旋转机械故障特征提取与模式分类新方法

前言

第1章 绪论

1.1 旋转机械故障诊断

1.2 旋转机械故障及其主要特征

1.2.1 旋转机械典型故障振动分类

1.2.2 旋转机械典型故障机理及振动特征分析

1.3 状态监测与故障诊断系统组成

1.3.1 故障信息检测

1.3.2 状态监测

1.3.3 故障特征提取

1.4 旋转机械故障诊断的发展

1.4.1 基于信号分析的常规故障诊断

1.4.2 基于知识推理的智能故障诊断

1.4.3 基于神经网络故障诊断技术

1.5 机械故障特征提取与模式分类方法研究现状

1.5.1 独立分量分析方法

1.5.2 经验模态分解方法

1.5.3 基于隐markov模型特征提取与识别方法

1.6 旋转机械故障非线性动力学分析

主要参考文献

第2章 基于时间序列模型盲辨识的故障特征提取方法

2.1 时序模型

2.2 盲系统辨识

2.2.1 系统辨识的基本过程

2.2.2 盲系统辨识的基本概念

2.3 时序模型的盲辨识算法

2.3.1 高阶累积量的定义及其计算

2.3.2 ar模型的盲辨识算法

2.3.3 ma模型的盲辨识算法

2.4 arma模型盲辨识方法及其仿真比较

2.4.1 时序模型的经典辨识方法

2.4.2 几种经典辨识方法与盲辨识法仿真比较

2.5 基于时序模型盲辨识的参数化双谱分析及其应用

2.5.1 双谱分析

2.5.2 实验研究

主要参考文献

第3章 基于经验模态分解的时频分析及其故障特征提取方法

3.1 基于emd时频分析的基本原理和算法

3.1.1 emd方法的基本原理

3.1.2 emd方法的算法

3.1.3 emd方法的完备性和正交性

3.1.4 基于emd的希尔伯特谱的基本原理和算法

3.2 端点效应及信号序列的延拓技术

3.2.1 端点效应的机理与影响

3.2.2 周期延拓技术

3.2.3 基于时间序列预测的延拓技术

3.2.4 基于神经网络的预测延拓方法

3.2.5 信号序列端点优化对称延拓方法

3.2.6 信号序列延拓技术比较分析

3.3 基于emd的时频分析与其他时频分析方法的比较

3.3.1 基于emd的时频分析与短时傅里叶变换时频分析的比较

3.3.2 基于emd的时频分析与wigner-ville分布的比较

3.3.3 基于emd的时频分析与小波分析的比较

3.4 基于白噪声统计特性的机械振动模式检验方法

3.4.1 虚假振动模式产生的原因分析

3.4.2 基于emd的白噪声统计特性

3.4.3 白噪声的emd分析及其特性

3.4.4 基于白噪声统计特性的机械振动模式检验方法流程

3.4.5 仿真及实验验证

3.5 基于emd时频分析的故障特征模式

3.5.1 瞬时能量分布特征模式

3.5.2 希尔伯特时频谱和边际谱

主要参考文献

第4章 基于独立分量分析的机械源分离及特征提取

4.1 ica的定义与模型

4.1.1 ica定义

4.1.2 ica模型及其模型估计性质

4.2 ica目标函数和算法

4.2.1 目标函数（参照函数）和优化算法

4.2.2 ica算法的一般流程

4.2.3 一些重要的ica（bss）典型算法

4.2.4 算法性能评价指标

4.3 基于ica机械源分离方法

4.3.1 分离方法

4.3.2 信号特性校验

4.3.3 算法选择与性能分析

4.3.4 基于fft-mcc分析的ica盲不确定性消除

4.3.5 机械源ica（bss）的实现方法

4.4 基于ica的机械源分离实验与应用

4.5 基于ica的机械故障特征提取与分类器

4.5.1 基于ica残余总体相关和残余互信息的特征提取

4.5.2 基于ica特征提取的机械故障分类器

主要参考文献

第5章 基于隐markov模型的故障模式分类方法

5.1 hmm的基本理论与算法

5.1.1 hmm基本理论

5.1.2 hmm基本算法

5.1.3 hmm的类型

5.1.4 hmm在实际应用中的实现技术

