第一篇 基础篇 3
第1章 认识MATLAB 3
1.1MATLAB简介 3
1.1.1MATLAB概述 3
1.1.2MATLAB的功能特点 4
1.2MATLAB的用户界面 5
1.3MATLAB矩阵运算 13
1.3.1MATLAB中的变量 13
1.3.2基本矩阵的操作 14
1.3.3稀疏矩阵 18
1.3.4矩阵的运算 19
1.4MATLAB的编程基础 24
1.4.1编程概述 24
1.4.2流程控制 25
1.4.3脚本文件 31
1.4.4函数文件 33
1.4.5M文件调试 44
1.5MATLAB绘图及实用技巧 48
1.5.1绘图 48
1.5.2实用技巧 66
第二篇 信号处理篇 71
第2章 信号处理分析基础 71
2.1信号的分类和采样定理 71
2.2常用信号的产生 72
2.2.1基本信号的产生 72
2.2.2仿真信号的生成 79
2.3实际信号的采集 83
2.3.1数据采集系统设计的基本原则与一般步骤 83
2.3.2柴油发动机非稳态振动信号采集系统 84
2.4信号的基本分析方法 87
2.4.1信号的时域分析 87
2.4.2信号的频域分析 94
第3章 时频分析方法的MATLAB实现及应用研究 103
3.1短时Fourier变换的MATLAB实现 103
3.1.1短时Fourier变换基本原理 103
3.1.2短时Fourier变换的MATLAB函数及举例 105
3.2Gabor变换的MATLAB实现 110
3.2.1Gabor变换 110
3.2.2Gabor变换的MATLAB函数及举例 111
3.3Wigner-Ville时频分布的MATLAB实现 113
3.3.1Wigner-Ville时频分布 113
3.3.2Wigner-Ville时频分布的MATLAB函数及举例 114
3.4时频分布在机械故障诊断中的应用实例 116
第4章 小波分析的MATLAB实现及应用研究 119
4.1小波分析的基本理论 119
4.1.1连续小波变换 119
4.1.2离散小波变换 120
4.1.3多分辨率分析 121
4.1.4小波包分析 122
4.2小波分析的主要函数介绍 123
4.2.1一维连续小波变换 123
4.2.2一维离散小波变换 126
4.2.3小波包变换 132
4.2.4信号的小波消噪 137
4.3小波分析在机械故障诊断中的应用实例 140
4.3.1基于小波降噪预处理的时频分布诊断柴油机断油故障 140
4.3.2小波频带能量累加法分析柴油机气门磨损故障 143
4.3.3小波包-AR谱分析变速器轴承故障 146
第5章 Hilbert-Huang变换的MATLAB实现及应用研究 151
5.1Hilbert-Huang变换的基本理论 151
5.1.1固有模态函数（IMF） 151
5.1.2EMD原理 151
5.1.3Hilbert谱与Hilbert边际谱 153
5.1.4EMD的局限性 154
5.2Hilbert-Huang变换的MATLAB主要函数及实现 155
5.2.1Hilbert-Huang变换主要函数 155
5.2.2Hilbert-Huang变换仿真实例 156
5.3Hilbert-Huang变换在机械故障诊断中的应用实例 164
5.3.1EMD-AR谱提取柴油机活塞、活塞销故障特征 164
5.3.2EMD-包络谱变速器故障诊断 168
5.3.3基于EMD预处理的伪WVD时频分布提取信号特征 171
5.3.4基于EMD-SVD变换的柴油机曲轴轴承故障特征提取 175
第6章 分数阶Fourier变换的MATLAB实现及应用研究 181
6.1分数阶Fourier变换的基本理论 181
6.2分数阶Fourier变换的特点 182
6.3分数阶Fourier变换的应用 182
6.4分数阶Fourier变换的基本理论 183
6.4.1基本定义 183
6.4.2主要性质 185
6.5分数阶滤波的MATLAB函数实现 186
6.5.1FRFT自适应滤波原理 186
6.5.2FRFT自适应滤波阶次确定 187
6.5.3FRFT自适应滤波的MATLAB实现 189
6.6基于分数阶滤波的应用实例 190
6.6.1实验台设置 190
6.6.2机械故障诊断实例 190
第7章 图像处理技术的MATLAB实现及应用研究 195
7.1图像处理的基本知识 195
7.1.1图像的类别与数据格式 195
7.1.2图像读入、显示和保存的MATLAB实现 197
7.1.3图像格式转换的MATLAB实现 198
7.1.4常用图像处理方法的MATLAB实现 199
7.2基于对称极坐标图像的生成方法 201
7.2.1基于对称极坐标图像的生成 201
7.2.2对称极坐标方法参数的选择 202
7.2.3基于对称极坐标方法的振动信号图像的生成 204
7.3基于灰度共生矩阵的方法提取振动图像特征 207
7.3.1灰度图像生成方法 208
7.3.2灰度共生矩阵及特征参数 208
7.3.3振动信号灰度图像的特征提取代码实现 210
第三篇 模式识别篇 215
第8章 人工神经网络的MATLAB实现及应用研究 215
8.1人工神经网络的基本概念 215
8.1.1人工神经元 215
8.1.2传递函数 215
8.1.3人工神经网络的分类和特点 216
8.2BP人工神经网络 217
8.2.1BP人工神经网络算法简介 217
8.2.2BP人工神经网络的MATLAB函数 218
8.2.3BP人工神经网络在机械故障诊断中的应用 219
8.3径向基函数神经网络 222
8.3.1径向基函数神经网络算法简介 222
8.3.2径向基函数神经网络的MATLAB函数 223
8.3.3径向基函数神经网络在机械故障诊断中的应用 225
第9章 模糊理论的MATLAB实现及应用研究 227
9.1模糊理论基础 227
9.1.1模糊集合 227
9.1.2模糊关系 230
9.1.3模糊变换与模糊综合评判 231
9.1.4If…then规则 231
9.1.5模糊推理 232
9.2模糊聚类分析 232
9.2.1模糊聚类基本概念 232
9.2.2模糊聚类分析的MATLAB实现 234
9.2.3模糊聚类分析在机械故障诊断中的应用 238
9.3模糊神经网络 239
9.3.1模糊神经网络的MATLAB实现 241
9.3.2模糊神经网络在机械故障诊断中的应用 243
第10章 遗传算法的MATLAB实现及应用研究 251
10.1遗传算法简介 251
10.1.1遗传算法的基本原理 251
10.1.2遗传算法分析 252
10.2遗传算法的MATLAB实现 253
10.2.1编码 253
10.2.2解码 254
10.2.3选择 254
10.2.4交叉 255
10.2.5变异 256
10.3遗传算法在机械故障诊断中的应用 256
10.3.1诊断问题的数学描述 256
10.3.2遗传算法在机械故障诊断中的应用实例 256
第11章 粒子群算法的MATLAB实现及应用研究 265
11.1粒子群算法的基本原理 265
11.2粒子群算法在机械故障诊断中的应用 268
11.2.1基于改进PSO的BP混合算法 268
11.2.2粒子群算法在机械故障诊断中的应用实例 269
第12章 支持向量机的MATLAB实现及应用研究 275
12.1支持向量机 275
12.1.1统计学习理论 275
12.1.2最优分类面 277
12.1.3支持向量机模型 278
12.2支持向量机的MATLAB实现 280
12.2.1支持向量分类的相关函数 280
12.2.2支持向量回归的相关函数 281
12.2.3SVM工具箱中的其他函数 281
12.2.4数据的导入方法 281
12.2.5SVM工具箱的应用实例 282
12.3支持向量机在机械故障诊断中的应用 283
参考文献 289