机械故障诊断理论与方法PDF电子书下载

第1章　机械零部件失效信息 1

1.1　概述 1

1.2　机械运行信息的获取 5

1.2.1　包含零部件失效信息的信号测量 5

1.2.2　零部件失效信息的提取 6

1.3　机械运行信息的利用 11

1.3.1　机械零部件故障的识别 11

1.3.2　机械设计、制造缺陷的识别 12

1.4　机械故障诊断的本质 15

第2章　机械故障诊断动力学基础 20

2.1　简谐振动 20

2.2　单自由度系统的自由振动 22

2.3　单自由度系统的强迫振动 25

2.3.1　简谐激励下的强迫振动（稳态阶段） 26

2.3.2　简谐激励下的强迫振动（过渡阶段） 27

2.4　转子的不平衡响应和临界转速 30

2.5　机械故障振动频率特征及机理分析 34

2.5.1 回转机械典型故障特征及机理分析 34

2.5.2　齿轮故障特征及机理分析 37

2.5.3　滚动轴承故障特征及机理分析 40

第3章　信息熵 45

3.1　信息熵的定义与性质 45

3.1.1　熵的定义 45

3.1.2　熵的性质 46

3.1.3　信息熵的作用 46

3.2　信息熵的极值 48

3.3　复合系统、联合熵与条件熵 49

3.4　最小互熵原理 53

3.4.1　最小互熵原理 53

3.4.2　最大熵分布 57

3.4.3　不确定性重要度测度 58

3.5　信息量的量度 58

第4章　信号频域分析基础及应用 65

4.1　傅里叶级数与离散频谱 65

4.2　傅里叶变换与连续频谱 67

4.3　离散傅里叶变换及快速算法 71

4.4　窗函数与泄漏 73

4.5　谱校正方法 75

4.6　信号的频谱分析 78

4.6.1　确定性信号的傅里叶谱分析 78

4.6.2　信号的功率谱分析 79

4.6.3　信号的相干分析 80

4.7　频谱分析的应用 80

第5章　信号的时频分析 85

5.1　时频分析的基本概念 85

5.1.1　信号的时频表示 85

5.1.2　相平面、窗口和测不准原理 87

5.1.3　时频分析方法的分类 88

5.2　加窗傅里叶变换 89

5.2.1　加窗傅里叶变换的基本概念 90

5.2.2　加窗傅里叶变换的特性 91

5.2.3　加窗傅里叶变换的分析实例 92

5.3　小波变换 94

5.3.1　小波变换的基本概念 95

5.3.2　小波变换的特性 96

5.3.3　连续小波变换的分析实例 97

5.4　离散小波变换 99

5.4.1　二进小波变换 99

5.4.2　小波函数与尺度函数 100

5.4.3　离散二进小波变换——Mallat算法 102

5.4.4　信号重建——二进小波逆变换 104

5.4.5　二进小波变换的应用 105

5.5　小波包变换 107

5.5.1　小波包原理 107

5.5.2　小波包结构 108

5.5.3　小波包变换 108

5.5.4　小波包逆变换 109

5.5.5　信号的小波包表示 110

5.5.6　小波包变换的实例 116

5.6　维格纳分布 117

5.6.1　维格纳分布的定义与性质 117

5.6.2　维格纳分布的时频特性 118

5.6.3　维格纳分布的光滑方法 120

第6章　希尔伯特-黄变换 123

6.1　希尔伯特-黄变换中的基本概念 123

6.1.1　瞬时频率 123

6.1.2　固有模式函数 126

6.2　经验模式分解 127

6.2.1　经验模式分解的基本原理 127

6.2.2　经验模式分解算法的完备性与正交性 130

6.3　希尔伯特谱分析 131

6.4　希尔伯特-黄变换在非平稳、非线性信号处理中的应用举例 134

6.4.1　单周期正弦波的分析 134

6.4.2　分时余弦波的分析 135

6.4.3　一个模拟调频信号的分析 137

6.4.4　一个实际机械故障信号的分析 139

6.5　讨论 140

第7章　全息谱分析技术 145

7.1　全息谱的构成 145

7.1.1　全息谱的提出 145

7.1.2　全息谱对所集成的信号的要求 145

7.1.3　二维全息谱的构成 147

7.1.4　全息谱区别故障的能力 150

7.1.5　三维全息谱的构成 153

