裝備健康監(jiān)測(cè)信號(hào)處理理論與方法

目錄
前言
第1章 局部均值分解及其時(shí)頻解調(diào)分析應(yīng)用 1
1.1 信號(hào)瞬時(shí)特征 1
1.2 局部均值分解原理與特性 2
1.2.1 局部均值分解算法 2
1.2.2 端點(diǎn)效應(yīng)處理 5
1.2.3 局部均值求解 9
1.2.4 乘積函數(shù)與IMF 11
1.2.5 瞬時(shí)頻率計(jì)算 12
1.2.6 LMD與EMD類似小波濾波器比較 16
1.2.7 瞬時(shí)時(shí)頻譜構(gòu)造 16
1.2.8 邊際譜計(jì)算 17
1.2.9 時(shí)頻聚集性測(cè)度 17
1.3 LMD時(shí)頻解調(diào)仿真信號(hào)分析 18
1.3.1 調(diào)幅信號(hào)解調(diào) 18
1.3.2 調(diào)頻信號(hào)解調(diào) 19
1.4 LMD時(shí)頻解調(diào)工程案例分析 21
1.5 基于能量色散比特征的齒輪箱變工況故障診斷 23
1.5.1 能量色散比特征 23
1.5.2 精軋機(jī)齒輪箱損傷統(tǒng)計(jì)分析 24
1.5.3 基于LMD的ITFS軋機(jī)齒輪箱故障診斷 27
1.6 本章小結(jié) 31
參考文獻(xiàn) 32
第2章 自適應(yīng)譜峭度及其應(yīng)用 34
2.1 引言 34
2.2 譜峭度理論背景 35
2.2.1 峭度 35
2.2.2 譜峭度 36
2.2.3 頻域峭度與譜峭度對(duì)比 37
2.2.4 基于STFT的譜峭度計(jì)算 37
2.2.5 譜峭度圖和快速譜峭度圖 38
2.3 自適應(yīng)譜峭度 39
2.3.1 窗函數(shù)疊加方式 39
2.3.2 自適應(yīng)譜峭度算法 40
2.3.3 疊加窗函數(shù)性能評(píng)估 43
2.4 基于自適應(yīng)譜峭度的軸承故障診斷 51
2.4.1 軸承故障診斷整體流程 51
2.4.2 仿真分析 51
2.4.3 實(shí)驗(yàn)驗(yàn)證 61
2.5 齒輪齒形誤差診斷 71
2.6 基于譜峭度的機(jī)械故障預(yù)測(cè)研究 73
2.6.1 性能退化分析 73
2.6.2 剩余使用壽命預(yù)測(cè) 75
2.7 本章小結(jié) 76
參考文獻(xiàn) 77
第3章 變分模態(tài)分解及其應(yīng)用 81
3.1 模態(tài)的概念 81
3.2 VMD算法基本原理 81
3.3 VMD算法的特性 84
3.3.1 非均勻采樣 84
3.3.2 等效脈沖響應(yīng) 87
3.3.3 VMD等效濾波器組 88
3.3.4 Tone分離 93
3.3.5 仿真應(yīng)用 95
3.4 VMD時(shí)頻分析 100
3.4.1 瞬時(shí)幅值和瞬時(shí)頻率 100
3.4.2 VMD時(shí)頻譜稀疏性和時(shí)頻譜峭度測(cè)量 101
3.5 基于蝙蝠算法的VMD參數(shù)優(yōu)化方法 107
3.5.1 蝙蝠算法基本理論 107
3.5.2 基于蝙蝠算法的VMD 參數(shù)尋優(yōu) 108
3.5.3 仿真及實(shí)驗(yàn)結(jié)果分析 110
3.6 基于VMD轉(zhuǎn)子碰摩故障特征提取 114
3.6.1 仿真分析 114
3.6.2 案例分析 116
3.7 基于VMD角域階次譜的滾動(dòng)軸承變轉(zhuǎn)速工況故障診斷 122
3.7.1 原理與方法 123
3.7.2 案例分析 124
3.8 基于VMD 與調(diào)制強(qiáng)度分布的齒輪故障診斷 132
3.8.1 調(diào)制強(qiáng)度分布的基本理論 133
3.8.2 仿真分析 137
3.8.3 實(shí)驗(yàn)驗(yàn)證 140
3.9 本章小結(jié) 147
參考文獻(xiàn) 148
第4章 復(fù)值信號(hào)處理與雙樹復(fù)數(shù)小波變換方法 150
4.1 引言 150
4.2 復(fù)延遲時(shí)頻分布 151
4.2.1 分布算法 151
4.2.2 瞬時(shí)頻率的估計(jì) 153
4.2.3 仿真信號(hào)分析 153
4.3 復(fù)值變分模態(tài)分解 155
4.3.1 CVMD算法 155
