机械故障特征提取与模式分类新方法PDF电子书下载

第1章 绪论 1

1.1旋转机械故障诊断 1

1.2旋转机械故障及其主要特征 2

1.2.1旋转机械典型故障振动分类 2

1.2.2旋转机械典型故障机理及振动特征分析 3

1.3状态监测与故障诊断系统组成 11

1.3.1故障信息检测 12

1.3.2状态监测 12

1.3.3故障特征提取 12

1.4旋转机械故障诊断的发展 13

1.4.1基于信号分析的常规故障诊断 13

1.4.2基于知识推理的智能故障诊断 14

1.4.3基于神经网络故障诊断技术 15

1.5机械故障特征提取与模式分类方法研究现状 16

1.5.1独立分量分析方法 16

1.5.2经验模态分解方法 17

1.5.3基于隐Markov模型特征提取与识别方法 18

1.6旋转机械故障非线性动力学分析 19

主要参考文献 22

第2章 基于时间序列模型盲辨识的故障特征提取方法 26

2.1时序模型 27

2.2盲系统辨识 29

2.2.1系统辨识的基本过程 29

2.2.2盲系统辨识的基本概念 31

2.3时序模型的盲辨识算法 34

2.3.1高阶累积量的定义及其计算 34

2.3.2 AR模型的盲辨识算法 35

2.3.3 MA模型的盲辨识算法 40

2.4 ARMA模型盲辨识方法及其仿真比较 42

2.4.1时序模型的经典辨识方法 42

2.4.2几种经典辨识方法与盲辨识法仿真比较 43

2.5基于时序模型盲辨识的参数化双谱分析及其应用 46

2.5.1双谱分析 47

2.5.2实验研究 52

主要参考文献 58

第3章 基于经验模态分解的时频分析及其故障特征提取方法 60

3.1基于EMD时频分析的基本原理和算法 60

3.1.1 EMD方法的基本原理 60

3.1.2 EMD方法的算法 65

3.1.3 EMD方法的完备性和正交性 66

3.1.4基于EMD的希尔伯特谱的基本原理和算法 66

3.2端点效应及信号序列的延拓技术 72

3.2.1端点效应的机理与影响 72

3.2.2周期延拓技术 73

3.2.3基于时间序列预测的延拓技术 75

3.2.4基于神经网络的预测延拓方法 80

3.2.5信号序列端点优化对称延拓方法 83

3.2.6信号序列延拓技术比较分析 89

3.3基于EMD的时频分析与其他时频分析方法的比较 89

3.3.1基于EMD的时频分析与短时傅里叶变换时频分析的比较 89

3.3.2基于EMD的时频分析与Wigner-Ville分布的比较 93

3.3.3基于EMD的时频分析与小波分析的比较 96

3.4基于白噪声统计特性的机械振动模式检验方法 104

3.4.1虚假振动模式产生的原因分析 104

3.4.2基于EMD的白噪声统计特性 106

3.4.3白噪声的EMD分析及其特性 108

3.4.4基于白噪声统计特性的机械振动模式检验方法流程 111

3.4.5仿真及实验验证 111

3.5基于EMD时频分析的故障特征模式 116

3.5.1瞬时能量分布特征模式 116

3.5.2希尔伯特时频谱和边际谱 117

主要参考文献 118

第4章 基于独立分量分析的机械源分离及特征提取 121

4.1 ICA的定义与模型 121

4.1.1 ICA定义 121

4.1.2 ICA模型及其模型估计性质 123

4.2 ICA目标函数和算法 127

4.2.1目标函数（参照函数）和优化算法 127

4.2.2 ICA算法的一般流程 129

4.2.3一些重要的ICA （BSS）典型算法 129

4.2.4算法性能评价指标 135

4.3基于ICA机械源分离方法 136

4.3.1分离方法 136

4.3.2信号特性校验 137

4.3.3算法选择与性能分析 143

4.3.4基于 FFT -MCC分析的ICA盲不确定性消除 145

4.3.5机械源ICA（BSS）的实现方法 151

4.4基于ICA的机械源分离实验与应用 152

4.5基于ICA的机械故障特征提取与分类器 165

4.5.1基于 ICA残余总体相关和残余互信息的特征提取 165

4.5.2基于ICA特征提取的机械故障分类器 168

