經(jīng)驗?zāi)B(tài)分解在振動分析中的應(yīng)用

1.1 時頻分析方法的研究意義
1.2 常見時頻分析方法及其局限性
1.2.1 短時傅里葉變換
1.2.2 Wigner-Ville分布
1.2.3 小波變換
1.3 經(jīng)驗?zāi)B(tài)分解的提出
1.4 經(jīng)驗?zāi)B(tài)分解的研究現(xiàn)狀
1.5 經(jīng)驗?zāi)B(tài)分解的優(yōu)勢和研究方向
1.5.1 經(jīng)驗?zāi)B(tài)分解的優(yōu)勢
1.5.2 經(jīng)驗?zāi)B(tài)分解的研究方向
1.6 經(jīng)驗?zāi)B(tài)分解在振動信號處理中的應(yīng)用
1.6.1 信號去噪
1.6.2 非線性振動分析
1.6.3 故障診斷
1.6.4 語音增強
1.6.5 其他應(yīng)用
第2章 經(jīng)驗?zāi)B(tài)分解基本理論
2.1 瞬時頻率
2.2 特征模態(tài)函數(shù)
2.3 經(jīng)驗?zāi)B(tài)分解
2.4 希爾伯特譜分析
2.5 經(jīng)驗?zāi)B(tài)分解特性
第3章 經(jīng)驗?zāi)B(tài)分解的端點延拓和模態(tài)混疊
3.1 端點問題的提出
3.2 利用Volterra模型的端點延拓
3.2.1 Volterra模型簡介
3.2.2 仿真分析
3.3 基于最大Lyapunov指數(shù)預(yù)測的端點延拓
3.3.1 最大Lyapunov指數(shù)的混沌預(yù)測相關(guān)概念方法
3.3.2 仿真分析
3.4 基于支持向量機回歸預(yù)測的端點延拓
3.4.1 支持向量機回歸預(yù)測原理
3.4.2 仿真分析
3.5 采用聚合經(jīng)驗?zāi)B(tài)分解抑制模態(tài)混疊
3.5.1 經(jīng)驗?zāi)B(tài)分解的模態(tài)混疊
3.5.2 聚合經(jīng)驗?zāi)B(tài)分解的原理及分解步驟
3.5.3 聚合經(jīng)驗?zāi)B(tài)分解在滾動軸承信號分解中的應(yīng)用
第4章 閾值去噪方法
4.1 小波去噪
4.1.1 小波變換
4.1.2 小波去噪的基本原理和方法
4.1.3 小波閾值去噪
4.1.4 新小波閾值函數(shù)去噪
4.2 經(jīng)驗?zāi)B(tài)分解閾值去噪方法
4.3 仿真分析
第5章 基于經(jīng)驗?zāi)B(tài)分解的非線性振動分析
5.1 基于經(jīng)驗?zāi)B(tài)分解的非線性預(yù)測
5.1.1 最大可預(yù)測時間
5.1.2 仿真分析
5.2 隨機噪聲對經(jīng)驗?zāi)B(tài)分解及其非線性特征的影響
5.2.1 隨機噪聲對非線性響應(yīng)經(jīng)驗?zāi)B(tài)分解的影響
5.2.2 噪聲對非線性特征的影響
5.3 IMF變化對原信號非線性特征影響
5.3.1 IMF缺失對系統(tǒng)非線性特征影響
5.3.2 IMF比例縮小對系統(tǒng)非線性特征影響
5.3.3 IMF移位對系統(tǒng)非線性特征影響
第6章 基于經(jīng)驗?zāi)B(tài)分解的故障特征提取與信號處理
6.1 利用經(jīng)驗?zāi)B(tài)分解下的Volterra模型提取結(jié)構(gòu)損傷特征量
6.1.1 利用經(jīng)驗?zāi)B(tài)分解下的V0ltem模型提取損傷特征量的方法和步驟
6.1.2 仿真分析
6.2 利用特征模態(tài)函數(shù)分量包絡(luò)矩陣的奇異值提取結(jié)構(gòu)損傷特征量
6.2.1 利用特征模態(tài)函數(shù)包絡(luò)和奇異值提取損傷特征量的方法和步驟
6.2.2 仿真分析
6.3 基于經(jīng)驗?zāi)B(tài)分解的振動信號盲源分離
6.3.1 盲源分離研究背景
6.3.2 主分量分析
6.3.3 EMD-PCA-DSS方法
6.3.4 仿真分析
第7章 基于經(jīng)驗?zāi)B(tài)分解的語音信號研究
7.1 語音信號基本概念
7.1.1 語音、人耳感知及干擾噪聲
7.1.2 語音增強的意義和應(yīng)用
7.1.3 語音增強方法研究進展
7.2 基于經(jīng)驗?zāi)B(tài)分解的語音增強
7.3 基于經(jīng)驗?zāi)B(tài)分解的語音端點檢測
7.3.1 語音端點檢測算法
7.3.2 基于經(jīng)驗?zāi)B(tài)分解的互相關(guān)函數(shù)的語音端點門限值編碼
7.4 基于人耳聽覺特性的小波變換的語音增強
7.4.1 基于小波變換的耳蝸濾波器組實現(xiàn)
7.4.2 基于人耳聽覺特性的小波變換的語音增強算法
7.5 算法測試及性能評價
7.5.1 語音質(zhì)量評價方法
7.5.2 仿真分析
第8章 經(jīng)驗?zāi)B(tài)分解在實驗數(shù)據(jù)分析中的應(yīng)用
8.1 滾動軸承的結(jié)構(gòu)損傷檢測實驗
8.1.1 滾動軸承的主要損傷形式
8.1.2 滾動軸承的結(jié)構(gòu)組成、固有頻率和損傷特征頻率
8.1.3 滾動軸承振動信號特征
8.1.4 滾動軸承損傷實驗
8.1.5 買驗結(jié)果
8.2 結(jié)構(gòu)損傷特征量提取
8.2.1 滾動軸承損傷與非損傷的特征量提取
8.2.2 滾動軸承不同損傷位置的特征量提取
8.2.3 滾動軸承不同損傷程度的特征量提取
8.3 Voltem模型在滾動軸承信號分解中的應(yīng)用
8.4 非線性裂紋轉(zhuǎn)子實驗信號的端點延拓
8.4.1 實驗?zāi)Ｐ图捌湓?br />8.4.2 實驗裝置
8.4.3 實驗數(shù)據(jù)分析
8.5 雙盤轉(zhuǎn)子信號的盲源分離
參考文獻