旋轉(zhuǎn)機(jī)械故障特征提取與模式分類新方法

內(nèi)容概要

　　《旋轉(zhuǎn)機(jī)械故障特征提取與模式分類新方法》首先介紹了基于經(jīng)驗(yàn)?zāi)B(tài)分解(emd)的時(shí)頻分析、基于獨(dú)立分量分析(ica)的機(jī)械源盲分離、基于時(shí)序模型盲識(shí)別的時(shí)序譜分析及其故障特征提取等新的信號(hào)處理方法與應(yīng)用。其次，闡明了一維、二維隱markov模型(1d、2d—hmm)一類優(yōu)良的長時(shí)序模式分類方法及其與emd、自回歸滑動(dòng)平均(arma)譜等分別經(jīng)轉(zhuǎn)換成隨時(shí)間變化的二維特征相結(jié)合的新技術(shù)，以及它們?cè)谛D(zhuǎn)機(jī)械典型的啟停機(jī)非平穩(wěn)過程故障診斷中的應(yīng)用。最后，還介紹了轉(zhuǎn)子系統(tǒng)如轉(zhuǎn)子裂紋、油膜失穩(wěn)、徑向碰摩等非線性故障分析及其特征提取技術(shù)。全書內(nèi)容新穎，既有單一新方法的工程應(yīng)用，又有多方法結(jié)合的綜合實(shí)現(xiàn)技術(shù)；既有系統(tǒng)理論，又有仿真與實(shí)驗(yàn)，易于讀者理解與應(yīng)用。
　　《旋轉(zhuǎn)機(jī)械故障特征提取與模式分類新方法》可作為高校機(jī)械、動(dòng)力與能源、工程力學(xué)、控制等專業(yè)高年級(jí)學(xué)生、研究生的教科書或參考書，也可供機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷、設(shè)備管理與維護(hù)的科技人員使用。

