齒輪箱故障診斷的油液、振動(dòng)信息融合方法

內(nèi)容概要

　　本書首次系統(tǒng)而深入地研究了油液、振動(dòng)信息融合方法在齒輪箱故障診斷中的應(yīng)用。本書結(jié)合摩擦振動(dòng)物理模型探討了油液和振動(dòng)之間的內(nèi)在聯(lián)系，在齒輪箱試驗(yàn)臺(tái)架進(jìn)行了700余小時(shí)磨損試驗(yàn)的基礎(chǔ)上，對(duì)油液和振動(dòng)參數(shù)內(nèi)在的耦合關(guān)系進(jìn)行了深入探討，引入并提出了Vague集、單位圓和人工免疫算法等方法，實(shí)現(xiàn)對(duì)油液振動(dòng)融合信息的特征提取、選擇和分類，提高了齒輪箱故障診斷的可靠性和準(zhǔn)確性，為齒輪箱狀態(tài)監(jiān)測(cè)和故障診斷提供了一條新的理論和技術(shù)途徑。

書籍目錄

前言
第1章　齒輪箱故障診斷技術(shù)概述
　1.1　齒輪箱故障診斷技術(shù)
　1.2　齒輪箱振動(dòng)分析故障診斷技術(shù)
　1.3　齒輪箱油液分析故障診斷技術(shù)
　1.4　油液和振動(dòng)信息融合技術(shù)
　　1.4.1　信息融合技術(shù)的研究現(xiàn)狀
　　1.4.2　油液和振動(dòng)融合的研究現(xiàn)狀
第2章　齒輪箱油液和振動(dòng)融合診斷理論基礎(chǔ)研究
　2.1　齒輪箱常見故障及原因分析
　　2.1.1　齒輪常見故障
　　2.1.2　軸承常見故障
　2.2　齒輪箱油液和振動(dòng)之間內(nèi)在聯(lián)系分析
　　2.2.1　摩擦和磨損之間的相互聯(lián)系
　　2.2.2　摩擦和振動(dòng)之間的相互聯(lián)系
　　2.2.3　齒輪箱油液和振動(dòng)融合的定性分析
　2.3　齒輪箱磨損試驗(yàn)臺(tái)架構(gòu)建
　2.4　齒輪箱磨損試驗(yàn)方案設(shè)計(jì)
　　2.4.1　故障機(jī)理分析
　　2.4.2　試驗(yàn)方案設(shè)計(jì)
第3章　油液光譜分析
　3.1　光譜分析的原理
　3.2　光譜分析中常用的數(shù)學(xué)方法
　　3.2.1　磨損元素界限值的制定方法
　　3.2.2　基于灰色模型的磨損元素濃度值預(yù)測(cè)
　　3.2.3　時(shí)間序列分析方法
第4章　油液鐵譜分析
　4.1　磨損顆粒沉積原理
　　4.1.1　物質(zhì)的磁性特征
　　4.1.2　鐵譜儀磁場(chǎng)特征
　　4.1.3　磨粒的沉積規(guī)律分析
　4.2　鐵譜儀的種類
　4.3　鐵譜磨粒的定量分析
　　4.3.1　磨損顆粒尺寸分布
　　4.3.2　磨損定量分析方法
　4.4　鐵譜磨粒圖像的自動(dòng)處理
　4.5　磨粒圖像分割
　　4.5.1　基于量子化粒子群與模糊C均值融合的鐵譜圖像分割算法
　　4.5.2　基于區(qū)域生長(zhǎng)的自適應(yīng)鐵譜圖像分割算法
　4.6　鐵譜磨粒圖像特征參數(shù)的分類
　　4.6.1　磨粒的形狀特征參數(shù)
　　4.6.2　磨粒的表面紋理特征參數(shù)
　4.7　基于D-S證據(jù)理論的磨粒組合智能識(shí)別
　　4.7.1　模糊灰色信息集成模型
　　4.7.2　加權(quán)模糊優(yōu)選模型
　　4.7.3　對(duì)稱交互熵模型
　　4.7.4　基于D-S證據(jù)理論的磨粒組合智能識(shí)別
第5章　振動(dòng)信號(hào)分析技術(shù)
　5.1　齒輪箱動(dòng)力學(xué)建模
　　5.1.1　齒輪箱的子系統(tǒng)建模方法
　　5.1.2　箱體的動(dòng)力學(xué)模型
　　5.1.3　主動(dòng)軸系的動(dòng)力學(xué)模型
　　5.1.4　從動(dòng)軸系的動(dòng)力學(xué)模型
　　5.1.5　軸承座對(duì)箱體的瞬時(shí)激勵(lì)力
　5.2　降噪
　5.3　提升小波包變換基本理論
　　5.3.1　小波包變換與Mallat算法
　　5.3.2　提升小波變換原理
　　5.3.3　提升小波包變換算法
　　5.3.4　提升小波包變換的移頻算法
　5.4　提升小波包閾值降噪方法研究
　　5.4.1　提升小波包分解的信噪分離
