第1章 绪论 1
1.1 引言 1
1.2 机械故障诊断的发展 2
1.3 机械故障诊断的分类与方法 3
1.4 机械故障诊断的主要环节 6
1.5 基于振动分析的机械故障诊断 9
参考文献 9
第2章 机械状态监测中的振动信号测量与分析方法 11
2.1 机械振动的基本原理 11
2.1.1 振动方程 11
2.1.2 转子系统的振动 14
2.1.3 振动监测的主要参数 15
2.1.4 振动监测的测试系统 16
2.2 振动信号的传感测量仪器 18
2.2.1 振动传感器概述 18
2.2.2 压电式加速度计 19
2.2.3 电涡流式位移传感器 22
2.2.4 电荷前置放大器 24
2.2.5 滤波器 26
2.3 振动信号的计算机采集与处理 27
2.3.1 A/D转换 28
2.3.2 采样控制与信号处理 29
2.3.3 转子试验台振动信号的计算机测试系统举例 30
2.4 本章小结 32
参考文献 32
第3章 机械故障振动信号的特征提取方法 34
3.1 信号的时域分析 34
3.1.1 随机变量及其相关概念 35
3.1.2 随机信号的基本理论 39
3.1.3 信号的参数估计与假设检验 46
3.1.4 信号时域分析的数值计算 49
3.2 信号的频域分析 53
3.2.1 离散Fourier变换 53
3.2.2 几种常用的谱分析方法 54
3.2.3 快速Fourier变换 56
3.2.4 信号频域分析的采样、混叠、截断与泄漏以及加窗 60
3.3 本章小结 64
参考文献 64
第4章 机械故障振动信号特征提取的时频域分析方法 65
4.1 信号的ARMA模型 65
4.1.1 时间序列分析 65
4.1.2 ARMA模型的基本原理 67
4.1.3 AR（p）模型的自协方差函数 68
4.1.4 AR模型的系数估计 68
4.1.5 基于AR模型的现代谱分析 69
4.2 小波变换 72
4.2.1 基本概念 72
4.2.2 连续小波变换的性质 73
4.2.3 常用的小波函数 73
4.2.4 离散小波变换 74
4.2.5 小波包分解原理 79
4.3 HHT 81
4.3.1 EMD 81
4.3.2 Hilbert谱与边际谱 81
4.4 混沌与分形 82
4.4.1 混沌和分形的基本概念 82
4.4.2 关联维与Lyapunov指数 83
4.5 本章小结 86
参考文献 86
第5章 基于振动分析的机械系统故障模式分析 88
5.1 旋转机械的典型故障模式分析 88
5.1.1 转子不平衡 89
5.1.2 转子不对中 90
5.1.3 转静件碰摩 91
5.1.4 轴承松动 92
5.1.5 油膜涡动与油膜振荡 92
5.2 泵故障的机理及诊断方法 93
5.2.1 泵的基本概念 93
5.2.2 水泵的常见故障及其故障机理 96
5.3 水泵几种典型振动故障模式的振动测试 102
5.3.1 现场装置与测试方案 102
5.3.2 不同故障模式下的振动测量结果 104
5.4 本章小结 113
参考文献 113
第6章 机械系统故障诊断的数据统计分析方法 115
6.1 多变量统计分析诊断方法 115
6.1.1 单变量统计分析的基本原理 115
6.1.2 多变量统计分析的检测方法 117
6.2 基于统计量参数的故障诊断模式分类方法 118
6.3 故障诊断的主元分析法 120
6.3.1 主元分析的基本原理 120
6.3.2 主元分析的计算方法与举例 122
6.3.3 基于主元分析的故障检测方法 130
6.3.4 基于主元分析的故障类型识别方法 132
6.4 本章小结 133
参考文献 134
第7章 机械故障的定量诊断方法 135
7.1 基于模型的定量诊断方法概述 135
7.2 模型的建立 136
7.2.1 模型建立的方法 136
7.2.2 转子系统的混合模型建立 137
7.2.3 油膜参数与不平衡量的在线识别 141
7.2.4 碰摩力模型 143
7.3 转子系统碰摩故障的定量诊断步骤及方法 144
7.3.1 诊断步骤 144
7.3.2 诊断方法 145
7.4 诊断结果与讨论 146
7.4.1 油膜参数的在线辨识结果 146
7.4.2 碰摩故障转子系统的定量诊断结果 147
7.5 本章小结 150
参考文献 150
第8章 机械故障的智能诊断方法 152
8.1 基于故障树的故障诊断方法 152
8.1.1 概述 152
8.1.2 故障树分析法的基本原理 153
8.1.3 故障树图的绘制方法 153
8.1.4 故障树的定性分析 156
8.1.5 故障树的定量分析 158
8.2 基于专家系统的故障诊断方法 162
8.2.1 专家系统的概念和结构 162
8.2.2 知识表示和获取方法 163
8.2.3 推理机制 166
8.3 基于人工神经网络的故障诊断方法 167
8.3.1 人工神经网络的基本原理 168
8.3.2 BP神经网络 169
8.4 基于模糊理论的故障诊断方法 170
8.4.1 概述 170
8.4.2 模糊逻辑故障诊断模型的建立 171
8.4.3 模糊故障诊断结果的识别 178
8.5 应用举例 180
8.5.1 某发电机的故障诊断专家系统 180
8.5.2 基于人工神经网络的某旋转机械故障诊断 182
8.6 本章小结 184
参考文献 184
第9章 机械故障的网络化诊断方法 186
9.1 系统的整体结构 186
9.2 工业现场智能监控网络模块 187
9.2.1 智能数据采集前端 188
9.2.2 监控服务器与现场网络 189
9.3 企业内部网络监控模块 189
9.3.1 工业现场数据的传输和数据处理 189
9.3.2 专家系统故障诊断系统 190
9.4 Internet广域网远程监控和诊断的B/S与C/S模块 193
9.4.1 B/S体系的功能与实现 194
9.4.2 C/S体系的功能与实现 194
9.5 某水泵网络化远程监测诊断系统举例 195
9.6 本章小结 198
参考文献 198