7.1.6　轴心轨迹重构 155

7.2　全息瀑布图 157

7.3　全息动平衡技术 160

7.3.1　转频椭圆 160

7.3.2　初相点与转子重点 161

7.3.3　椭圆运动与等速圆周运动的转换 163

7.3.4　移相椭圆 163

7.3.5　三维全息谱的分解 166

第8章　主分量分析与核主分量分析 170

8.1　主分量分析的基本原理 170

8.1.1　主分量分析的基本原理 170

8.1.2　主分量分析应用举例 173

8.2　主分量分析在噪声压缩中的应用 178

8.2.1　含噪数据序列的统计特征 178

8.2.2　噪声压缩评价指标 179

8.2.3　主分量分析压缩噪声的原理与实例分析 181

8.3　核主分量分析 184

8.3.1　“维数灾难”与核函数 184

8.3.2　核主分量分析的原理 187

8.3.3　核主分量分析在齿轮故障分类中的应用 194

第9章　Bootstrap方法的原理及应用 199

9.1　Bootstrap原理 199

9.1.1　Bootstrap方法概述 200

9.1.2　样本均值的估计 200

9.1.3　重采样次数的选择 202

9.1.4　样本数量的扩充方法 203

9.2　Bootstrap在诊断不确定性定量评判上的应用 205

9.3　Bootstrap在轴承故障诊断中的应用 207

9.4　Bootstrap方法在自回归模型分析中的应用 210

9.4.1　基于Bootstrap的自回归模型分析 211

9.4.2　基于Bootstrap的回归建模和预报 214

第10章　盲源分离 220

10.1　独立分量分析原理及算法 220

10.1.1　基本原理 220

10.1.2　信号间的独立性度量准则 222

10.1.3　实现算法 225

10.1.4　常用独立分量分析方法介绍 226

10.2　独立分量分析在监测诊断中的应用 228

10.2.1　仿真信号的分离 228

10.2.2　滚动轴承噪声信号的分离 229

10.2.3　语音信号的分离 232

10.3　独立分量分析在实践中尚需解决的几个问题 233

第11章　时域平均技术 237

11.1　时域平均的原理 237

11.2　时域同步平均 238

11.2.1　时域同步平均的概念 239

11.2.2　时域同步平均工作原理 240

11.2.3　应用实例 242

11.3　无时标时域平均 247

11.3.1　周期截断误差对时域平均的影响 248

11.3.2　确定合理的时域平均段数 253

11.3.3　时域平均处的改进算法 255

第12章　支持向量机 261

12.1　机器学习的基本方法 261

12.1.1 问题的表示 261

12.1.2　经验风险最小化原则 262

12.1.3　复杂性与推广能力 262

12.2　统计学习理论 263

12.2.1　VC维 263

12.2.2　推广性的界 264

12.2.3　结构风险最小化原则 264

12.3　支持向量机 265

12.3.1　SVM的基本思想 265

12.3.2　最优超平面与支持向量机 266

12.3.3　线性支持向量机 268

12.3.4　非线性支持向量机 269

12.3.5　支持向量机的多类算法 271

12.3.6　支持向量机用于回归 273

12.4　支持向量机在机械故障诊断中的应用 275

12.4.1　支持向量机在滚动轴承故障诊断中的应用 275

12.4.2　支持向量机在发动机故障诊断中的应用 278

12.4.3　支持向量机应用总结 282

第13章　进化计算及其应用 285

13.1　遗传算法的产生与发展现状 285

13.2　遗传算法 287

13.2.1　遗传算法的原理 287

13.2.2　遗传算法的特点 292

13.2.3　遗传算法的实现 293

13.3　遗传编程 295

13.3.1　遗传编程的原理 295

13.3.2　遗传编程节点的闭锁性与自满性 298

13.3.3　遗传编程的主要特点 299

13.3.4　遗传编程的实现 299

13.4　遗传算法的应用 301

13.5　遗传编程的应用 303