書籍目錄

前言
第1章 緒論
1.1 旋轉(zhuǎn)機(jī)械故障診斷
1.2 旋轉(zhuǎn)機(jī)械故障及其主要特征
1.2.1 旋轉(zhuǎn)機(jī)械典型故障振動(dòng)分類
1.2.2 旋轉(zhuǎn)機(jī)械典型故障機(jī)理及振動(dòng)特征分析
1.3 狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)組成
1.3.1 故障信息檢測(cè)
1.3.2 狀態(tài)監(jiān)測(cè)
1.3.3 故障特征提取
1.4 旋轉(zhuǎn)機(jī)械故障診斷的發(fā)展
1.4.1 基于信號(hào)分析的常規(guī)故障診斷
1.4.2 基于知識(shí)推理的智能故障診斷
1.4.3 基于神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)
1.5 機(jī)械故障特征提取與模式分類方法研究現(xiàn)狀
1.5.1 獨(dú)立分量分析方法
1.5.2 經(jīng)驗(yàn)?zāi)B(tài)分解方法
1.5.3 基于隱markov模型特征提取與識(shí)別方法
1.6 旋轉(zhuǎn)機(jī)械故障非線性動(dòng)力學(xué)分析
主要參考文獻(xiàn)
第2章 基于時(shí)間序列模型盲辨識(shí)的故障特征提取方法
2.1 時(shí)序模型
2.2 盲系統(tǒng)辨識(shí)
2.2.1 系統(tǒng)辨識(shí)的基本過程
2.2.2 盲系統(tǒng)辨識(shí)的基本概念
2.3 時(shí)序模型的盲辨識(shí)算法
2.3.1 高階累積量的定義及其計(jì)算
2.3.2 ar模型的盲辨識(shí)算法
2.3.3 ma模型的盲辨識(shí)算法
2.4 arma模型盲辨識(shí)方法及其仿真比較
2.4.1 時(shí)序模型的經(jīng)典辨識(shí)方法
2.4.2 幾種經(jīng)典辨識(shí)方法與盲辨識(shí)法仿真比較
2.5 基于時(shí)序模型盲辨識(shí)的參數(shù)化雙譜分析及其應(yīng)用
2.5.1 雙譜分析
2.5.2 實(shí)驗(yàn)研究
主要參考文獻(xiàn)
第3章 基于經(jīng)驗(yàn)?zāi)B(tài)分解的時(shí)頻分析及其故障特征提取方法
3.1 基于emd時(shí)頻分析的基本原理和算法
3.1.1 emd方法的基本原理
3.1.2 emd方法的算法
3.1.3 emd方法的完備性和正交性
3.1.4 基于emd的希爾伯特譜的基本原理和算法
3.2 端點(diǎn)效應(yīng)及信號(hào)序列的延拓技術(shù)
3.2.1 端點(diǎn)效應(yīng)的機(jī)理與影響
3.2.2 周期延拓技術(shù)
3.2.3 基于時(shí)間序列預(yù)測(cè)的延拓技術(shù)
3.2.4 基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)延拓方法
3.2.5 信號(hào)序列端點(diǎn)優(yōu)化對(duì)稱延拓方法
3.2.6 信號(hào)序列延拓技術(shù)比較分析
3.3 基于emd的時(shí)頻分析與其他時(shí)頻分析方法的比較
3.3.1 基于emd的時(shí)頻分析與短時(shí)傅里葉變換時(shí)頻分析的比較
3.3.2 基于emd的時(shí)頻分析與wigner-ville分布的比較
3.3.3 基于emd的時(shí)頻分析與小波分析的比較
3.4 基于白噪聲統(tǒng)計(jì)特性的機(jī)械振動(dòng)模式檢驗(yàn)方法
3.4.1 虛假振動(dòng)模式產(chǎn)生的原因分析
3.4.2 基于emd的白噪聲統(tǒng)計(jì)特性
3.4.3 白噪聲的emd分析及其特性
3.4.4 基于白噪聲統(tǒng)計(jì)特性的機(jī)械振動(dòng)模式檢驗(yàn)方法流程
3.4.5 仿真及實(shí)驗(yàn)驗(yàn)證
3.5 基于emd時(shí)頻分析的故障特征模式
3.5.1 瞬時(shí)能量分布特征模式
3.5.2 希爾伯特時(shí)頻譜和邊際譜
主要參考文獻(xiàn)
第4章 基于獨(dú)立分量分析的機(jī)械源分離及特征提取
4.1 ica的定義與模型
4.1.1 ica定義
4.1.2 ica模型及其模型估計(jì)性質(zhì)
4.2 ica目標(biāo)函數(shù)和算法
4.2.1 目標(biāo)函數(shù)(參照函數(shù))和優(yōu)化算法
4.2.2 ica算法的一般流程
4.2.3 一些重要的ica(bss)典型算法
4.2.4 算法性能評(píng)價(jià)指標(biāo)
4.3 基于ica機(jī)械源分離方法
4.3.1 分離方法
