第1章 绪论 1
1.1 旋转机械故障诊断研究的意义和发展的现状 1
1.2 旋转机械故障诊断的模式识别方法 3
1.3 变量预测模型模式识别方法 6
第2章 基于变量预测模型的模式识别方法 9
2.1 引言 9
2.2 基于变量预测模型的模式识别方法 9
2.3 与其他模式识别方法的对比研究 12
第3章 基于VPMCD的旋转机械故障诊断方法 17
3.1 引言 17
3.2 局部特征尺度分解和VPMCD在滚动轴承故障诊断中的应用 17
3.3 基于LCD降噪和VPMCD的滚动轴承故障诊断方法 26
3.4 基于样本熵和VPMCD的旋转机械故障诊断方法 38
3.5 基于排列熵和VPMCD的滚动轴承故障诊断方法 44
3.6 基于模糊熵和VPMCD的转子系统故障诊断方法 49
3.7 基于ICA相关系数和VPMCD的滚动轴承故障诊断方法 53
第4章 基于改进回归算法的VPMCD及其在旋转机械故障诊断中的应用 58
4.1 引言 58
4.2 基于特征选择和稳健回归的VPMCD的模式识别方法 58
4.3 基于嵌入式SRVPMCD的模式识别方法 67
4.4 基于主成分回归的VPMCD算法及其在滚动轴承故障诊断中的应用 74
4.5 基于分位数回归的VPMCD的滚动轴承故障诊断方法 81
4.6 基于岭回归的VPMCD的滚动轴承故障诊断方法 87
第5章 基于模型改进算法的VPMCD及其在旋转机械故障诊断中的应用 93
5.1 引言 93
5.2 基于Kriging函数的VPMCD算法及其在旋转机械故障诊断中的应用 93
5.3 基于流形学习和KVPMCD的模式识别方法 102
5.4 基于改进多项式响应面的VPMCD方法及其在滚动轴承故障诊断中的应用 107
5.5 基于遗传模拟退火算法的VPMCD及其在滚动轴承故障诊断中的应用 112
5.6 基于量子遗传算法的VPMCD的滚动轴承故障诊断方法 118
第6章 基于增量式半监督VPMCD的齿轮在线诊断方法 123
6.1 引言 123
6.2 增量式半监督VPMCD算法 124
6.3 基于ISVPMCD检测算法原理 125
6.4 基于ISVPMCD的齿轮故障诊断方法 125
6.5 实验信号分析 127
第7章 基于单类VPMCD的滚动轴承新异类检测方法 131
7.1 引言 131
7.2 新异类检测方法 131
7.3 基于VPMCD的新异类检测方法——OC-VPMCD 132
7.4 基于OC-VPMCD的滚动轴承故障诊断方法 133
7.5 实验信号分析 134
第8章 基于VPMCD的滚动轴承退化状态识别及寿命预测方法 137
8.1 引言 137
8.2 基于LCD和高斯混合聚类算法的滚动轴承退化状态及寿命预测方法 137
8.3 基于LCD和VPMCD的滚动轴承退化状态识别与寿命预测 148
8.4 高斯混合模型改进的基于LCD与VPMCD的滚动轴承退化状态识别及寿命预测 150
主要参考文献 153