醉染图书旋转机械非平稳故障诊断9787030582294

   章机械故障诊断技术概述1

1.1发展历程1

1.2技术分类4

1.3一般步骤6

1.3.1诊断原理与方案6

1.3.2理论模型建立7

1.3.3试验设计与测试7

1.3.4信号分析处理8

1.3.5状态识别与故障诊断8

1.4发展方向9

1.5旋转机械非平稳故障诊断研究12

1.5.1非平稳故障诊断问题的提出12

1.5.2齿轮传动系统动力学建模与求解12

1.5.3非平稳振动信号分析方法14

第2章动力学建模及非平稳工况特分析16

2.1齿轮传动系统动力学建模16

2.1.1基本设6

2.1.2激励分析17

2.1.3弹变形协调条件19

2.1.4弹动力学模型20

2.1.5驱动电机模型21

2.1.6闭环模型21

2.2时变参数动力学模型的离散解析法

2.2.1变系数线微分方程解法

2.2.2离散解析法原理24

2..离散解析法求解过程27

2.2.4改进的离散解析法27

2.2.5算法对比与分析28

.非平稳故障箱体动力学分析35

..1变速变载工况下齿轮故障动力特分析36

..2轴承故障引起的箱体振动分析40

..轴故障引起的箱体振动分析42

..4齿轮箱箱体的振动响应信号分析43

2.4基于周期循环平稳理论的非平稳故障诊断原理43

2.4.1随机过程和振动信号的分类43

2.4.2齿轮箱加速过程振动信号循环平稳特分析44

2.4.3振动信号周期循环平稳特的数学描述46

第3章诊断测试与试验因素影响分析49

3.1测试对诊断工作的影响49

3.1.1测试对诊断方法的影响49

3.1.2测试对诊断效果的影响50

3.1.3测试对诊断效益的影响50

3.2机械故障诊断试验类型51

3.2.1基于试验台的故障诊断试验51

3.2.2实际工况条件下的故障诊断试验59

3.3试验因素的影响分析63

3.3.1转速变化对故障信号的影响分析63

3.3.2负载变化对故障信号的影响分析68

3.3.3惯负载有效分析71

第4章阶次分析与非线拟合阶次分析法74

4.1变速变载测试试验台74

4.2计算阶次分析法76

4.2.1计算阶次分析法简介76

4.2.2频谱分析与阶次谱分析的对比77

4..阶次谱应用的分析8

4.2.4阶次域单位的讨论79

4.3非线拟合阶次分析法79

4.3.1多项式拟合原理80

4.3.2拟合多项式阶数的确定80

4.3.3算法与步骤81

4.3.4阶次分析法应用实例和对比分析83

4.4角域采样定理88

4.4.1基本原理88

4.4.2角域采样率90

4.4.3信号分析90

第5章非平稳振动信号降噪方法研究93

5.1常用信号降噪方法93

5.2基于奇异谱的降噪方法94

5.2.1奇异值分解和奇异谱理论95

5.2.2基于奇异谱的降噪算法97

5..奇异谱降噪方法的应用98

5.3基于小波包变换的降噪方法100

5.3.1小波包变换与Mallat算法100

5.3.2提升小波与小波包变换算法101

5.3.3基于渐变式阈值的小波包降噪104

5.4基于改进卡尔曼滤波的降噪方法108

5.4.1卡尔曼滤波技术108

5.4.2卡尔曼滤波技术的改进111

5.4.3状态空间模型的建立112

5.4.4改进卡尔曼滤波信号降噪应用114

第6章基于时频分析的非平稳振动信号分析117

6.1非平稳信号时频分析的方法117

6.1.1时频分析方法简介117

6.1.2短时傅里叶变换118

6.1.3连续小波变换120

6.1.4Cohen类时频分布与修正121

6.1.5典型信号的时频分布122

6.2时频分布图像信息特征的提取124

6.2.1Hough变换124

6.2.2矩分布125

6..边缘分布125

6.2.4Renyi信息126

6.3齿轮箱变速过程振动信号的时频分析126

6.4HHT理论与方法128

6.4.1瞬时频率128

6.4.2IMF129

6.4.3EMD129

6.4.4HHT方法133

6.4.5边际谱134

6.5齿轮箱非平稳振动信号HHT分析134

6.5.1故障数据分析134

6.5.2故障诊断实例分析136

第7章基于分形理论的非平稳振动信号分析143

7.1混沌动力学系统的分析方法143

7.2基于分形理论的振动信号描述144

7.2.1分形理论简介144

7.2.2分形维数145

7..基于关联维数的振动信号描述147

7.3分形无标度区的求取方法151

7.3.1无标度区的概念151

7.3.2分形无标度区的界定方法152

7.4基于遗传算法的非平稳振动信号无标度区求取155

7.4.1进化算法与化方法155

7.4.2遗传算法及其发展与应用156

7.4.3遗传算法的基本实现156

7.4.4基于遗传算法的分形无标度区求取158

7.4.5齿轮箱加速过程振动信号的分形研究161

第8章基于角域伪稳态振动信号分析与诊断方法165

8.1角域伪稳态信号的改进卡尔曼包络谱分析165

8.1.1包络谱分析165

8.1.2改进卡尔曼包络谱的基本原理167

8.1.3滚动轴承故障诊断167

8.1.4齿轮故障诊断171

8.2角域伪稳态信号的改进卡尔曼倒谱分析172

8.2.1改进卡尔曼倒谱的基本原理172

8.2.2齿根裂纹故障诊断173

8..齿轮磨损故障诊断175

8.2.4轴承内圈裂纹故障诊断177

8.3角域伪稳态信号的改进卡尔曼双谱分析178

8.3.1双谱分析179

8.3.2角域双谱179

8.3.3角域双谱切片分析180

8.3.4轴承内圈裂纹故障诊断180

8.3.5齿轮齿根裂纹故障诊断181

8.4角域伪稳态信号的修正HHT分析182

8.4.1修正HHT分析方法182

8.4.2工程信号验183

8.5角域伪稳态信号的修正HHT包络谱分析187

8.5.1轴承内圈裂纹故障诊断187

8.5.2轴承外圈裂纹故障诊断189

8.6角域伪稳态信号的修正HHT倒谱分析191

8.6.1轴承内圈裂纹故障诊断191

8.6.2轴承外圈裂纹故障诊断193

8.6.3齿轮磨损故障诊断195

8.7角域伪稳态信号的修正边际谱分析198

8.7.1角域边际谱198

8.7.2角域边际谱计算方法的改进199

8.7.3轴承内圈裂纹故障诊断200

8.7.4轴承外圈裂纹故障诊断203

第9章特征参量提取与模式识别207

9.1齿轮箱故障诊断特征参量提取207

9.1.1幅域特征参量提取207

9.1.2阶次域特征参量提取209

9.1.3能量域特征参量提取210

9.2SVM方法212

9.2.1一般机器学习方法存在的问题213

9.2.2统计学习理论213

9..分类面214

9.2.4SVM模型216

9.2.5算例分析217

9.2.6SVM多分类算法219

9.2.7基于SVM的多故障分类器的改进220

9.3基于改进SVM与BP神经网络的故障模式识别220

9.3.1基于改进SVM的齿轮箱故障模式识别220

9.3.2基于BP神经网络的齿轮箱故障模式识别222

9.3.3两种识别方法的能比较2

参考文献225