第1章 绪论 1
1.1 机械设备动态信号的复杂非平稳特点 1
1.2 复杂非平稳信号分析方法研究进展 2
1.2.1 时频分析 2
1.2.2 自适应模式分解 5
1.2.3 原子分解和稀疏表示 7
1.3 章节内容 9
参考文献 9
第2章 时频分析 16
2.1 概述 16
2.2 线性时频表示 17
2.2.1 短时Fourier变换 17
2.2.2 时频分辨率 19
2.2.3 小波变换 21
2.3 双线性时频分布 26
2.3.1 Wigner-Ville分布 26
2.3.2 Cohen类分布 31
2.3.3 仿射类分布 35
2.3.4 自适应最优核函数方法 37
2.4 时频分布调整方法 38
2.4.1 时频重排分布 38
2.4.2 同步压缩变换 42
2.4.3 多重逐渐缩减同步压缩变换 44
2.4.4 频率时间聚集方法 45
2.5 时变高阶谱 47
2.5.1 Wigner高阶谱 47
2.5.2 L-类和S-类分布 49
2.6 时频自回归滑动平均模型 51
2.6.1 时频滑动平均模型参数估计 52
2.6.2 时频自回归模型参数估计 53
2.6.3 时频自回归滑动平均模型参数估计 53
2.6.4 时频自回归滑动平均模型阶次估计 53
2.7 应用案例 55
2.7.1 基于时频重排分布的水轮机非平稳主轴摆度信号分析 55
2.7.2 基于自适应最优核函数方法的风力机行星齿轮箱现场测试信号分析 61
2.7.3 基于频率时间聚集方法的时变转速工况下滚动轴承故障诊断 64
参考文献 71
第3章 自适应模式分解 74
3.1 概述 74
3.2 原理 75
3.3 自适应模式分解算法 76
3.3.1 经验模式分解 76
3.3.2 集合经验模式分解 80
3.3.3 局部均值分解 82
3.3.4 本质时间尺度分解 85
3.3.5 局部特征尺度分解 88
3.3.6 Hilbert振动分解 91
3.3.7 经验小波变换 94
3.3.8 变分模式分解 97
3.3.9 自适应局部迭代滤波 100
3.4 瞬时频率计算方法 102
3.4.1 基于Hilbert变换的解析信号法 103
3.4.2 经验调幅-调频分解 104
3.4.3 直接正交法 104
3.4.4 正则Hilbert变换法 105
3.4.5 广义过零点法 105
3.4.6 能量分离法 106
3.4.7 仿真信号分析 107
3.5 应用案例 110
3.5.1 基于变分模式分解的行星齿轮箱故障诊断 110
3.5.2 基于集合经验模式分解和能量算子的滚动轴承故障诊断 122
3.5.3 基于Hilbert-Huang变换的水轮机非平稳水力压力脉动信号分析 138
参考文献 145
第4章 原子分解和稀疏表示 147
4.1 概述 147
4.2 概念和原理 150
4.2.1 原子和字典 150
4.2.2 原子分解 150
4.2.3 稀疏表示 151
4.3 原子分解算法 152
4.3.1 贪婪追踪 152
4.3.2 lp范数正则化 161
4.3.3 迭代收缩/阈值 168
4.4 字典设计 171
4.4.1 解析字典 172
4.4.2 学习字典 175
4.5 应用案例 184
4.5.1 基于匹配追踪和基追踪的定轴齿轮箱故障诊断 184
4.5.2 基于线性调频小波匹配追踪分解的行星齿轮箱故障诊断 190
4.5.3 基于平移不变K-奇异值分解的行星齿轮箱故障诊断 196
参考文献 201