
 9.4 安全監(jiān)測(cè)預(yù)測(cè)系統(tǒng)的集成研發(fā)
 參考文獻(xiàn)
第10章 大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)及故障的監(jiān)測(cè)預(yù)測(cè)應(yīng)用研究
 10.1 大型旋轉(zhuǎn)煙氣輪機(jī)發(fā)電機(jī)組監(jiān)測(cè)預(yù)測(cè)的應(yīng)用研究
 10.2 大型旋轉(zhuǎn)多級(jí)分段式離心泵機(jī)組故障預(yù)報(bào)的應(yīng)用研究
 10.3 高檔數(shù)控機(jī)床故障預(yù)報(bào)的應(yīng)用研究
 10.4 大型旋轉(zhuǎn)—往復(fù)動(dòng)力設(shè)備狀態(tài)監(jiān)測(cè)與故障預(yù)測(cè)研究
 10.5 關(guān)鍵設(shè)備群智能健康物聯(lián)網(wǎng)的構(gòu)建
 參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁(yè)：插圖：隨著現(xiàn)代工業(yè)及科學(xué)技術(shù)的迅速發(fā)展，特別是計(jì)算機(jī)技術(shù)的發(fā)展，現(xiàn)代機(jī)械設(shè)備日趨大型化、高速化、自動(dòng)化、智能化，功能越來(lái)越多、結(jié)構(gòu)越來(lái)越復(fù)雜，出現(xiàn)了大量的強(qiáng)度、結(jié)構(gòu)、振動(dòng)、噪聲、可靠性，以及材料與工藝等問(wèn)題，設(shè)備損壞事件時(shí)有發(fā)生，美國(guó)石油企業(yè)由于設(shè)備故障問(wèn)題導(dǎo)致每年石油產(chǎn)量減少3％～8％，引起約200億的經(jīng)濟(jì)損失。旋轉(zhuǎn)機(jī)械是工業(yè)上應(yīng)用最廣泛的一類機(jī)械設(shè)備，制造業(yè)、石化、電力等支柱產(chǎn)業(yè)中的壓縮機(jī)、汽輪機(jī)、電動(dòng)機(jī)等諸多企業(yè)的核心設(shè)備都屬于旋轉(zhuǎn)機(jī)械。大型旋轉(zhuǎn)機(jī)械設(shè)備通常是負(fù)載重、結(jié)構(gòu)復(fù)雜且處于連續(xù)運(yùn)行狀態(tài)的關(guān)鍵設(shè)備，與一般旋轉(zhuǎn)機(jī)械相比往往較容易出現(xiàn)不同形式的故障而影響其正常工作，輕則影響生產(chǎn)質(zhì)量和生產(chǎn)效率，重則導(dǎo)致設(shè)備停機(jī)、生產(chǎn)中斷；有時(shí)甚至?xí)赡撤N故障引發(fā)事故，一旦發(fā)生事故會(huì)引起鏈?zhǔn)椒磻?yīng)，導(dǎo)致整個(gè)生產(chǎn)過(guò)程不能正常運(yùn)行乃至癱瘓，甚至發(fā)生災(zāi)難性的事故，造成重大經(jīng)濟(jì)損失，危及人們的生命財(cái)產(chǎn)安全，產(chǎn)生極其嚴(yán)重的后果。大型旋轉(zhuǎn)機(jī)械的大量故障不是瞬時(shí)發(fā)生的，故障從開(kāi)始、發(fā)展到惡化總有一段出現(xiàn)異?，F(xiàn)象的時(shí)間，而且有征兆可尋。觀察和統(tǒng)計(jì)表明大型旋轉(zhuǎn)設(shè)備的大部分故障是具有時(shí)間依存性的、可預(yù)知的趨勢(shì)性故障，采用科學(xué)有效的故障預(yù)測(cè)往往能夠揭示故障的發(fā)展變化，有利于避免設(shè)備惡性事故和繼發(fā)性事故的發(fā)生。故障預(yù)測(cè)是保障大型機(jī)械設(shè)備安全運(yùn)行的新技術(shù)中重要且難度較大的關(guān)鍵技術(shù)之一，它對(duì)大型設(shè)備安全運(yùn)行保障的重要性正在逐漸被認(rèn)識(shí)，它的相關(guān)研究日益成為國(guó)內(nèi)外研究的熱點(diǎn)和重點(diǎn)。因此，深入進(jìn)行故障預(yù)測(cè)理論方法的研究和探討，努力將新技術(shù)轉(zhuǎn)化為物化系統(tǒng)并應(yīng)用于實(shí)際，具有重要理論研究意義和實(shí)際工程價(jià)值。

編輯推薦

《大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)》由科學(xué)出版社出版。

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    大型旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè) PDF格式下載

---