第1章 绪论 1
1.1 旋转机械动力分析与故障诊断研究现状 1
1.2 时频分析的发展及应用 9
1.3 分形理论的发展及应用 11
1.4 神经网络技术在故障诊断中的应用 13
第2章 非平稳信号分析方法 16
2.1 非平稳信号分析 16
2.2 Fourier分析与短时Fourier变换 17
2.2.1 Fourier分析 17
2.2.2 短时Fourier变换 18
2.3 时频分析 19
2.4 小波分析的历史及其应用 20
2.4.1 小波分析的历史发展 20
2.4.2 小波分析与其他信号分析方法的比较 22
2.4.3 小波分析的应用领域 23
2.5 小波变换 24
2.5.1 Haar小波 24
2.5.2 连续小波 26
2.5.3 连续小波变换 27
2.6 离散小波变换与二进小波 29
2.6.1 小波变换的离散化 29
2.6.2 二进小波 29
2.7 多分辨分析与Mallat算法 30
2.7.1 多分辨分析 30
2.7.2 Mallat算法 34
2.8 小波包分析 36
2.8.1 小波包的定义 38
2.8.2 小波包的性质 39
2.8.3 小波包的空间分解 40
第3章 谐波小波在旋转机械信号处理中的应用 42
3.1 概述 42
3.2 谐波小波 43
3.2.1 谐波小波的产生 43
3.2.2 谐波小波及其变换 45
3.2.3 离散信号的谐波小波变换 47
3.2.4 谐波小波包变换及其实现 50
3.3 谐波小波变换在信号处理中的应用 52
3.3.1 周期性突变信号 52
3.3.2 幅值突变信号 54
3.3.3 局部奇变信号 55
3.3.4 变频信号 56
3.3.5 宽带噪声 57
3.3.6 混沌信号 58
3.3.7 实际转子信号 60
3.4 谐波小波滤波及其功效研究 60
3.4.1 谐波小波滤波 61
3.4.2 谐波小波函数滤波功效分析 65
第4章 旋转机械高阶临界转速的识别 68
4.1 引言 68
4.2 基本原理 69
4.2.1 振动信号的现场采集 69
4.2.2 谐波小波滤波 71
4.3 实例分析 72
4.3.1 某实验转子二阶临界转速的识别 72
4.3.2 某离心压缩机低压缸转子二阶临界转速的识别 78
第5章 分形理论在旋转机械动力参数识别的中应用 82
5.1 概述 82
5.2 时间序列容积维数与关联维数 83
5.2.1 时间序列Hausdorff维数的计算 83
5.2.2 时间序列关联维数 84
5.3 May模型分岔参数识别 85
5.4 Duffing方程临界参数的时间序列分维数识别 88
5.4.1 激励临界参数的识别 88
5.4.2 阻尼临界参数的识别 93
5.5 Lorenz模型临界参数的时间序列分维数识别 95
5.6 Jeffcott转子系统分岔参数识别 99
5.6.1 单盘Jeffcott转子系统模型建立 99
5.6.2 Jeffcott转子分岔参数（转速）识别 100
5.6.3 Jeffcott转子分岔参数（质量）识别 103
第6章 基于人工神经网络的故障诊断技术 105
6.1 引言 105
6.2 人工神经网络的基本原理与结构 106
6.3 BP神经网络 109
6.3.1 BP神经网络及神经元结构 109
6.3.2 BP神经网络学习算法 110
6.4 局部可变权值神经网络 113
6.4.1 局部可变权值神经网络学习和工作原理 114
6.4.2 局部可变权值神经网络应用 118
6.5 ANN二次学习影响系数加权法 127
6.6.1 算法原理 127
6.6.2 模拟算例 128
第7章 旋转机械故障监测与诊断系统 133
7.1 引言 133
7.2 监测与诊断系统特点 134
7.3 监测诊断系统功能简介 135
7.3.1 功能简介 135
7.3.2 使用介绍 135
7.4 诊断步骤及实例 145
7.4.1 故障样本的获取 145
7.4.2 诊断征兆的获取 146
7.4.3 故障诊断实例 147
参考文献 152