本書面向現(xiàn)代機械設(shè)備故障診斷與維護技術(shù)領(lǐng)域發(fā)展需求，能滿足重大機械裝備早期故障診斷與剩余壽命預(yù)測技術(shù)理論的研究與工程分析需求。本書首先介紹了滾動軸承的結(jié)構(gòu)特點和常見失效形式，然后從降噪處理、特征提取、故障診斷和壽命預(yù)測四個方面論述了滾動軸承故障診斷與壽命預(yù)測技術(shù)的原理和方法，并結(jié)合仿真信號和工程實例驗證了上述方法的有效性。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
目 錄
第1章 緒論 1
1.1 滾動軸承簡介 1
1.1.1 滾動軸承的特點 1
1.1.2 滾動軸承的結(jié)構(gòu) 1
1.2 滾動軸承故障診斷 2
1.2.1 常見失效形式 2
1.2.2 故障診斷方法 4
1.3 滾動軸承壽命預(yù)測 5
1.3.1 滾動軸承壽命預(yù)測 5
1.3.2 壽命預(yù)測方法 5
1.4 研究現(xiàn)狀 7
1.4.1 故障診斷研究現(xiàn)狀 7
1.4.2 壽命預(yù)測研究現(xiàn)狀 9
參考文獻(xiàn) 10
第一部分 降 噪 方 法
第2章 EMD降噪方法 13
2.1 EMD的基本原理和性質(zhì) 13
2.1.1 EMD的基本原理 13
2.1.2 EMD的完備性和正交性 15
2.2 基于閾值處理的EMD降噪 16
2.3 基于濾波處理的EMD降噪 17
2.4 兩種EMD降噪方法的性能比較 19
2.5 應(yīng)用實例 21
參考文獻(xiàn) 23
第3章 雙樹復(fù)小波域隱Markov樹模型降噪方法 25
3.1 小波變換的理論基礎(chǔ)與性質(zhì) 25
3.1.1 離散小波變換 25
3.1.2 復(fù)小波變換 26
3.1.3 雙樹復(fù)小波變換 27
3.1.4 DT-CWT的濾波器設(shè)計 28
3.1.5 DT-CWT的平移不變性分析實例 30
3.2 小波域隱Markov樹模型 30
3.2.1 隱Markov模型 31
3.2.2 HMT 模型的原理 32
3.3 雙樹復(fù)小波域隱Markov樹降噪模型 37
3.3.1 DTCWT_HMT1 法 37
3.3.2 DTCWT_HMT2 法 37
3.4 應(yīng)用實例 37
3.4.1 仿真信號 37
3.4.2 實際信號 42
參考文獻(xiàn) 43
第4章 對偶樹復(fù)小波流形域降噪方法 45
4.1 理論基礎(chǔ) 45
4.2 對偶樹復(fù)小波流形域降噪 46
4.2.1 對偶樹復(fù)小波流形域降噪原理 46
4.2.2 DTCWT_MVU降噪方法步驟 47
4.3 應(yīng)用實例 48
4.3.1 DTCWT_MVU方法仿真驗證 48
4.3.2 DTCWT_MVU方法性能討論 50
4.3.3 DTCWT_MVU方法的工程應(yīng)用 55
參考文獻(xiàn) 56
第二部分 特 征 提 取
第5章 基于振動信號的特征提取 59
5.1 時域和頻域特征參數(shù)提取 59
5.1.1 時域特征參數(shù)提取 59
5.1.2 頻域特征參數(shù)提取 61
5.2 時頻域特征參數(shù)提取 62
5.2.1 小波包理論 62
5.2.2 EMD理論 63
5.3 樣本熵的特征參數(shù)提取 64
參考文獻(xiàn) 65
第6章 Morlet小波和自相關(guān)增強特征提取 66
6.1 Morlet小波濾波器的優(yōu)化問題 66
6.1.1 連續(xù)小波變換 66
6.1.2 Morlet小波濾波器 67
6.1.3 最優(yōu)參數(shù)選擇策略 67
6.2 遺傳算法 69
6.2.1 染色體表示 70
6.2.2 初始化種群 71
6.2.3 適應(yīng)度函數(shù) 71
6.2.4 遺傳操作 71
6.3 自相關(guān)增強算法 72
6.3.1 自相關(guān)運算 72
6.3.2 自相關(guān)包絡(luò)功率譜 72
6.3.3 擴展Shannon 熵函數(shù) 72
6.3.4 方法 73
6.4 應(yīng)用實例 73
6.4.1 仿真結(jié)果 73
6.4.2 試驗臺數(shù)據(jù)結(jié)果 75
6.4.3 實際故障軸承結(jié)果 78
參考文獻(xiàn) 80
第7章 張量流形特征提取 82
7.1 理論基礎(chǔ) 82
7.1.1 HHT時頻譜 82
7.1.2 張量流形理論 83
7.2 張量流形時頻故障特征提取 85
7.2.1 方法的原理及步驟 85
7.2.2 時頻特征參數(shù)的定義 86
7.3 應(yīng)用實例 87
7.3.1 故障信號的HHT時頻特征 87
7.3.2 張量流形時頻特征參數(shù)提取 90
參考文獻(xiàn) 95
第8章 小波包樣本熵特征提取 97
8.1 理論基礎(chǔ) 97
8.1.1 熵概念的發(fā)展及泛化 97
8.1.2 樣本熵 100
8.1.3 小波包分解 103
8.2 小波包樣本熵的特征提取 104
8.2.1 小波包樣本熵的特征提取方法 104
8.2.2 實際信號分析 104
參考文獻(xiàn) 106
第三部分 故 障 診 斷
第9章 譜峭度故障診斷方法 108
9.1 譜峭度的定義 108
