第1章 机械故障诊断技术概述 1
1.1 发展历程 1
1.2 技术分类 4
1.3 一般步骤 6
1.3.1 诊断原理与方案 6
1.3.2 理论模型建立 7
1.3.3 试验设计与测试 7
1.3.4 信号分析处理 8
1.3.5 状态识别与故障诊断 8
1.4 发展方向 9
1.5 旋转机械非平稳故障诊断研究 12
1.5.1 非平稳故障诊断问题的提出 12
1.5.2 齿轮传动系统动力学建模与求解 12
1.5.3 非平稳振动信号分析方法 14
第2章 动力学建模及非平稳工况特性分析 16
2.1 齿轮传动系统动力学建模 16
2.1.1 基本假设 16
2.1.2 激励分析 17
2.1.3 弹性变形协调条件 19
2.1.4 弹性动力学模型 20
2.1.5 驱动电机模型 21
2.1.6 闭环模型 21
2.2 时变参数动力学模型的离散解析法 23
2.2.1 变系数线性微分方程解法 23
2.2.2 离散解析法原理 24
2.2.3 离散解析法求解过程 27
2.2.4 改进的离散解析法 27
2.2.5 算法对比与分析 28
2.3 非平稳故障箱体动力学分析 35
2.3.1 变速变载工况下齿轮故障动力特性分析 36
2.3.2 轴承故障引起的箱体振动分析 40
2.3.3 轴故障引起的箱体振动分析 42
2.3.4 齿轮箱箱体的振动响应信号分析 43
2.4 基于周期循环平稳理论的非平稳故障诊断原理 43
2.4.1 随机过程和振动信号的分类 43
2.4.2 齿轮箱加速过程振动信号循环平稳特性分析 44
2.4.3 振动信号周期循环平稳特性的数学描述 46
第3章 诊断测试与试验因素影响分析 49
3.1 测试对诊断工作的影响 49
3.1.1 测试对诊断方法的影响 49
3.1.2 测试对诊断效果的影响 50
3.1.3 测试对诊断效益的影响 50
3.2 机械故障诊断试验类型 51
3.2.1 基于试验台的故障诊断试验 51
3.2.2 实际工况条件下的故障诊断试验 59
3.3 试验因素的影响分析 63
3.3.1 转速变化对故障信号的影响分析 63
3.3.2 负载变化对故障信号的影响分析 68
3.3.3 惯性负载有效性分析 71
第4章 阶次分析与非线性拟合阶次分析法 74
4.1 变速变载测试试验台 74
4.2 计算阶次分析法 76
4.2.1 计算阶次分析法简介 76
4.2.2 频谱分析与阶次谱分析的对比 77
4.2.3 阶次谱应用的仿真分析 78
4.2.4 阶次域单位的讨论 79
4.3 非线性拟合阶次分析法 79
4.3.1 多项式拟合原理 80
4.3.2 拟合多项式阶数的确定 80
4.3.3 算法与步骤 81
4.3.4 阶次分析法应用实例和对比分析 83
4.4 角域采样定理 88
4.4.1 基本原理 88
4.4.2 角域采样率 90
4.4.3 信号仿真分析 90
第5章 非平稳振动信号降噪方法研究 93
5.1 常用信号降噪方法 93
5.2 基于奇异谱的降噪方法 94
5.2.1 奇异值分解和奇异谱理论 95
5.2.2 基于奇异谱的降噪算法 97
5.2.3 奇异谱降噪方法的仿真应用 98
5.3 基于小波包变换的降噪方法 100
5.3.1 小波包变换与Mallat算法 100
5.3.2 提升小波与小波包变换算法 101
5.3.3 基于渐变式阈值的小波包降噪 104
5.4 基于改进卡尔曼滤波的降噪方法 108
5.4.1 卡尔曼滤波技术 108
5.4.2 卡尔曼滤波技术的改进 111
5.4.3 状态空间模型的建立 112
5.4.4 改进卡尔曼滤波信号降噪应用 114
第6章 基于时频分析的非平稳振动信号分析 117
6.1 非平稳信号时频分析的方法 117
6.1.1 时频分析方法简介 117
6.1.2 短时傅里叶变换 118
6.1.3 连续小波变换 120
6.1.4 Cohen类时频分布与修正 121
