《旋轉機械故障信號處理與診斷方法》是2020年高等教育出版社出版的圖書。
基本介紹
- 中文名：旋轉機械故障信號處理與診斷方法
- 作者：許同樂
- 出版時間：2020年
- 出版社：高等教育出版社
- ISBN：9787040540116
內容簡介,圖書目錄,
內容簡介
本書主要研究旋轉機械故障信號處理與診斷方法，內容包括旋轉機械振動信號描述、短時傅立葉變換、小波降噪方法、旋轉機械故障信息獨立化提取方法、遺傳神經網路的旋轉機械故障診斷方法以及感測器信息融合方法。主要研究思路為：先通過感測器獲取振動信號，利用小波、雙樹復小波、EMD、LMD變換等現代信號處理方法對非線性、非平穩信號進行降噪並重構；然後對獲得的混合信號進行盲源分離，提取特徵信息；最後套用信息融合技術，包括遺傳算法最佳化神經網路、D-S證據理論等方法，進行旋轉機械故障模式識別。為了便於讀者參考，還將系統性理論與工程實例相結合，並配有相應的MATLAB程式。
本書可作為高等院校機械工程、測控技術與儀器以及相關專業高年級本科生、研究生的教材或參考書，也可供從事機械設備故障診斷和檢測以及信號處理的廣大科研技術人員使用。
圖書目錄
前輔文
第1 章信號描述
1.1 信號分類及描述
1.1.1 信號分類
1.1.2 信號的時域與頻域描述
1.2 信號分析與處理
1.2.1 數位訊號處理系統的基本組成
1.2.2 模擬信號轉換為數位訊號
1.3 程式仿真
參考文獻
第2 章短時傅立葉變換
2.1 傅立葉變換
2.1.1 傅立葉變換簡介
2.1.2 傅立葉變換性質和定理
2.1.3 傅立葉變換的不足
2.2 短時傅立葉變換
2.2.1 連續信號短時傅立葉變換的定義和性質
2.2.2 短時傅立葉變換的窗函式
2.2.3 短時傅立葉變換的計算
2.3 時頻解析度及不確定性原理
2.4 程式仿真
參考文獻
第3 章旋轉機械振動信號小波降噪方法
3.1 小波變換數學基礎
3.1.1 小波定義
3.1.2 離散化與框架
3.1.3 多解析度分析
3.1.4 離散小波分解與重構
3.2 幾種小波濾波降噪方法
3.2.1 小波濾波降噪方法
3.2.2 小波降噪方法性能比較
3.3 旋轉機械故障信號小波閾值濾波降噪及分析
3.4 雙樹復小波
3.4.1 定義和性質
3.4.2 降噪實例
3.5 程式仿真
參考文獻
第4 章旋轉機械故障信息獨立化提取方法
4.1 信號混合方式的描述
4.2 混合信號的分離方法
4.2.1 主分量分析
4.2.2 奇異值分解方法
4.2.3 盲源分離
4.3 ICA 理論及其實現
4.3.1 ICA 數學模型
4.3.2 負熵的概念
4.3.3 FastICA 算法及分離過程
4.4 EMD 法
4.4.1 信號的瞬時頻率
4.4.2 本徵模函式
4.4.3 EMD 流程
4.5 基於EMD 和FastICA 閾值法的旋轉機械故障特徵提取
4.5.1 旋轉機械故障特徵提取方法
4.5.2 基於EMD 和FastICA 閾值法的仿真實驗
4.6 程式仿真
參考文獻
第5 章基於遺傳神經網路的旋轉機械故障診斷方法
5.1 神經網路結構和算法
5.1.1 神經網路基本描述
5.1.2 BP 神經網路算法
5.1.3 BP 神經網路算法的不足
5.1.4 BP 神經網路算法的改進措施
5.1.5 BP 神經網路的設計與分析
5.2 遺傳算法的基本原理
5.2.1 遺傳算法的構成
5.2.2 遺傳算法的基本步驟
5.2.3 遺傳算法的仿真
5.3 旋轉機械的FastICA 遺傳神經網路算法
5.3.1 FastICA 遺傳神經網路算法原理
5.3.2 源信號各獨立分量估計
5.3.3 遺傳算法最佳化BP 神經網路流程
5.3.4 旋轉機械的FastICA 遺傳神經網路算法
5.4 程式仿真
參考文獻
第6 章旋轉機械多感測器信息融合方法
6.1 多感測器信息融合基本原理和層次結構
6.1.1 多感測器信息融合基本原理
6.1.2 多感測器信息融合層次結構
6.1.3 多感測器信息融合算法
6.2 旋轉機械多感測器信息融合的特點
6.3 基於D–S 證據理論的決策層融合旋轉機械故障診斷方法
6.3.1 D–S 證據理論的基本概念
6.3.2 多判據證據組合規則
6.4 基於偽證據識別的D–S 旋轉機械融合診斷實例分析
6.4.1 多感測器旋轉機械故障診斷識別框架
6.4.2 基於偽證據識別的D–S 組合規則在旋轉機械故障診斷中的套用
6.5 程式仿真
參考文獻
索引
