《機械傳動部件故障診斷與性能退化評估方法研究》針對多工況機械系統旋轉部件的運行狀態監測與故障診斷問題，通過採集機械設備的振動信號作為數據源，圍繞振動信號的去噪、多域特徵提取、狀態監測以及故障識別方法開展了詳細的理論及套用研究。本書詳細闡述了小波理論、流形學習以及深度學習理論在機械故障診斷中的套用現狀，介紹了這些方法在實際故障診斷中存在的問題。本書立足於狀態監測和故障診斷技術的研究，通過對上述方法進行改進，提高診斷的精確性。
基本介紹
- 中文名：機械傳動部件故障診斷與性能退化評估方法研究
- 作者：佘博 梁偉閣 田福慶
- 出版社：清華大學出版社
- 出版時間：2020年12月1日
- ISBN：9787302559337
- 印次：1-2
圖書目錄,作者簡介,
圖書目錄
第1章緒論 1.1背景概述 1.2智慧型診斷方法研究現狀 1.2.1基於非平穩信號去噪的故障診斷方法 1.2.2基於流形學習的故障診斷方法 1.2.3基於深度學習的故障診斷方法 1.2.4決策融合診斷方法 1.2.5狀態監測與性能退化評估方法 第2章滾動軸承與齒輪振動機理與故障特徵分析 2.1引言 2.2滾動軸承振動機理與故障特徵分析 2.2.1滾動軸承振動機理及類型 2.2.2滾動軸承特徵頻率計算 2.2.3滾動軸承故障振動數學模型 2.2.4滾動軸承振動信號特性分析 2.2.5滾動軸承損傷故障的包絡譜特徵 2.3齒輪振動機理與故障特徵分析 2.3.1齒輪振動機理 2.3.2齒輪故障振動數學模型 2.3.3齒輪故障的邊頻帶特徵和包絡譜特徵 2.4軸振動機理與故障特徵分析 2.4.1軸振動機理 2.4.2軸振動故障特徵 第3章振動信號特徵提取 3.1引言 3.2多域特徵構造方法 3.2.1時域特徵 3.2.2頻域特徵 3.2.3時頻域特徵 3.3多尺度特徵提取方法 3.3.1小波分析 3.3.2經驗模態分解 3.4特徵選擇方法 3.5基於流形學習的特徵提取方法 3.5.1最大方差展開 3.5.2局部線性嵌入 3.6基於深度學習的特徵提取方法 3.6.1深度自動編碼器 3.6.2深度信念網路 3.6.3卷積神經網路 ...
作者簡介
佘博，2012年於北京理工大學獲得學士學位，2015年于海軍大連艦艇學院獲得碩士學位，現為海軍工程大學兵器工程學院博士研究生，主要研究方向為機械設備狀態監測與故障診斷。發表及錄用論文9篇，國家發明專利1項，其中SCI1篇EI5篇，中文核心3篇。
梁偉閣，分別在2003年、2009年、2013年于海軍工程大學獲得學士、碩士和博士學位，現為海軍工程大學兵器工程學院講師，主要研究方向為信號處理及武器系統故障診斷。發表論文10餘篇，其中EI收錄7篇。
田福慶，分別在1982年、1987年、2006年于海軍工程大學獲得學士、碩士和博士學位，現為海軍工程大學兵器工程學院教授、博士研究生導師，主要研究方向為信號處理及武器系統故障診斷。在國內外期刊發表論文40餘篇，其中EI收錄14篇，授權國家發明專利2項，獲得軍隊科技進步二等獎1項和三等獎5項。
