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?zāi)B(tài)分解(emd)的時頻分析、基于獨立分量分析(ica)的機(jī)械源盲分離、基于時序模型盲識別的時序譜分析及其故障特征提取等新的信號處理方法與應(yīng)用。其次，闡明了一維、二維隱markov模型(1d、2d—hmm)一類優(yōu)良的長時序模式分類方法及其與emd、自回歸滑動平均(arma)譜等分別經(jīng)轉(zhuǎn)換成隨時間變化的二維特征相結(jié)合的新技術(shù)，以及它們在旋轉(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)合的綜合實現(xiàn)技術(shù)；既有系統(tǒng)理論，又有仿真與實驗，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、動力與能源、工程力學(xué)、控制等專業(yè)高年級學(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)械典型故障振動分類
1.2.2 旋轉(zhuǎn)機(jī)械典型故障機(jī)理及振動特征分析
1.3 狀態(tài)監(jiān)測與故障診斷系統(tǒng)組成
1.3.1 故障信息檢測
1.3.2 狀態(tài)監(jiān)測
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 基于信號分析的常規(guī)故障診斷
1.4.2 基于知識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 獨立分量分析方法
1.5.2 經(jīng)驗?zāi)B(tài)分解方法
1.5.3 基于隱markov模型特征提取與識別方法
1.6 旋轉(zhuǎn)機(jī)械故障非線性動力學(xué)分析
主要參考文獻(xiàn)
第2章 基于時間序列模型盲辨識的故障特征提取方法
2.1 時序模型
2.2 盲系統(tǒng)辨識
2.2.1 系統(tǒng)辨識的基本過程
2.2.2 盲系統(tǒng)辨識的基本概念
2.3 時序模型的盲辨識算法
2.3.1 高階累積量的定義及其計算
2.3.2 ar模型的盲辨識算法
2.3.3 ma模型的盲辨識算法
2.4 arma模型盲辨識方法及其仿真比較
2.4.1 時序模型的經(jīng)典辨識方法
2.4.2 幾種經(jīng)典辨識方法與盲辨識法仿真比較
2.5 基于時序模型盲辨識的參數(shù)化雙譜分析及其應(yīng)用
2.5.1 雙譜分析
2.5.2 實驗研究
主要參考文獻(xiàn)
第3章 基于經(jīng)驗?zāi)B(tài)分解的時頻分析及其故障特征提取方法
3.1 基于emd時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 端點效應(yīng)及信號序列的延拓技術(shù)
3.2.1 端點效應(yīng)的機(jī)理與影響
3.2.2 周期延拓技術(shù)
3.2.3 基于時間序列預(yù)測的延拓技術(shù)
3.2.4 基于神經(jīng)網(wǎng)絡(luò)的預(yù)測延拓方法
3.2.5 信號序列端點優(yōu)化對稱延拓方法
3.2.6 信號序列延拓技術(shù)比較分析
3.3 基于emd的時頻分析與其他時頻分析方法的比較
3.3.1 基于emd的時頻分析與短時傅里葉變換時頻分析的比較
3.3.2 基于emd的時頻分析與wigner-ville分布的比較
3.3.3 基于emd的時頻分析與小波分析的比較
3.4 基于白噪聲統(tǒng)計特性的機(jī)械振動模式檢驗方法
3.4.1 虛假振動模式產(chǎn)生的原因分析
3.4.2 基于emd的白噪聲統(tǒng)計特性
3.4.3 白噪聲的emd分析及其特性
3.4.4 基于白噪聲統(tǒng)計特性的機(jī)械振動模式檢驗方法流程
3.4.5 仿真及實驗驗證
3.5 基于emd時頻分析的故障特征模式
3.5.1 瞬時能量分布特征模式
3.5.2 希爾伯特時頻譜和邊際譜
主要參考文獻(xiàn)
第4章 基于獨立分量分析的機(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 算法性能評價指標(biāo)
4.3 基于ica機(jī)械源分離方法
4.3.1 分離方法
4.3.2 信號特性校驗
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)的實現(xiàn)方法
4.4 基于ica的機(jī)械源分離實驗與應(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在實際應(yīng)用中的實現(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 振動信號的特征提取
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 診斷實驗
5.3.1 升降速過程轉(zhuǎn)子振動特點與在各轉(zhuǎn)速區(qū)的表現(xiàn)
5.3.2 轉(zhuǎn)子啟動過程模擬實驗
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 基于時序模型盲辨識的fhmm故障診斷方法
6.2.1 bsi-fhmm故障診斷方法
6.2.2 實驗研究
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
6.3.2 實驗研究
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
7.2 2d-hmm基本理論和算法
7.2.1 2d-hmm模型信號描述
7.2.2 2d-hmm模型的算法
7.3 基于2d-hmm的振動信號特征提取
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)械故障識別與應(yīng)用
7.4.1 2d-hmm故障診斷原理及步驟
7.4.2 實驗驗證與應(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驗研究
8.3 基于延時嵌入法的非線性故障特征提取技術(shù)
8.3.1 延時嵌入相空間重構(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)的定義與計算方法
8.4.2 故障實例分析
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)子運動穩(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)子振動特性分析
9.3.1 求解非線性振動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)的振動特性分析
9.3.4 共振轉(zhuǎn)速區(qū)的振動特性分析
9.4 考慮非線性渦動的開閉裂紋轉(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等簡化了模型結(jié)構(gòu)，提高了訓(xùn)練和解碼效率，并在圖像識別、人臉辨識、軌跡識別等領(lǐng)域獲得了成功應(yīng)用。Werner等將它引入到語音識別領(lǐng)域中，可以完成傳統(tǒng)HMM的語音識別功能，而且對噪聲環(huán)境下的語音識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 HMM是一個雙內(nèi)嵌入式隨機(jī)過程，其中一個隨機(jī)過程描述狀態(tài)和觀測值之間的統(tǒng)計對應(yīng)關(guān)系，它解決了用短時模型描述平穩(wěn)段的信號問題；另一個隨機(jī)過程描述各狀態(tài)間的轉(zhuǎn)移關(guān)系，即信號各個短時平穩(wěn)段之間的非平穩(wěn)統(tǒng)計關(guān)系。因而它非常適合于描述短時平穩(wěn)的非平穩(wěn)信號。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)械振動故障診斷中，振動信號存在著與語音信號相似的非平穩(wěn)特征。當(dāng)2D—HMM中I—HMM的狀態(tài)數(shù)為1時，2D—HMM就退化為標(biāo)準(zhǔn)HMM。因而它具有HMM的優(yōu)點，且從時域和頻域兩個角度全面地描述信號，非常適合于處理旋轉(zhuǎn)機(jī)械中出現(xiàn)的非平穩(wěn)性強、重復(fù)再現(xiàn)性不佳的信號。 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，而且還具有自身的特點。

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、動力與能源、工程力學(xué)、控制等專業(yè)高年級學(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

評論、評分、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

---