主要参考文献 180

第5章 基于隐Markov模型的故障模式分类方法 184

5.1 HMM的基本理论与算法 184

5.1.1 HMM基本理论 184

5.1.2 HMM基本算法 187

5.1.3 HMM的类型 191

5.1.4 HMM在实际应用中的实现技术 192

5.1.5 HMM在故障诊断中的模式分类作用 197

5.2旋转机械升速过程DHMM故障分类方法 198

5.2.1振动信号的特征提取 199

5.2.2幅值谱矢量的标量量化 201

5.2.3多观测样本序列DHMM算法的改进 203

5.2.4 DHMM故障诊断步骤 206

5.3诊断实验 208

5.3.1升降速过程转子振动特点与在各转速区的表现 209

5.3.2转子启动过程模拟实验 210

5.3.3 DHMM训练和诊断结果 213

主要参考文献 216

第6章 基于因子隐Markov模型的模式分类方法 218

6.1 FHMM的基本概念与算法 218

6.1.1 FHMM模型的基本概念 218

6.1.2 FHMM模型的算法 220

6.2基于时序模型盲辨识的FHMM故障诊断方法 223

6.2.1 BSI-FHMM故障诊断方法 223

6.2.2实验研究 224

6.3基于ICA的FHMM分类器故障诊断方法 226

6.3.1基于ICA的FHMM分类器的设计 227

6.3.2实验研究 228

主要参考文献 232

第7章 基于二维隐Markov模型的故障模式分类方法 233

7.1 2D-HMM的拓扑结构与特点 233

7.2 2D-HMM基本理论和算法 235

7.2.1 2D- HMM模型信号描述 235

7.2.2 2D-HMM模型的算法 236

7.3基于2D-HMM的振动信号特征提取 241

7.3.1 2D-HMM特征提取方法 241

7.3.2状态数确定原理与方法 244

7.4基于2D-HMM的旋转机械故障识别与应用 247

7.4.1 2D-HMM故障诊断原理及步骤 247

7.4.2实验验证与应用 250

主要参考文献 262

第8章 旋转机械故障非线性特征提取技术 265

8.1转轴系统油膜失稳的Hopf分岔行为 266

8.1.1 Hopf分岔的Poore判据 266

8.1.2力学模型 267

8.1.3理论分析 268

8.1.4数值分析 270

8.2转子系统径向碰摩故障的分岔与混沌行为 272

8.2.1转子系统径向碰摩故障的分岔与混沌行为概述 272

8.2.2转子-定子冲击作用的数学模型 274

8.2.3转子径向碰摩故障的力学模型与理论分析 275

8.2.4转子径向碰摩故障的实验研究 280

8.3基于延时嵌入法的非线性故障特征提取技术 284

8.3.1延时嵌入相空间重构的理论概要 284

8.3.2重构参数的选取原则 285

8.3.3故障实例分析 286

8.4基于关联维数的非线性故障特征提取技术 289

8.4.1关联维数的定义与计算方法 289

8.4.2故障实例分析 293

8.5基于柯尔莫哥洛夫熵的非线性故障特征提取技术 295

8.5.1柯尔莫哥洛夫熵的概念与基本性质 295

8.5.2柯尔莫哥洛夫熵的应用实例分析 296

主要参考文献 297

第9章 裂纹转子非线性故障振动特性分析 299

9.1裂纹转子数学模型 299

9.1.1裂纹转子刚度的计算 300

9.1.2常见裂纹模型 302

9.1.3一种新的裂纹模型 303

9.2开裂纹转子振动特性分析 306

9.2.1开裂纹转子的数学模型 306

9.2.2开裂纹转子运动稳定性分析 307

9.2.3开裂纹转子稳态响应分析 307

9.3基于多尺度分析法的开闭裂纹转子振动特性分析 310

9.3.1求解非线性振动方程的多尺度分析法 310

9.3.2开闭裂纹转子的数学模型 312

9.3.3非共振转速区的振动特性分析 313

9.3.4共振转速区的振动特性分析 320

9.4考虑非线性涡动的开闭裂纹转子分岔和混沌特性分析 324

9.4.1考虑非线性涡动的开闭裂纹转子数学模型 324

9.4.2裂纹转子的分岔和混沌特性分析 325

主要参考文献 331