复杂机械故障诊断的分形与小波方法PDF电子书下载

第1章机械故障诊断概述 1

1.1机械故障诊断发展概述 1

1.1.1设备故障诊断技术的发展过程 3

1.1.2设备故障诊断技术的现状 4

1.1.3设备故障诊断技术的发展趋势 6

1.2基于现代非线性理论的复杂机械故障诊断与预测 7

1.2.1基于现代非线性理论的复杂机械故障诊断研究的内容 7

1.2.2基于现代非线性理论的复杂机械故障诊断研究的意义 8

第2章复杂机械系统的研究方法 11

2.1机械设备故障诊断理论方法 11

2.2机械设备故障诊断的技术与方法 15

第3章分形与分形维数概述 19

3.1分形原理概述 19

3.1.1分形 19

3.1.2分形空间 20

3.2分维及其测量方法 20

3.2.1长度测量及其维数的定义 20

3.2.2几种分形维数概述 22

第4章小波分析理论 30

4.1振动信号的分析方法 30

4.1.1信号的频域分析方法 30

4.1.2信号的时频局部化分析 31

9.3.2广义维数序列单值优化逼近判断法 1 32

4.2.1小波分析理论的发展史 34

4.2小波分析理论简述 34

4.2.2连续小波变换的定义 36

4.2.3连续小波变换的数字实现 37

9.5.2分形维数的计算比较与分析 1 37

4.2.4离散小波变换 38

4.3多尺度分析理论和Mallat算法 39

4.3.1多尺度分析 39

4.3.2一维Mallat算法 42

4.4小波包理论分析 44

4.4.1小波包理论 44

4.4.2小波包滤波 47

5.1 BP神经网络算法概述 49

第5章基于神经网络的复杂机械设备故障诊断 49

5.2 BP算法的主要缺陷 53

5.3 BP算法改进 54

5.4人工神经网络的优化算法 55

5.4.1坐标轮换法的一般原理 55

5.4.2鲍威尔（Powell）方法 57

5.5基于人工神经网络优化算法的故障诊断 59

5.5.1样本数据的提取方法 59

5.5.2转子模型的状态数据的提取 59

5.5.3 BP法计算分析 62

5.5.4优化算法算例 63

5.6汽轮发电机组故障诊断的实例分析 64

5.6.1 BP法算例 66

5.6.2优化算法算例 67

5.7简化神经网络诊断实例 68

5.8 Elman网络结构 70

5.9基于Elman神经网络的KTA50汽车发动机故障诊断 71

6.1基于小波分析的信号分解与重构 77

第6章基于小波理论的复杂机械故障诊断 77

6.2.1小波去噪模型的建立 78

6.2基于小波理论的信号噪声分析研究 78

6.2.2小波去噪模型的应用 81

6.3小波包理论在KTA50汽车发动机故障诊断中的应用 86

6.3.1KTA50柴油汽车发动机的常见故障及诊断参数 86

6.3.2基于小波包理论KTA50汽车发动机故障诊断 87

6.4小波包理论在发电机组故障诊断中的应用 98

第7章基于关联维数的机械故障诊断 104

7.1分形测度与关联维数 104

7.1.1分形测度 104

7.1.2关联维数的计算及其在实际应用中存在的问题 105

7.2关联维数在汽车发动机故障诊断中的应用 109

7.2.1关联维数在KTA50汽车发动机故障诊断中的应用 109

7.2.2关联维数在斯太尔汽车发动机故障诊断中的应用 112

7.3关联维数在发电机组故障诊断中的应用 115

8.1多重分形信息特征 118

8.1.1多重分形的理论方法 118

第8章基于多重分形的分形维数计算 118

8.1.2广义维数算法概述 119

8.1.3广义维数Dq的计算方法 121

8.2广义分形维数算例分析 123

8.2.1正弦波的广义维数及与采样长度的关系 123

8.2.2带噪声正弦波信号的广义维数计算分析 126

第9章基于广义分形特征的故障诊断 130

9.1振动信号的多重分形维数分析 130

9.2振动信号的敏感维数提取 131

9.3振动信号的分形诊断分类原理 131

9.3.1广义维数相关性判断法 132

9.3.3振动信号的分形诊断分类计算程序 133

9.4振动信号的广义分形维数诊断方法 134

9.5基于多重分形特征的转子模型故障诊断 135

9.5.1转子模型试验 136

9.5.3确定各分形维数及敏感维数 140

9.5.4各样本的功率谱及维数分析 142

9.5.5待检信号单一故障的分形维数诊断分析 144

9.5.6待检信号复杂故障的分形维数诊断分析 146

9.5.7待检信号耦合故障的分形维数诊断分析 148

9.6基于广义分形特征的汽轮发电机组故障诊断 149

9.6.1汽轮发电机组故障诊断方法概述 149

9.6.2振动故障智能诊断方法的改进 151

9.6.3汽轮发电机组故障诊断的分形方法 152

10.1混沌理论概述 166

第10章机械系统的混沌特性及其可预测性研究 166

10.2复杂机械系统中的混沌 167

10.2.1复杂机械系统中的非线性问题 167

10.2.2复杂机械系统中的混沌 168

10.2.3混沌的特征描述 169

10.3混沌理论在复杂机械系统故障诊断中的应用 171

10.3.1基于时间序列的李雅普指数及其计算公式 171

10.3.2基于李雅普指数的斯太尔汽车发动机气缸状态诊断 172

10.3.3基于相轨迹重构的发电机组故障诊断 175

10.4复杂机械系统状态预测 176

10.4.1基于混沌的复杂机械系统状态预测 176

10.4.2基于混沌的复杂机械系统状态预测思想 178

10.4.3复杂机械系统状态的最大可预测时间 179

10.5复杂机械系统状态的最大可预测时间计算示例 181

第11章工程中故障诊断应用示例 184

11.1 650轧钢机机械性能参数在线监控的研究 184

11.1.1轧钢机力能参数间接测量的数学模型的理论推证 184

11.1.2对轧机咬入钢锭瞬时轧制力矩数学模型的修正 187

11.2基于专家系统与神经网络集成的故障诊断的应用研究 188

11.2.1集成式专家系统 188

11.2.2直流电动机换向故障诊断 188

11.2.3系统实现 189

11.2.4诊断实例 190

11.3极大熵谱法及其在滚动轴承故障诊断中的应用 193

11.3.1极大熵谱法 194

11.3.3极大熵谱法诊断实例 195

11.3.2用AR模型进行谱分析 195

1 1.4基于广义维数的圆盘故障特征提取及诊断研究 199

11.4.1多重分形及广义维数 200

11.4.2故障分形诊断原理 202

第12章基于虚拟技术的机械振动测试与故障诊断 206

12.1虚拟仪器技术 206

12.1.1虚拟仪器基本概念 206

12.1.2基于虚拟仪器技术的数据采集 208

12.1.3基于虚拟仪器技术的数据通信 208

12.1.4 LabVIEW的信号分析 209

12.1.5实用LabVIEW工具软件包 210

12.1.6实用LabVIEW分析工具软件 211

12.2基于虚拟技术的发电机组振动与测试分析系统 212

12.2.1总体构思 212

12.2.2基于虚拟技术的发电机组故障诊断与在线监测系统 213

12.2.3基于虚拟技术的发电机组故障诊断与在线监测系统特点 213

参考文献 218