1绪论 1
1.1机械故障诊断的发展与现状 1
1.1.1国内外研究现状 2
1.1.2故障诊断技术的发展趋势 3
1.2故障诊断方法与技术概述 4
1.2.1信息融合故障诊断 4
1.2.2信号预处理技术 10
1.2.3神经网络故障诊断 13
1.2.4盲源分离故障诊断 17
1.2.5故障诊断专家系统 19
1.3本书的研究意义与应用前景 21
1.4本书的主要内容与结构安排 22
2自适应提升小波信号处理方法研究 25
2.1排烟风机信号预处理问题的提出 25
2.2小波去噪阈值函数设计 26
2.2.1现有阈值函数分析 26
2.2.2本书设计的改进阈值函数 27
2.2.3阈值函数去噪性能比较 28
2.3提升小波自适应去噪算法研究 32
2.3.1信号局部特征的时域估计方法设计 33
2.3.2基于信号局部特征的小波函数选择 34
2.3.3信号突变点的平滑递变阶次提升小波函数设计 37
2.3.4基于信号局部特征的自适应小波阈值选择 39
2.3.5仿真与实验 39
2.4信号频域特征的小波消混校正方法设计 40
2.4.1小波分析的频域特征提取 40
2.4.2小波分解中频率混淆的校正方法设计 41
2.4.3消除小波分析频率混淆算法设计 43
2.4.4小波混频改进算法应用 45
2.5本章小结 47
3动态故障源数估计的自适应盲源分离方法研究 48
3.1数据层融合诊断问题的提出 48
3.2动态故障源的源数估计算法研究 49
3.2.1现有信号源数估计方法 49
3.2.2基于拓展四阶累积量矩阵与奇异值分解的源数估计算法研究 53
3.2.3拓展四阶累积量矩阵源数估计实验 56
3.3基于动态故障源数估计的自适应盲源分离算法研究 59
3.3.1基于主元分析的超定盲源分离算法 59
3.3.2基于稀疏元分析的欠定盲源分离算法 60
3.3.3自适应盲源分离算法 63
3.4盲源分离实验分析 65
3.5本章小结 67
4综合BP与ART2网络的改进型神经网络故障诊断方法研究 69
4.1神经网络故障诊断的不足 69
4.2改进型BP-ART2神经网络设计 70
4.2.1引入非线性映射的BP-ART2神经网络结构设计 70
4.2.2ART2神经网络自适应警戒参数与聚类设计 72
4.3改进型BP-ART2神经网络故障诊断系统的计算方法 74
4.3.1参数及权值初始化 74
4.3.2训练过程的计算步骤 74
4.3.3诊断过程计算步骤 76
4.4实验分析 76
4.5本章小结 79
5黑板型多专家机电融合故障诊断方法研究 81
5.1多专家诊断问题的提出 81
5.2排烟风机故障诊断的黑板型多专家融合系统结构设计 82
5.3黑板型多专家机电融合诊断方法研究 86
5.3.1排烟风机机电融合诊断方法研究 86
5.3.2多专家机电信息融合诊断算法 97
5.4实验与诊断 99
5.5本章小结 102
6多传感器与多诊断方法的决策融合诊断 104
6.1排烟风机全局决策融合诊断结构设计 104
6.2多传感器加权激励融合诊断方法研究 105
6.2.1多传感器之间的相关加权系数设计 106
6.2.2不同位置传感器在融合诊断中的权重设计 107
6.2.3多传感器加权系数的激励 108
6.2.4多传感器两两加权激励的综合融合 108
6.2.5多传感器加权激励融合诊断步骤 108
6.3多诊断方法局部诊断结果的决策融合设计 109
6.3.1决策融合规则 109
6.3.2排烟风机故障诊断决策融合算法设计 110
6.4决策融合实验与诊断 111
6.4.1对两两传感器加权激励融合 111
6.4.2多局部诊断方法的决策融合 113
6.5本章小结 114
7排烟风机状态监测与故障诊断系统设计 116
7.1排烟风机监测点与传感器设置 116
7.2微机集中监测式与DSP分布式监测系统硬件设计 118
7.2.1微机集中监测与故障诊断系统 118
7.2.2DSP分布式实时监测与故障诊断系统 120
7.3排烟风机监测与故障诊断系统软件设计 126
7.3.1微机集中监测系统数据采集软件设计 126
7.3.2DSP分布式监测系统软件设计 129
7.3.3上位机监测与管理软件设计 132
7.4系统调试与现场应用实例 133
7.4.1系统分析、设计与调试 133
7.4.2现场应用实例 138
7.5本章小结 143
参考文献 145