6.1.5 典型信号的时频分布 122
6.2 时频分布图像信息特征的提取 124
6.2.1 Hough变换 124
6.2.2 矩分布 125
6.2.3 边缘分布 125
6.2.4 Renyi信息 126
6.3 齿轮箱变速过程振动信号的时频分析 126
6.4 HHT理论与方法 128
6.4.1 瞬时频率 128
6.4.2 IMF 129
6.4.3 EMD 129
6.4.4 HHT方法 133
6.4.5 边际谱 134
6.5 齿轮箱非平稳振动信号HHT分析 134
6.5.1 仿真故障数据分析 134
6.5.2 故障诊断实例分析 136
第7章 基于分形理论的非平稳振动信号分析 143
7.1 混沌动力学系统的分析方法 143
7.2 基于分形理论的振动信号描述 144
7.2.1 分形理论简介 144
7.2.2 分形维数 145
7.2.3 基于关联维数的振动信号描述 147
7.3 分形无标度区的求取方法 151
7.3.1 无标度区的概念 151
7.3.2 分形无标度区的界定方法 152
7.4 基于遗传算法的非平稳振动信号无标度区求取 155
7.4.1 进化算法与最优化方法 155
7.4.2 遗传算法及其发展与应用 156
7.4.3 遗传算法的基本实现 156
7.4.4 基于遗传算法的分形无标度区求取 158
7.4.5 齿轮箱加速过程振动信号的分形研究 161
第8章 基于角域伪稳态振动信号分析与诊断方法 165
8.1 角域伪稳态信号的改进卡尔曼包络谱分析 165
8.1.1 包络谱分析 165
8.1.2 改进卡尔曼包络谱的基本原理 167
8.1.3 滚动轴承故障诊断 167
8.1.4 齿轮故障诊断 171
8.2 角域伪稳态信号的改进卡尔曼倒谱分析 172
8.2.1 改进卡尔曼倒谱的基本原理 172
8.2.2 齿根裂纹故障诊断 173
8.2.3 齿轮磨损故障诊断 175
8.2.4 轴承内圈裂纹故障诊断 177
8.3 角域伪稳态信号的改进卡尔曼双谱分析 178
8.3.1 双谱分析 179
8.3.2 角域双谱 179
8.3.3 角域双谱切片分析 180
8.3.4 轴承内圈裂纹故障诊断 180
8.3.5 齿轮齿根裂纹故障诊断 181
8.4 角域伪稳态信号的修正HHT分析 182
8.4.1 修正HHT分析方法 182
8.4.2 工程信号验证 183
8.5 角域伪稳态信号的修正HHT包络谱分析 187
8.5.1 轴承内圈裂纹故障诊断 187
8.5.2 轴承外圈裂纹故障诊断 189
8.6 角域伪稳态信号的修正HHT倒谱分析 191
8.6.1 轴承内圈裂纹故障诊断 191
8.6.2 轴承外圈裂纹故障诊断 193
8.6.3 齿轮磨损故障诊断 195
8.7 角域伪稳态信号的修正边际谱分析 198
8.7.1 角域边际谱 198
8.7.2 角域边际谱计算方法的改进 199
8.7.3 轴承内圈裂纹故障诊断 200
8.7.4 轴承外圈裂纹故障诊断 203
第9章 特征参量提取与模式识别 207
9.1 齿轮箱故障诊断特征参量提取 207
9.1.1 幅域特征参量提取 207
9.1.2 阶次域特征参量提取 209
9.1.3 能量域特征参量提取 210
9.2 SVM方法 212
9.2.1 一般机器学习方法存在的问题 213
9.2.2 统计学习理论 213
9.2.3 最优分类面 214
9.2.4 SVM模型 216
9.2.5 算例分析 217
9.2.6 SVM多分类算法 219
9.2.7 基于SVM的多故障分类器的改进 220
9.3 基于改进SVM与BP神经网络的故障模式识别 220
9.3.1 基于改进SVM的齿轮箱故障模式识别 220
9.3.2 基于BP神经网络的齿轮箱故障模式识别 222
9.3.3 两种识别方法的性能比较 223
参考文献 225