基于人工免疫系统的工业机组复合故障诊断技术PDF电子书下载

第1章 旋转机械复合故障诊断原理 1

1.1 旋转机械复合故障诊断概述 2

1.1.1 旋转机械复合故障的定义 2

1.1.2 常见的旋转机械复合故障 4

1.1.3 旋转机械复合故障诊断的目的和意义 5

1.2 旋转机械复合故障诊断原理 7

1.2.1 故障诊断的基本概念 8

1.2.2 故障信息的获取和诊断方法 9

1.2.3 振动诊断的基础工作 13

1.2.4 振动信号的分析与处理 16

1.3 本章小结 20

第2章 基于人工免疫系统的复合故障诊断技术 21

2.1 人工免疫系统的原理及模型 22

2.1.1 人工免疫系统的生物原型 22

2.1.2 人工免疫系统的仿生机理 22

2.1.3 人工免疫系统模型 27

2.2 阴性选择算法 28

2.2.1 阴性选择算法 29

2.2.2 检测信号处理及检测器训练 30

2.2.3 阴性选择算法新的改进 31

2.3 无量纲指标 37

2.3.1 概率密度函数 37

2.3.2 无量纲指标的定义 38

2.3.3 无量纲指标的优越性 40

2.3.4 构建新的适用于复合故障诊断的无量纲指标 40

2.4 应用实例及仿真 42

2.4.1 无量纲指标计算与故障特征提取 42

2.4.2 无量纲免疫检测器的生成 44

2.4.3 集成诊断 46

2.4.4 多无量纲免疫检测器的旋转机械复合故障诊断实验及仿真 47

2.5 本章小结 50

第3章 基于证据理论的复合故障诊断技术 51

3.1 基于证据理论的复合故障诊断方法概述 52

3.1.1 机械故障诊断的意义 52

3.1.2 基于证据推理的机械复合故障 53

3.2 证据理论复合故障诊断原理 56

3.2.1 K最近邻法算法 56

3.2.2 经典的证据理论故障诊断方法 57

3.2.3 改进的证据理论故障诊断方法 58

3.2.4 相关证据下并发故障诊断的信息融合方法 61

3.2.5 证据组合规则的随机集统一表示及其在故障诊断中的应用 62

3.2.6 证据组合规则的随机集统一表示模型 64

3.2.7 经典组合规则的随机集统一表示 65

3.2.8 一种新的证据组合规则及其在故障诊断中的应用 66

3.3 本章小结 67

第4章 基于粗糙集的属性权重确定方法 68

4.1 粗糙集概述 69

4.1.1 粗糙集概述 69

4.1.2 粗糙集与证据理论 71

4.2 粗糙集的基本概念 71

4.2.1 等价关系与粗糙集 71

4.2.2 精度与粗糙度 72

4.2.3 知识约简 73

4.3 粗糙集的属性权重确定方法 73

4.3.1 基于条件属性的属性重要度确定方法 74

4.3.2 基于决策属性的属性重要度确定方法 75

4.3.3 基于粗糙集的属性权重确定方法 76

4.4 改进的粗糙集属性权重确定方法 76

4.4.1 改进的基于条件的属性重要度确定方法 76

4.4.2 改进的基于决策的属性重要度确定方法 77

4.4.3 改进的基于粗糙集的属性权重确定方法 78

4.5 基于粗糙集的权重分配的仿真、实验 78

4.5.1 实验环境 78

4.5.2 实验数据 80

4.5.3 基于条件属性重要度的指标权重计算仿真实验 82

4.5.4 基于决策属性重要度的指标权重计算仿真实验 84

4.6 本章小结 86

第5章 基于频谱的复合故障诊断方法 87

5.1 经典谱分析 88

5.1.1 幅值谱 88

5.1.2 功率谱 89

5.1.3 倒频谱 90

5.1.4 包络谱 92

5.1.5 相位谱 93

5.2 现代频谱技术 95

5.2.1 最大熵谱 95

5.2.2 最大似然法 96

5.3 时频域方法 98

5.3.1 连续小波变换 98

5.3.2 EMD算法 98

5.3.3 基于余弦窗的端点效应处理 100

5.3.4 线性相关方法 100

5.3.5 希尔伯特包络 101

5.4 本章小结 102

第6章 旋转机械复合故障诊断在现场工业中的应用 103

6.1 工业现场复合故障诊断的背景 104

6.2 旋转机械复合故障诊断核心算法 104

6.2.1 工作任务 104

6.2.2 工作目标 105

6.2.3 实施方案 105

6.3 工业机组复合故障无量纲免疫检测器集成诊断装置 119

6.3.1 机组组成 119

6.3.2 远程机组状态监控系统 120

6.3.3 诊断系统组成 122

6.4 旋转机械复合故障诊断在现场工业中的综合应用实例 125

6.5 本章小结 127