9.2 譜峭度故障診斷方法 108
9.2.1 譜峭度檢測軸承故障的物理解釋 108
9.2.2 峭度圖 109
9.2.3 EMD降噪和譜峭度法的滾動軸承故障診斷步驟 109
9.3 工程實例 110
參考文獻(xiàn) 111
第10章 相空間ICA故障診斷方法 112
10.1 基本理論 112
10.2 相空間重構(gòu)ICA方法 112
10.2.1 相空間重構(gòu)ICA的詳細(xì)步驟 112
10.2.2 相空間重構(gòu)及參數(shù)選擇 113
10.3 應(yīng)用實例 116
10.3.1 傳統(tǒng)信號處理方法提取早期故障的能力 117
10.3.2 相空間ICA提取早期故障特征信息 118
參考文獻(xiàn) 121
第11章 深度學(xué)習(xí)故障診斷方法 123
11.1 理論基礎(chǔ) 123
11.1.1 卷積神經(jīng)網(wǎng)絡(luò) 123
11.1.2 受限玻爾茲曼機 124
11.1.3 自動編碼器模型 125
11.1.4 深度自動編碼網(wǎng)絡(luò) 127
11.2 結(jié)合核函數(shù)與自動編碼器的深度學(xué)習(xí) 127
11.2.1 基于核函數(shù)的自動編碼器 127
11.2.2 核函數(shù)選擇 128
11.2.3 方法流程 129
11.3 航空發(fā)動機中介軸承診斷實例 130
11.3.1 試驗臺 130
11.3.2 試驗結(jié)果分析 132
參考文獻(xiàn) 135
第四部分 壽 命 預(yù) 測
第12章 流形和模糊聚類軸承性能退化監(jiān)測 137
12.1 理論基礎(chǔ) 138
12.1.1 模糊C均值聚類 138
12.1.2 LLE流形算法 138
12.2 流形和模糊聚類軸承性能退化監(jiān)測 139
12.2.1 監(jiān)測方法的流程及步驟 139
12.2.2 監(jiān)測方法的關(guān)鍵問題分析 140
12.3 仿真驗證 143
12.3.1 滾動軸承性能特征提取 143
12.3.2 流形特征的本征維數(shù) 147
12.3.3 流形特征的性能討論 147
12.3.4 內(nèi)環(huán)性能退化評估 150
12.4 應(yīng)用實例 150
12.4.1 滾動軸承性能退化實驗臺介紹 151
12.4.2 滾動軸承全壽命周期時域特征監(jiān)測結(jié)果 152
12.4.3 基于流形和模糊聚類的滾動軸承性能退化監(jiān)測 153
參考文獻(xiàn) 155
第13章 基于威布爾比例故障率模型的壽命預(yù)測 156
13.1 威布爾比例故障率模型 156
13.1.1 威布爾比例故障率模型 156
13.1.2 威布爾比例故障率模型的參數(shù)估計 156
13.1.3 剩余壽命預(yù)測 157
13.2 趨勢預(yù)測理論 158
13.2.1 灰色系統(tǒng)理論的原理及應(yīng)用 158
13.2.2 GM(1,1)預(yù)測模型的建模過程 158
13.2.3 GM(1,1)模型適用要求 160
13.3 可靠性評估 161
13.4 壽命預(yù)測 162
13.4.1 趨勢預(yù)測方法研究 162
13.4.2 趨勢預(yù)測 165
13.4.3 剩余壽命預(yù)測 167
13.5 應(yīng)用實例 168
13.5.1 滾動軸承試驗臺介紹 168
13.5.2 滾動軸承性能退化高維特征集構(gòu)建 168
13.5.3 滾動軸承核主元的性能退化評估 170
13.5.4 剩余壽命預(yù)測 172
參考文獻(xiàn) 174
第14章 基于改進(jìn)Logistic回歸模型的壽命預(yù)測 175
14.1 Logistic回歸模型 175
14.1.1 二項分類Logistic回歸模型 175
14.1.2 多項分類Logistic回歸模型 176
14.1.3 回歸參數(shù)的估計 176
14.1.4 改進(jìn)Logistic回歸模型 177
14.2 改進(jìn)Logistic回歸模型軸承壽命預(yù)測 177
14.2.1 特征量選取 178
14.2.2 主元分析(PCA) 179
14.2.3 基本算法流程 180
14.3 應(yīng)用實例 181
14.3.1 試驗設(shè)備 181
14.3.2 獲取有效特征值和相對特征值 181
14.3.3 PCA降維與退化趨勢分析 183
14.3.4 可靠性評估與剩余壽命預(yù)測 184
參考文獻(xiàn) 186
第15章 基于長短期記憶網(wǎng)絡(luò)的壽命預(yù)測 187
15.1 基礎(chǔ)理論 187
15.1.1 循環(huán)神經(jīng)網(wǎng)絡(luò)RNN 187
15.1.2 LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型 187
15.2 方法步驟 188
15.3 滾動軸承特征參數(shù)集的構(gòu)建 189
15.3.1 滾動軸承試驗臺介紹 189
15.3.2 軸承特征參數(shù)評價指標(biāo) 190
15.3.3 軸承特征參數(shù)提取 190
15.3.4 壽命預(yù)測結(jié)果分析 194
參考文獻(xiàn) 196
書單推薦