4.3.2 CVMD等效濾波器組 159
4.3.3 CVMD希爾伯特譜 160
4.3.4 實(shí)驗(yàn)驗(yàn)證 161
4.4 雙樹復(fù)小波變換理論 166
4.4.1 **小波變換 166
4.4.2 雙樹復(fù)小波變換結(jié)構(gòu) 167
4.4.3 雙樹復(fù)小波平移不變?yōu)V波器設(shè)計(jì) 170
4.4.4 雙樹復(fù)小波變換特性分析 171
4.4.5 滾動(dòng)軸承復(fù)合故障診斷 175
4.4.6 空分機(jī)多重故障特征檢測(cè) 179
4.5 本章小結(jié) 182
參考文獻(xiàn) 182
第5章 稀疏時(shí)頻壓縮感知方法及其在故障診斷中的應(yīng)用 186
5.1 引言 186
5.2 CS理論 188
5.3 稀疏時(shí)頻表示的壓縮感知 189
5.3.1 非光滑凸優(yōu)化模型 189
5.3.2 快速迭代收縮閾值算法 189
5.3.3 并行近端分解算法 191
5.3.4 用于CS重建的并行類FISTA 近端算法 191
5.4 仿真測(cè)試 192
5.5 時(shí)頻壓縮感知特征提取方法的應(yīng)用 194
5.5.1 時(shí)頻表示在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用框架 194
5.5.2 基于CS 的時(shí)頻表示在軸承故障診斷中的應(yīng)用 195
5.5.3 基于CS 的時(shí)頻表示在齒輪健康狀態(tài)監(jiān)測(cè)中的應(yīng)用 196
5.6 本章小結(jié) 201
參考文獻(xiàn) 201
第6章 機(jī)械信號(hào)降噪與特征增強(qiáng)方法 204
6.1 基于改進(jìn)歸一化*大似然估計(jì)的*小描述長度降噪方法 204
6.1.1 引言 204
6.1.2 基于改進(jìn)歸一化*大似然估計(jì)的MDL 降噪方法 205
6.1.3 仿真分析 207
6.1.4 滾動(dòng)軸承振動(dòng)信號(hào)降噪分析 209
6.2 雙樹復(fù)小波鄰域系數(shù)信號(hào)降噪 210
6.2.1 雙樹復(fù)小波鄰域系數(shù)降噪算法 211
6.2.2 齒輪微裂紋檢測(cè) 212
6.3 基于VMD 和總變差降噪的滾動(dòng)軸承故障診斷方法研究 214
6.3.1 總變差法的基本理論 214
6.3.2 基于VMD 和TV-MM 滾動(dòng)軸承故障診斷方法 219
6.3.3 仿真對(duì)比研究和結(jié)果分析 219
6.3.4 滾動(dòng)軸承故障診斷實(shí)例驗(yàn)證 222
6.4 基于非局部均值算法的故障診斷方法研究 230
6.4.1 非局部均值基本理論 230
6.4.2 基于NLM 降噪的故障診斷方法 233
6.4.3 仿真分析 233
6.4.4 滾動(dòng)軸承故障診斷實(shí)例研究 234
6.4.5 齒輪故障診斷實(shí)例研究 242
6.5 基于張量分解的滾動(dòng)軸承復(fù)合故障多通道信號(hào)降噪 243
6.5.1 張量分解的基本理論 243
6.5.2 基于張量分解的多通道降噪方法 244
6.5.3 仿真分析 246
6.5.4 軸承復(fù)合故障診斷實(shí)例分析 250
6.6 基于局部均值分解和多點(diǎn)優(yōu)化*小熵解卷積的滾動(dòng)軸承早期故障特征提取 255
6.6.1 引言 255
6.6.2 局部均值分解和多點(diǎn)優(yōu)化*小熵解卷積基本理論 256
6.6.3 多點(diǎn)優(yōu)化*小熵解卷積理論 258
6.6.4 仿真分析 260
6.6.5 外圈實(shí)測(cè)信號(hào)故障分析 264
6.6.6 內(nèi)圈實(shí)測(cè)信號(hào)故障分析 269
6.7 基于自適應(yīng)果蠅優(yōu)化算法的降噪源分離在軸承復(fù)合故障診斷中的應(yīng)用 274
6.7.1 引言 274
6.7.2 理論基礎(chǔ) 275
6.7.3 仿真信號(hào)分析 279
6.7.4 實(shí)測(cè)數(shù)據(jù)分析 282
6.7.5 結(jié)論 286
6.8 本章小結(jié) 286
參考文獻(xiàn) 287