第1章 时频分析及其在旋转机械故障诊断中的应用 1
1.1 引言 1
1.2 时频分析中的基本概念 1
1.2.1 时间描述和频率描述 1
1.2.2 解析信号 2
1.2.3 瞬时频率 3
1.2.4 平稳信号与非平稳信号 4
1.2.5 窗函数 5
1.2.6 Heisenberg测不准原理 6
1.3 窗口傅里叶变换 6
1.3.1 窗口傅里叶变换的定义 6
1.3.2 窗口傅里叶变换的时间和频率分辨率 7
1.3.3 窗口傅里叶变换在旋转机械故障诊断中的应用及其局限性 9
1.4 Wigner-Ville分布在旋转机械故障诊断中的应用及其局限性 12
1.5 小波分析在旋转机械故障诊断中的应用及其局限性 14
1.5.1 连续小波变换 14
1.5.2 小波分解与小波包分解 16
1.5.3 小波分析在旋转机械故障诊断中的应用 17
1.5.4 小波分析的局限性 22
第2章 Hilbert-Huang变换 24
2.1 引言 24
2.2 EMD方法 24
2.2.1 特征尺度参数 24
2.2.2 内禀模态函数 25
2.2.3 EMD方法——“筛分”过程 27
2.2.4 EMD方法的特点 30
2.3 Hilbert谱与Hilbert边际谱 34
2.4 Hilbert-Huang变换与小波分析方法的比较 36
2.4.1 EMD方法与小波分解方法的比较 37
2.4.2 Hilbert谱与小波谱的比较 39
2.5 基于EMD的信号瞬时特征的小波分析方法 40
2.5.1 基于EMD的信号瞬时特征的小波分析方法原理 41
2.5.2 仿真信号分析结果 44
第3章 Hibert-Huang变换的内禀模态函数判据及端点效应问题处理方法 47
3.1 引言 47
3.2 内禀模态函数判据的研究 47
3.2.1 概述 47
3.2.2 能量差跟踪法 48
3.2.3 仿真与实验信号分析 50
3.3 Hilbert-Huang变换中端点效应问题的处理 53
3.3.1 概述 53
3.3.2 基于支持向量回归机的端点效应问题的处理方法 54
3.3.3 基于时变参数自回归滑动平均模型的端点效应问题的处理方法 69
第4章 基于Hilbert-Huang变换的旋转机械故障特征提取方法 75
4.1 引言 75
4.2 基于Hilbert-Huang变换的时频熵 75
4.2.1 基于Hilbert-Huang变换的时频熵定义 76
4.2.2 在齿轮故障特征提取中的应用 78
4.3 基于EMD的频率族分离法 79
4.3.1 基于EMD的频率族分离法原理 79
4.3.2 在齿轮故障特征提取中的应用 81
4.4 局部Hilbert边际谱在滚动轴承故障特征提取中的应用 89
4.4.1 基于局部Hilbert边际谱的滚动轴承故障特征提取方法 89
4.4.2 实验信号分析 91
4.5 基于EMD的转子局部碰摩故障特征提取方法 93
4.5.1 基于EMD的转子局部碰摩故障特征提取方法原理 93
4.5.2 实验信号分析 94
5.1 引言 98
第5章 基于EMD的能量算子解调方法 98
5.2 Hilbert变换解调方法及其局限性 99
5.2.1 Hilbert变换解调方法 99
5.2.2 Hilbert变换解调方法的局限性 100
5.3 能量算子解调方法 103
5.3.1 能量算子分离算法（EOSA） 103
5.3.2 平滑的能量算子分离算法 105
5.4 基于EMD的能量算子解调方法 107
5.5 基于EMD的能量算子解调方法在旋转机械故障诊断中的应用 112
5.5.1 基于EMD的能量算子解调方法在滚动轴承故障诊断中的应用 113
5.5.2 基于EMD的能量算子解调方法在齿轮故障诊断中的应用 116
第6章 基于EMD的AR模型在旋转机械故障诊断中的应用 120
6.1 引言 120
6.2 基于EMD的AR模型 121
6.3 基于EMD的AR模型在齿轮故障诊断中的应用 126
6.3.1 基于EMD和AR模型的齿轮故障诊断方法 127
6.3.2 实验信号分析 130
6.4 基于EMD的AR模型在滚动轴承故障诊断中的应用 132
6.4.1 基于EMD和AR模型的滚动轴承故障诊断方法 132
6.4.2 实验信号分析 133
第7章 基于EMD和关联维数的旋转机械故障诊断方法 136
7.1 引言 136
7.2 关联维数及其计算 137
7.2.1 分形测度 137
7.2.2 关联维数的计算 138
7.2.3 关联维数的影响因素 139
7.3 基于EMD和关联维数的转子系统故障诊断方法 141
7.4 关联维数和基于EMD的AR模型在旋转机械故障诊断中的应用 146
7.4.1 关联维数和基于EMD的AR模型在转子系统故障诊断中的应用 147
7.4.2 关联维数和基于EMD的AR模型在滚动轴承故障诊断中的应用 150
8.1 概述 154
第8章 内禀模态特征能量法 154
8.2 基于内禀模态能量熵的故障诊断方法 155
8.2.1 内禀模态能量熵 155
8.2.2 基于内禀模态能量熵的特征能量法步骤 157
8.2.3 试验分析结果 159
8.3 基于局部Hilbert边际能量谱的故障诊断方法 161
8.3.1 基于局部Hilbert边际能量谱的特征能量法步骤 161
8.3.2 实例分析 163
8.4 基于Hilbert边际谱的故障诊断方法 164
8.4.1 基于Hilbert边际谱的特征能量法步骤 164
8.4.2 实例分析 166
9.1 概述 167
9.2 信号奇异值分解 167
第9章 内禀模态奇异值分解方法 167
9.3 基于内禀模态奇异值分解和支持向量机的旋转机械故障诊断方法 169
9.3.1 基于内禀模态奇异值分解和支持向量机的齿轮故障诊断方法 170
9.3.2 基于内禀模态奇异值分解和支持向量机的滚动轴承故障诊断方法 174
9.3.3 基于内禀模态奇异值熵的转子系统状态监测与故障诊断方法 175
第10章 内禀模态包络谱方法 179
10.1 概述 179
10.2 包络分析法 180
10.3 基于内禀模态包络谱和支持向量机的滚动轴承故障诊断方法 181
10.3.1 基于内禀模态包络谱和支持向量机的故障诊断方法步骤 182
10.3.2 实例分析 184
10.4 基于内禀模态包络谱的齿轮故障诊断方法 186
10.4.1 齿轮故障振动信号的调幅特性 186
10.4.2 仿真信号分析 188
10.4.3 实例分析 190
参考文献 192