机械故障特征提取及性能退化评估方法研究

第1章 绪论
1.1 旋转机械故障诊断研究现状
1.1.1 机理分析
1.1.2 特征提取
1.1.3 特征压缩
1.1.4 故障诊断
1.2 非平稳信号分析方法研究现状
1.2.1 非平稳信号的自适应分析方法研究现状
1.2.2 非平稳信号的阶比跟踪分析方法研究现状
1.3 迁移学习方法研究现状
1.3.1 领域适应学习方法研究现状
1.3.2 聚类及迁移聚类方法研究现状
1.4 轴承性能退化评估及预测方法研究现状及目前存在的问题
1.4.1 退化评估及预测方法研究现状
1.4.2 目前存在的问题
本章小结
参考文献
第2章 故障机理及分析
2.1 轴承故障
2.1.1 产生机理
2.1.2 故障形式
2.1.3 特征频率
2.2 齿轮故障
2.2.1 故障形式
2.2.2 振动特点
2.3 转子不对中故障
2.3.1 故障形式
2.3.2 振动特点
2.3.3 振动形态特征
本章小结
参考文献
第3章 非平稳信号的时频分析及故障特征提取
3.1 时频分析方法理论
3.1.1 基本概念
3.1.2 基本方法
3.2 小波包分析
3.2.1 小波包□换原理与分析
3.2.2 小波包频带能量分解原理
3.3 自适应分析
3.3.1 EMD方法
3.3.2 EEMD方法
3.3.3 EMD与EEMD对比分析
3.4 基于小波包频带能量分布的滚动轴承故障特征提取
3.4.1 轴承故障实验装置
3.4.2 小波基函数选择
3.4.3 小波包频带能量划分
3.4.4 实验结果与分析
3.5 基于EEMD的转子不对中故障特征提取
3.5.1 不对中故障实验装置
3.5.2 基于EEMD-小波包频带能量的不对中故障特征提取方法
本章小结
参考文献
第4章 非平稳信号的阶比跟踪分析及故障特征提取
4.1 阶比跟踪分析方法的提出
4.2 阶比跟踪分析方法的实现
4.2.1 硬件阶比跟踪技术
4.2.2 计算阶比跟踪技术
4.2.3 无转速计阶比跟踪技术
4.3 基于EEMD瞬时频率估计的无转速计阶比跟踪分析
4.3.1 角域重采样
4.3.2 阶比谱分析
4.4 不对中故障的阶比-小波包频带能量特征提取
4.4.1 基于瞬时频率估计的不对中故障阶比跟踪分析
4.4.2 小波包频带能量特征提取
本章小结
参考文献
第5章 基于LMD能量投影法的故障诊断
5.1 LMD
5.1.1 LMD方法
5.1.2 分解效果的评价
5.1.3 基于加权优化的PF分量重构
5.2 基于能量投影法的特征提取
5.3 基于LMD能量投影的滚动轴承故障诊断
5.3.1 特征提取
5.3.2 诊断识别
本章小结
参考文献
第6章 基于粗糙集属性约简的故障特征压缩
6.1 粗糙集理论
6.1.1 基本概念
6.1.2 连续属性的离散化
6.1.3 决策表的约简
6.2 基于FCM的属性离散化方法
6.2.1 模糊集与聚类
6.2.2 基于FCM的离散化
6.3 实验与分析
6.3.1 汽轮机故障特征压缩
6.3.2 转子不对中故障特征压缩
本章小结
参考文献
第7章 滚动轴承性能退化特征提取与选择
7.1 LCD
7.1.1 ISC
7.1.2 LCD的分解过程
7.2 多域特征提取
7.2.1 时域特征
7.2.2 频域特征
7.2.3 时频域特征
7.2.4 LCD谱熵特征
7.3 混合域特征选择
7.3.1 特征评价准则
7.3.2 基于Hausdorff距离的特征相似性分析
7.3.3 基于综合评价准则的特征选择
7.4 滚动轴承混合域退化特征选择算法流程
7.5 实验与分析
7.5.1 仿真分析
7.5.2 不同损伤程度实验
本章小结
参考文献
第8章 基于迁移学习的谱聚类
8.1 谱聚类理论
8.1.1 基本理论
8.1.2 经典谱聚类算法框架
8.2 迁移学习理论
8.2.1 基本概念
8.2.2 迁移学习的类型
8.2.3 迁移学习的方法
8.2.4 领域适应学习
8.3 基于迁移学习的谱聚类算法
8.3.1 流形距离度量
8.3.2 基于流形距离的自适应迁移谱聚类方法
8.3.3 实验与分析
本章小结
参考文献
第9章 滚动轴承多退化特征融合
9.1 基于迁移谱聚类的退化特征类敏感度评价
9.2 基于类敏感度与重叠趋势性的特征融合算法
9.3 滚动轴承多退化特征融合算法流程
9.4 多特征融合实验与分析
9.4.1 仿真分析
9.4.2 实验验证
9.5 滚动轴承剩余寿命预测实验与分析
9.5.1 数学模型仿真数据验证
9.5.2 全寿命周期实验数据验证
本章小结
参考文献