4.3.2 信號(hào)特性校驗(yàn)
4.3.3 算法選擇與性能分析
4.3.4 基于fft-mcc分析的ica盲不確定性消除
4.3.5 機(jī)械源ica(bss)的實(shí)現(xiàn)方法
4.4 基于ica的機(jī)械源分離實(shí)驗(yàn)與應(yīng)用
4.5 基于ica的機(jī)械故障特征提取與分類器
4.5.1 基于ica殘余總體相關(guān)和殘余互信息的特征提取
4.5.2 基于ica特征提取的機(jī)械故障分類器
主要參考文獻(xiàn)
第5章 基于隱markov模型的故障模式分類方法
5.1 hmm的基本理論與算法
5.1.1 hmm基本理論
5.1.2 hmm基本算法
5.1.3 hmm的類型
5.1.4 hmm在實(shí)際應(yīng)用中的實(shí)現(xiàn)技術(shù)
5.1.5 hmm在故障診斷中的模式分類作用
5.2 旋轉(zhuǎn)機(jī)械升速過程dhmm故障分類方法
5.2.1 振動(dòng)信號(hào)的特征提取
5.2.2 幅值譜矢量的標(biāo)量量化
5.2.3 多觀測(cè)樣本序列dhmm算法的改進(jìn)
5.2.4 dhmm故障診斷步驟
5.3 診斷實(shí)驗(yàn)
5.3.1 升降速過程轉(zhuǎn)子振動(dòng)特點(diǎn)與在各轉(zhuǎn)速區(qū)的表現(xiàn)
5.3.2 轉(zhuǎn)子啟動(dòng)過程模擬實(shí)驗(yàn)
5.3.3 dhmm訓(xùn)練和診斷結(jié)果
主要參考文獻(xiàn)
第6章 基于因子隱markov模型的模式分類方法
6.1 fhmm的基本概念與算法
6.1.1 fhmm模型的基本概念
6.1.2 fhmm模型的算法
6.2 基于時(shí)序模型盲辨識(shí)的fhmm故障診斷方法
6.2.1 bsi-fhmm故障診斷方法
6.2.2 實(shí)驗(yàn)研究
6.3 基于ica的fhmm分類器故障診斷方法
6.3.1 基于ica的fhmm分類器的設(shè)計(jì)
6.3.2 實(shí)驗(yàn)研究
主要參考文獻(xiàn)
第7章 基于二維隱markov模型的故障模式分類方法
7.1 2d-hmm的拓?fù)浣Y(jié)構(gòu)與特點(diǎn)
7.2 2d-hmm基本理論和算法
7.2.1 2d-hmm模型信號(hào)描述
7.2.2 2d-hmm模型的算法
7.3 基于2d-hmm的振動(dòng)信號(hào)特征提取
7.3.1 2d-hmm特征提取方法
7.3.2 狀態(tài)數(shù)確定原理與方法
7.4 基于2d-hmm的旋轉(zhuǎn)機(jī)械故障識(shí)別與應(yīng)用
7.4.1 2d-hmm故障診斷原理及步驟
7.4.2 實(shí)驗(yàn)驗(yàn)證與應(yīng)用
主要參考文獻(xiàn)
第8章 旋轉(zhuǎn)機(jī)械故障非線性特征提取技術(shù)
8.1 轉(zhuǎn)軸系統(tǒng)油膜失穩(wěn)的hopf分岔行為
8.1.1 hopf分岔的poore判據(jù)
8.1.2 力學(xué)模型
8.1. 3 理論分析
8.1.4 數(shù)值分析
8.2 轉(zhuǎn)子系統(tǒng)徑向碰摩故障的分岔與混沌行為
8.2.1 轉(zhuǎn)子系統(tǒng)徑向碰摩故障的分岔與混沌行為概述
8.2.2 轉(zhuǎn)子-定子沖擊作用的數(shù)學(xué)模型
8.2.3 轉(zhuǎn)子徑向碰摩故障的力學(xué)模型與理論分析
8.2.4 轉(zhuǎn)子徑向碰摩故障的實(shí)驗(yàn)研究
8.3 基于延時(shí)嵌入法的非線性故障特征提取技術(shù)
8.3.1 延時(shí)嵌入相空間重構(gòu)的理論概要
8.3.2 重構(gòu)參數(shù)的選取原則
8.3.3 故障實(shí)例分析
8.4 基于關(guān)聯(lián)維數(shù)的非線性故障特征提取技術(shù)
8.4.1 關(guān)聯(lián)維數(shù)的定義與計(jì)算方法
8.4.2 故障實(shí)例分析
8.5 基于柯爾莫哥洛夫熵的非線性故障特征提取技術(shù)
8.5.1 柯爾莫哥洛夫熵的概念與基本性質(zhì)
8.5.2 柯爾莫哥洛夫熵的應(yīng)用實(shí)例分析
主要參考文獻(xiàn)
第9章 裂紋轉(zhuǎn)子非線性故障振動(dòng)特性分析
9.1 裂紋轉(zhuǎn)子數(shù)學(xué)模型
9.1.1 裂紋轉(zhuǎn)子剛度的計(jì)算
9.1.2 常見裂紋模型
9.1.3 一種新的裂紋模型
9.2 開裂紋轉(zhuǎn)子振動(dòng)特性分析
9.2.1 開裂紋轉(zhuǎn)子的數(shù)學(xué)模型
9.2.2 開裂紋轉(zhuǎn)子運(yùn)動(dòng)穩(wěn)定性分析
