廣義時(shí)頻分析理論在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用

定　價(jià)：￥89.00

作　者：	張?jiān)茝?qiáng)，王懷光，吳定海，范紅波，黃欣鑫著
出版社：	國(guó)防工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787118121261	出版時(shí)間：	2020-08-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	234	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《廣義時(shí)頻分析理論在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用》以旋轉(zhuǎn)機(jī)械設(shè)備為研究對(duì)象，針對(duì)傳統(tǒng)時(shí)頻分析理論在非線性非平穩(wěn)振動(dòng)信號(hào)分析中的不足，引入分?jǐn)?shù)階傅里葉變換、變分模式分解、集合經(jīng)驗(yàn)?zāi)Ｊ椒纸夂头謹(jǐn)?shù)階S變換等廣義時(shí)頻分析理論，系統(tǒng)研究了旋轉(zhuǎn)機(jī)械故障診斷中振動(dòng)信號(hào)預(yù)處理、特征提取、特征降維和智能分類優(yōu)化策略等問(wèn)題。具體內(nèi)容包括旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)預(yù)處理方法、基于正交變分模式分解的振動(dòng)信號(hào)特征提取方法、基于EEMD的振動(dòng)信號(hào)多尺度特征提取方法、基于分?jǐn)?shù)階S變換時(shí)頻譜的振動(dòng)信號(hào)特征提取方法、旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的組合式特征降維方法和旋轉(zhuǎn)機(jī)械故障的支持向量機(jī)智能分類優(yōu)化策略。豐富了機(jī)械故障診斷理論，為旋轉(zhuǎn)機(jī)械故障診斷提供了一條新的有效的技術(shù)途徑?！稄V義時(shí)頻分析理論在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用》可供機(jī)械工程、信號(hào)處理、模式識(shí)別等專業(yè)的研究生及從事機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷領(lǐng)域的科研人員和工程技術(shù)人員參考使用。

作者簡(jiǎn)介

暫缺《廣義時(shí)頻分析理論在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論
1．1 旋轉(zhuǎn)機(jī)械故障診斷技術(shù)研究現(xiàn)狀
1．1．1 旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)處理方法研究現(xiàn)狀
1．1．2 旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)特征提取研究現(xiàn)狀
1．1．3 旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)特征降維研究現(xiàn)狀
1．1．4 旋轉(zhuǎn)機(jī)械故障智能分類方法研究現(xiàn)狀
1．2 廣義時(shí)頻分析理論研究及應(yīng)用現(xiàn)狀
1．2．1 分?jǐn)?shù)階傅里葉變換
1．2．2 自適應(yīng)時(shí)頻變換
1．2．3 分?jǐn)?shù)階時(shí)頻變換
1．3 本書(shū)主要研究?jī)?nèi)容
第2章旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)采集與預(yù)處理方法
2．1 旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)采集
2．1．1 滾動(dòng)軸承信號(hào)
2．1．2 齒輪箱齒輪信號(hào)
2．1．3 柴油機(jī)滑動(dòng)軸承信號(hào)
2．2 基于分?jǐn)?shù)階傅里葉變換稀疏分解的振動(dòng)信號(hào)濾波
2．2．1 分?jǐn)?shù)階傅里葉變換及其特性
2．2．2 基于分?jǐn)?shù)階傅里葉變換稀疏分解的信號(hào)濾波方法
2．2．3 仿真信號(hào)分析
2．2．4 信號(hào)稀疏分解濾波方法在振動(dòng)信號(hào)濾波中的應(yīng)用
2．3 基于集合經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥EMD）的振動(dòng)信號(hào)的處理
2．3．1 EMD方法的基本原理
2．3．2 基于EEMD方法的模態(tài)混疊分析
2．3．3 基于K-S檢驗(yàn)的偽分量識(shí)別
2．3．4 基于奇異值差分譜的振動(dòng)信號(hào)預(yù)處理
2．3．5 基于EEMD方法的齒輪箱振動(dòng)信號(hào)處理流程
2．3．6 EEMD方法在振動(dòng)信號(hào)處理中的應(yīng)用
2．4 基于雙時(shí)域變換的微弱故障特征增強(qiáng)
2．4．1 結(jié)合傅里葉逆變換和廣義S變換的雙時(shí)域變換
2．4．2 基于雙時(shí)域變換的微弱特征增強(qiáng)方法
2．4．3 仿真信號(hào)分析
2．4．4 雙時(shí)域變換在振動(dòng)信號(hào)微弱故障特征增強(qiáng)中的應(yīng)用
2．5 本章小結(jié)
第3章基于正交變分模式分解的振動(dòng)信號(hào)特征提取方法
3．1 正交變分模式分解
3．1．1 變分模式分解
3．1．2 變分模式分解的正交化
3．1．3 0VMD最優(yōu)參數(shù)確定方法
3．1．4 仿真信號(hào)分析
3．2 旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的正交變分模式分解
3．2．1 滾動(dòng)軸承信號(hào)
3．2．2 柴油機(jī)滑動(dòng)軸承信號(hào)
3．3 基于OVMD的振動(dòng)信號(hào)相對(duì)頻譜能量矩特征提取
3．3．1 相對(duì)頻譜能量矩的定義
3．3．2 相對(duì)頻譜能量矩特征提取結(jié)果及性能分析
3．3．3 振動(dòng)信號(hào)分類效果
3．4 基于OVMD的振動(dòng)信號(hào)Volterra模型特征提取
3．4．1 基于相空間重構(gòu)的Volterra預(yù)測(cè)模型
3．4．2 基于OVMD的Volterra模型特征提取方法
3．4．3 Volterra模型特征提取結(jié)果及性能分析
3．4．4 振動(dòng)信號(hào)分類效果
3．5 基于OVMD的振動(dòng)信號(hào)雙標(biāo)度分形維數(shù)估計(jì)
3．5．1 基于OVMD的信號(hào)分形維數(shù)估計(jì)方法
3．5．2 振動(dòng)信號(hào)的雙標(biāo)度分形維數(shù)估計(jì)
3．5．3 雙標(biāo)度分形維數(shù)提取結(jié)果及性能分析
……
第4章基于EEMD的振動(dòng)信號(hào)多尺度特征提取方法
第5章基于分?jǐn)?shù)階S變換時(shí)頻譜的振動(dòng)信號(hào)特征提取方法
第6章旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的組合式特征降維方法
第7章旋轉(zhuǎn)機(jī)械故障的支持向量機(jī)（SVM）智能分類優(yōu)化策略
結(jié)束語(yǔ)
參考文獻(xiàn)