柴油机振动信号分析与故障诊断研究PDF电子书下载

第1章 柴油机故障诊断概述 1

1.1 故障诊断发展历程 1

1.2 柴油机故障分类 4

1.3 柴油机诊断常用信息 5

1.4 柴油机动态故障检测技术 6

1.4.1 状态参数法 7

1.4.2 油液分析法 8

1.4.3 声学检测法 9

1.4.4 振动检测法 12

1.4.5 多源信息融合诊断法 14

1.5 柴油机振动信号处理与特征提取方法 15

1.5.1 基于小波分析的柴油机信号处理与特征提取方法 16

1.5.2 双树复小波变换及其在机械信号处理中的应用 17

1.6 基于支持向量机的柴油机异常检测 19

1.6.1 单类支持向量机的研究与应用 21

1.6.2 单类支持向量机在机械异常检测中的应用 21

第2章 双树复小波分析 24

2.1 小波分析理论基础 25

2.1.1 从傅里叶分析到小波变换 25

2.1.2 多分辨率分析与Mallat算法 26

2.1.3 小波包变换的定义 29

2.1.4 小波包变换的Mallat算法 30

2.2 双树复小波变换 30

2.2.1 传统离散小波变换的平移变动性 30

2.2.2 双树复小波包变换 31

2.2.3 双树复小波包Hilbert变换对滤波器设计 32

2.2.4 双树复小波包快速Mallat算法 39

2.3 基于小波变换的基本降噪方法分析对比 41

2.3.1 基于模极大值重构的小波降噪方法 42

2.3.2 基于信号尺度间相关性的空域相关降噪方法 43

2.3.3 基于小波变换解相关特性的小波阈值降噪方法 45

2.4 本章小结 46

第3章 柴油机振动分析与双树复小波包降噪研究 48

3.1 柴油机振动信号采集方法 49

3.1.1 等角度域采样原理分析 49

3.1.2 柴油机整循环同步采样的实现 51

3.1.3 柴油机试验工况 53

3.2 柴油机振动信号特性分析 54

3.2.1 缸盖系统振动动力学模型 54

3.2.2 柴油机振动信号特性分析 56

3.3 双树复小波包仿真信号分析 63

3.3.1 阶梯信号的平移不变性测试 63

3.3.2 小波包分解频率混叠测试 64

3.4 双树复小波包自适应邻域分块阈值降噪方法 68

3.4.1 分块阈值降噪 68

3.4.2 自适应分块阈值降噪方法 70

3.4.3 计算机仿真信号分析 72

3.5 柴油机缸盖振动信号降噪实例 77

3.6 本章小结 80

第4章 基于双树复小波包的柴油机故障特征提取 81

4.1 基于双树复小波包的时域特征提取 82

4.1.1 振动信号的统计特征参数 82

4.1.2 多分辨率Hilbert包络熵 84

4.2 基于双树复小波包的频域特征提取 88

4.2.1 归一化相对能量特征 88

4.2.2 基于互熵的相对能量特征评价指标 89

4.2.3 实测信号分析 89

4.3 基于双树复小波包的时频域特征提取 91

4.3.1 双树复小波包时频分布 92

4.3.2 奇异值分解和奇异谱分析 94

4.3.3 实测信号分析 95

4.4 基于双树复小波包变换的特征参数集提取过程 102

4.5 本章小结 102

第5章 单类支持向量机 104

5.1 支持向量机理论 105

5.1.1 分类超平面 105

5.1.2 支持向量机 106

5.2 单类支持向量机模型 111

5.2.1 One-Class SVM模型 111

5.2.2 支持向量描述模型 113

5.2.3 参数设置与优化分析 115

5.3 单类支持向量机模型理论分析 117

5.3.1 两种单类支持向量机模型的区别和联系 117

5.3.2 模型局限性分析 118

5.3.3 模型性能评价指标 119

5.4 单类支持向量机研究进展 120

5.5 本章小结 123

第6章 基于单类支持向量机的柴油机异常检测模型研究 124

6.1 最大间隔超球分类器异常检测模型 125

6.1.1 最优分类超平面思想 125

6.1.2 最大间隔超球分类器异常检测模型的建立 127

6.1.3 模型参数分析 130

6.1.4 实例分析与应用 134

6.2 基于贝叶斯的三层阈值异常检测模型 137

6.2.1 特征空间与混叠域 137

6.2.2 基于贝叶斯的三层阈值分界面 138

6.2.3 实测信号分析 140

6.3 基于多核映射的支持向量异常检测模型 142

6.3.1 多核空间描述 143

6.3.2 多核支持向量描述模型 144

6.3.3 柴油机实测信号应用 147

6.4 本章小结 148

第7章 基于粒子群的异常检测模型多目标优化研究 150

7.1 粒子群优化算法 151

7.1.1 粒子群优化算法基本原理 151

7.1.2 粒子群优化算法控制参数分析 153

7.1.3 标准微粒群算法的局限性 154

7.2 自适应混沌双粒子群优化 156

7.2.1 双种群协同进化 156

7.2.2 混沌变异全局搜索种群 156

7.2.3 自适应邻域局部搜索种群 158

7.2.4 仿真对比测试 159

7.3 基于粒子群的柴油机异常检测多目标优化 163

7.3.1 非支配排序微粒群多目标优化 163

7.3.2 数据分析与验证 167

7.4 本章小结 171

第8章 柴油机异常检测动态更新与故障类型识别 172

8.1 柴油机异常检测模型的动态更新 173

8.1.1 异常检测模型增量学习与KKT条件 173

8.1.2 新增样本对支持向量集的影响分析 176

8.1.3 异常检测模型更新法则 178

8.1.4 异常检测模型增量式SMO快速训练算法 180

8.1.5 柴油机在线检测性能分析 184

8.2 柴油机在线检测动态多故障类型识别方法 186

8.2.1 动态多故障识别模型的建立 186

8.2.2 测试样本点与各超球体的位置关系分析 188

8.2.3 柴油机多故障诊断应用 191

8.3 本章小结 194

参考文献 195