机械故障诊断的复杂性理论与方法

前言第1章 绪论11.1 非线性动力学方法21.2 基于熵的复杂性理论发展历程31.3 复杂性理论在机械故障诊断领域的应用现状5参考文献8第2章 基于熵的复杂性理论方法132.1 香农熵132.2 近似熵132.3 样本熵152.4 模糊熵162.5 排列熵172.6 散布熵192.7 仿真试验分析20参考文献30第3章 基于多尺度模糊熵的机械故障诊断方法323.1 多尺度模糊熵323.1.1 多尺度熵算法323.1.2 多尺度模糊熵算法333.2 复合多尺度模糊熵333.2.1 复合多尺度模糊熵算法333.2.2 仿真试验分析353.2.3 CMFE在滚动轴承故障诊断中的应用393.3 广义精细复合多尺度模糊熵463.3.1 广义精细复合多尺度模糊熵算法463.3.2 仿真试验分析473.3.3 GRCMFE在滚动轴承故障诊断中的应用513.4 多变量多尺度模糊熵593.4.1 多变量多尺度模糊熵算法603.4.2 仿真试验分析623.4.3 MMFE在行星齿轮箱故障诊断中的应用64参考文献71第4章 基于多尺度排列熵的机械故障诊断方法734.1 多尺度排列熵734.2 复合多尺度排列熵744.2.1 复合多尺度排列熵算法744.2.2 CMPE参数选取及影响754.2.3 CMPE在滚动轴承故障诊断中的应用764.3 广义复合多尺度排列熵804.3.1 广义复合多尺度排列熵算法804.3.2 GCMPE参数选取及影响824.3.3 GCMPE在滚动轴承故障诊断中的应用844.4 复合多元多尺度排列熵874.4.1 多元多尺度排列熵算法874.4.2 复合多元多尺度排列熵算法884.4.3 仿真试验分析884.4.4 CMMPE在滚动轴承故障诊断中的应用90参考文献99第5章 基于多尺度散布熵的机械故障诊断方法1015.1 多尺度散布熵1015.1.1 多尺度散布熵算法1015.1.2 MDE参数选取及影响1025.1.3 MDE在滚动轴承故障诊断中的应用1035.2 复合多尺度散布熵1055.3 精细复合多尺度散布熵1065.3.1 精细复合多尺度散布熵算法1065.3.2 RCMDE在滚动轴承故障诊断中的应用1075.4 多元多尺度散布熵1105.4.1 多元散布熵算法1115.4.2 多元多尺度散布熵算法1125.5 精细复合多元多尺度散布熵1125.5.1 精细复合多元多尺度散布熵算法1125.5.2 仿真试验分析1135.5.3 RCMMDE和MCFS在滚动轴承故障诊断中的应用114参考文献124第6章 基于自适应多尺度熵的机械故障智能诊断方法1266.1 粗粒化与自适应多尺度化分析1266.2 自适应复合多尺度模糊熵1276.2.1 基于VMD的自适应复合多尺度模糊熵算法1276.2.2 自适应复合多尺度模糊熵在滚动轴承故障诊断中的应用1296.3 自适应多尺度散布熵1346.3.1 自适应多尺度散步熵算法1356.3.2 仿真试验分析1356.4 改进经验小波变换与散布熵138参考文献147第7章 其他复杂性理论与方法1497.1 余弦相似熵1497.1.1 余弦相似熵算法1507.1.2 CSE参数选取及影响1517.1.3 CSE与SE、FE对比分析1547.2 微分符号熵1567.2.1 微分符号熵算法1577.2.2 DSE参数选取及影响1587.2.3 轴承实测数据分析1647.3 多尺度时不可逆1687.3.1 多尺度时不可逆算法1697.3.2 仿真试验分析1707.4 动力学符号熵1727.5 增量熵1747.6 时频熵1757.7 反向散布熵175参考文献177