　　5.4.2　一種次優(yōu)基提升小波包分解算法
　　5.4.3　一種漸變式閾值選擇與量化策略
　　5.4.4　算法測(cè)試與應(yīng)用
第6章　基于Vague集的油液和振動(dòng)參數(shù)篩選
　6.1　油液和振動(dòng)特征參數(shù)
　　6.1.1　油液參數(shù)
　　6.1.2　振動(dòng)特征參數(shù)
　6.2　Vague集理論
　　6.2.1　Vague集基本概念
　　6.2.2　Vague集的相似度量
　　6.3　Vague集在油液和振動(dòng)參數(shù)篩選中的應(yīng)用
　6.3.1　油液和振動(dòng)參數(shù)篩選的評(píng)價(jià)指標(biāo)
　　6.3.2　建立各參數(shù)的Vague集
　　6.3.3　建立理想期望參數(shù)的Vague集
　　6.3.4　確定各評(píng)價(jià)指標(biāo)的權(quán)重
　　6.3.5　計(jì)算各參數(shù)與期望參數(shù)之間的相似度量
　6.4　基于粗集理論的油液和振動(dòng)參數(shù)簡(jiǎn)約
　　6.4.1　粗集理論
　　6.4.2　粗集理論在油液和振動(dòng)參數(shù)簡(jiǎn)約中的應(yīng)用
第7章　齒輪箱油液和振動(dòng)融合診斷磨損規(guī)律研究
　7.1　齒輪箱磨損試驗(yàn)過程介紹
　7.2　油液參數(shù)磨損規(guī)律研究
　　7.2.1　油液光譜參數(shù)磨損規(guī)律
　　7.2.2　油液鐵譜參數(shù)磨損規(guī)律
　7.3　振動(dòng)參數(shù)磨損規(guī)律研究
　　7.3.1　振動(dòng)時(shí)域參數(shù)磨損規(guī)律
　　7.3.2　振動(dòng)頻域參數(shù)磨損規(guī)律
　　7.3.3　振動(dòng)時(shí)頻域參數(shù)磨損規(guī)律
　7.4　油液和振動(dòng)參數(shù)內(nèi)在耦合關(guān)系探討
　　7.4.1　油液和振動(dòng)參數(shù)相關(guān)系數(shù)分析
　　7.4.2　油液和振動(dòng)參數(shù)耦合關(guān)系探討
　　7.4.3　油液和振動(dòng)參數(shù)耦合關(guān)系驗(yàn)證
第8章　齒輪箱油液和振動(dòng)融合診斷特征提取研究
　8.1　單位圓特征提取方法的提出
　8.2　單位圓特征提取方法的基本概念
　8.3　單位圓特征提取方法的實(shí)現(xiàn)步驟及算法驗(yàn)證
　　8.3.1　單位圓特征提取方法的實(shí)現(xiàn)步驟
　　8.3.2　單位圓特征提取映射方法的驗(yàn)證
　　8.3.3　單位圓特征基準(zhǔn)點(diǎn)聚類的驗(yàn)證
　8.4　基于遺傳算法的油液和振動(dòng)高維數(shù)據(jù)基準(zhǔn)點(diǎn)的訓(xùn)練優(yōu)化
　　8.4.1　遺傳算法的基本實(shí)現(xiàn)步驟
　　8.4.2　基準(zhǔn)點(diǎn)的訓(xùn)練優(yōu)化結(jié)果分析
　　8.4.3　油液和振動(dòng)高維數(shù)據(jù)的特征提取
第9章　齒輪箱油液和振動(dòng)融合診斷方法研究
　9.1　現(xiàn)有故障診斷方法對(duì)比分析
　9.2　免疫原理的基本概念和實(shí)現(xiàn)步驟
　　9.2.1　免疫原理的基本概念
　　9.2.2　免疫原理的實(shí)現(xiàn)步驟
　9.3　免疫原理的算法改進(jìn)
　　9.3.1　免疫算法的不足
　　9.3.2　免疫算法的改進(jìn)
　　9.3.3　免疫算法改進(jìn)前后對(duì)比分析
　9.4　基于免疫改進(jìn)算法與單位圓的油液和振動(dòng)融合診斷方法
　　9.4.1　齒輪箱工作狀態(tài)特征向量的定義
　　9.4.2　檢測(cè)器的生成
　9.5　油液和振動(dòng)融合診斷與單一診斷的對(duì)比分析
結(jié)束語
參考文獻(xiàn)

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    齒輪箱故障診斷的油液、振動(dòng)信息融合方法 PDF格式下載

---