9.2.3 開裂紋轉(zhuǎn)子穩(wěn)態(tài)響應(yīng)分析
9.3 基于多尺度分析法的開閉裂紋轉(zhuǎn)子振動(dòng)特性分析
9.3.1 求解非線性振動(dòng)方程的多尺度分析法
9.3.2 開閉裂紋轉(zhuǎn)子的數(shù)學(xué)模型
9.3.3 非共振轉(zhuǎn)速區(qū)的振動(dòng)特性分析
9.3.4 共振轉(zhuǎn)速區(qū)的振動(dòng)特性分析
9.4 考慮非線性渦動(dòng)的開閉裂紋轉(zhuǎn)子分岔和混沌特性分析
9.4.1 考慮非線性渦動(dòng)的開閉裂紋轉(zhuǎn)子數(shù)學(xué)模型
9.4.2 裂紋轉(zhuǎn)子的分岔和混沌特性分析
主要參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：   插圖：   第7章 基于二維隱Markov模型的故障模式分類方法 二維隱Markov模型（two—dimensional hidden Markov model，2D—HMM）作為HMM的一般化模型，最初由Levin和Pierraccinit等為了用于字符識(shí)別而提出來，但因其拓?fù)浣Y(jié)構(gòu)復(fù)雜、參數(shù)過多而導(dǎo)致模型訓(xùn)練及解碼算法復(fù)雜，限制了它的應(yīng)用。后Agazzi等簡(jiǎn)化了模型結(jié)構(gòu)，提高了訓(xùn)練和解碼效率，并在圖像識(shí)別、人臉辨識(shí)、軌跡識(shí)別等領(lǐng)域獲得了成功應(yīng)用。Werner等將它引入到語音識(shí)別領(lǐng)域中，可以完成傳統(tǒng)HMM的語音識(shí)別功能，而且對(duì)噪聲環(huán)境下的語音識(shí)別取得了較好的效果。最近，還有學(xué)者將2D—HMM引入到故障診斷領(lǐng)域中，并取得了較好的效果。 7.1 2D—HMM的拓?fù)浣Y(jié)構(gòu)與特點(diǎn) HMM是一個(gè)雙內(nèi)嵌入式隨機(jī)過程，其中一個(gè)隨機(jī)過程描述狀態(tài)和觀測(cè)值之間的統(tǒng)計(jì)對(duì)應(yīng)關(guān)系，它解決了用短時(shí)模型描述平穩(wěn)段的信號(hào)問題；另一個(gè)隨機(jī)過程描述各狀態(tài)間的轉(zhuǎn)移關(guān)系，即信號(hào)各個(gè)短時(shí)平穩(wěn)段之間的非平穩(wěn)統(tǒng)計(jì)關(guān)系。因而它非常適合于描述短時(shí)平穩(wěn)的非平穩(wěn)信號(hào)。2D-HMM是由HMM演變而來的。 目前進(jìn)入應(yīng)用的一種2D—HMM與嵌入式HMM很相似，也是對(duì)完全連接的2D—HMM進(jìn)行一些約束獲得。其拓?fù)浣Y(jié)構(gòu)如圖7.1所示。它是由Weber等提出，稱之為2D—HMM模型。該模型由內(nèi)部I—HMM和外部E—HMM兩部分構(gòu)成，對(duì)狀態(tài)轉(zhuǎn)移之間的約束與嵌入式HMM相似，即I—HMM的狀態(tài)與E—HMM的狀態(tài)之間不能互相轉(zhuǎn)移，但是I—HMM和E_HMM內(nèi)部自身狀態(tài)之間可以相互躍遷，已在語音識(shí)別與特征提取等方面取得了較好的成果。 在旋轉(zhuǎn)機(jī)械振動(dòng)故障診斷中，振動(dòng)信號(hào)存在著與語音信號(hào)相似的非平穩(wěn)特征。當(dāng)2D—HMM中I—HMM的狀態(tài)數(shù)為1時(shí)，2D—HMM就退化為標(biāo)準(zhǔn)HMM。因而它具有HMM的優(yōu)點(diǎn)，且從時(shí)域和頻域兩個(gè)角度全面地描述信號(hào)，非常適合于處理旋轉(zhuǎn)機(jī)械中出現(xiàn)的非平穩(wěn)性強(qiáng)、重復(fù)再現(xiàn)性不佳的信號(hào)。 2D—HMM作為HMM的一般化模型，不僅具有標(biāo)準(zhǔn)HMM所擁有的優(yōu)點(diǎn)，而且還具有自身的特點(diǎn)。

編輯推薦

《旋轉(zhuǎn)機(jī)械故障特征提取與模式分類新方法》可作為高校機(jī)械、動(dòng)力與能源、工程力學(xué)、控制等專業(yè)高年級(jí)學(xué)生、研究生的教科書或參考書，也可供機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷、設(shè)備管理與維護(hù)的科技人員使用。

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    旋轉(zhuǎn)機(jī)械故障特征提取與模式分類新方法 PDF格式下載

---