5.1.5 hmm在故障诊断中的模式分类作用

5.2 旋转机械升速过程dhmm故障分类方法

5.2.1 振动信号的特征提取

5.2.2 幅值谱矢量的标量量化

5.2.3 多观测样本序列dhmm算法的改进

5.2.4 dhmm故障诊断步骤

5.3 诊断实验

5.3.1 升降速过程转子振动特点与在各转速区的表现

5.3.2 转子启动过程模拟实验

5.3.3 dhmm训练和诊断结果

主要参考文献

第6章 基于因子隐markov模型的模式分类方法

6.1 fhmm的基本概念与算法

6.1.1 fhmm模型的基本概念

6.1.2 fhmm模型的算法

6.2 基于时序模型盲辨识的fhmm故障诊断方法

6.2.1 bsi-fhmm故障诊断方法

6.2.2 实验研究

6.3 基于ica的fhmm分类器故障诊断方法

6.3.1 基于ica的fhmm分类器的设计

6.3.2 实验研究

主要参考文献

第7章 基于二维隐markov模型的故障模式分类方法

7.1 2d-hmm的拓扑结构与特点

7.2 2d-hmm基本理论和算法

7.2.1 2d-hmm模型信号描述

7.2.2 2d-hmm模型的算法

7.3 基于2d-hmm的振动信号特征提取

7.3.1 2d-hmm特征提取方法

7.3.2 状态数确定原理与方法

7.4 基于2d-hmm的旋转机械故障识别与应用

7.4.1 2d-hmm故障诊断原理及步骤

7.4.2 实验验证与应用

主要参考文献

第8章 旋转机械故障非线性特征提取技术

8.1 转轴系统油膜失稳的hopf分岔行为

8.1.1 hopf分岔的poore判据

8.1.2 力学模型

8.1. 3 理论分析

8.1.4 数值分析

8.2 转子系统径向碰摩故障的分岔与混沌行为

8.2.1 转子系统径向碰摩故障的分岔与混沌行为概述

8.2.2 转子-定子冲击作用的数学模型

8.2.3 转子径向碰摩故障的力学模型与理论分析

8.2.4 转子径向碰摩故障的实验研究

8.3 基于延时嵌入法的非线性故障特征提取技术

8.3.1 延时嵌入相空间重构的理论概要

8.3.2 重构参数的选取原则

8.3.3 故障实例分析

8.4 基于关联维数的非线性故障特征提取技术

8.4.1 关联维数的定义与计算方法

8.4.2 故障实例分析

8.5 基于柯尔莫哥洛夫熵的非线性故障特征提取技术

8.5.1 柯尔莫哥洛夫熵的概念与基本性质

8.5.2 柯尔莫哥洛夫熵的应用实例分析

主要参考文献

第9章 裂纹转子非线性故障振动特性分析

9.1 裂纹转子数学模型

9.1.1 裂纹转子刚度的计算

9.1.2 常见裂纹模型

9.1.3 一种新的裂纹模型

9.2 开裂纹转子振动特性分析

9.2.1 开裂纹转子的数学模型

9.2.2 开裂纹转子运动稳定性分析

9.2.3 开裂纹转子稳态响应分析

9.3 基于多尺度分析法的开闭裂纹转子振动特性分析

9.3.1 求解非线性振动方程的多尺度分析法

9.3.2 开闭裂纹转子的数学模型

9.3.3 非共振转速区的振动特性分析

9.3.4 共振转速区的振动特性分析

9.4 考虑非线性涡动的开闭裂纹转子分岔和混沌特性分析

9.4.1 考虑非线性涡动的开闭裂纹转子数学模型

9.4.2 裂纹转子的分岔和混沌特性分析

主要参考文献

《旋转机械故障特征提取与模式分类新方法》首先介绍了三种新的信号处理方法应用于旋转机械运行过程故障特征分析与提取：基于经验模态分解的故障特征时频分析与提取（EMD）、基于独立分量分析的复合故障源分离与特征提取（ICA）、基于时序模型盲识别的故障特征双谱分析与提取等。然后介绍了具有优良的非平稳过程时序模式分类能力的基于一维、二维隐马尔可夫模型（1D、2D-HMM）的故障模式分类法，与上述三种方法提取的时频或二维特征相结合，在大型旋转机械启停机典型非平稳过程故障诊断与状态监测中进行了应用。此外，还介绍了一些用于转轴系统非线性故障分析的基于解释模型或知识的方法与技术。上述介绍的完整的非平稳过程故障分析与诊断是本书特点。