廣義時頻分析理論在旋轉(zhuǎn)機械故障診斷中的應(yīng)用

第1章 緒論
1．1 旋轉(zhuǎn)機械故障診斷技術(shù)研究現(xiàn)狀
1．1．1 旋轉(zhuǎn)機械振動信號處理方法研究現(xiàn)狀
1．1．2 旋轉(zhuǎn)機械振動信號特征提取研究現(xiàn)狀
1．1．3 旋轉(zhuǎn)機械振動信號特征降維研究現(xiàn)狀
1．1．4 旋轉(zhuǎn)機械故障智能分類方法研究現(xiàn)狀
1．2 廣義時頻分析理論研究及應(yīng)用現(xiàn)狀
1．2．1 分數(shù)階傅里葉變換
1．2．2 自適應(yīng)時頻變換
1．2．3 分數(shù)階時頻變換
1．3 本書主要研究內(nèi)容
第2章 旋轉(zhuǎn)機械振動信號采集與預處理方法
2．1 旋轉(zhuǎn)機械振動信號采集
2．1．1 滾動軸承信號
2．1．2 齒輪箱齒輪信號
2．1．3 柴油機滑動軸承信號
2．2 基于分數(shù)階傅里葉變換稀疏分解的振動信號濾波
2．2．1 分數(shù)階傅里葉變換及其特性
2．2．2 基于分數(shù)階傅里葉變換稀疏分解的信號濾波方法
2．2．3 仿真信號分析
2．2．4 信號稀疏分解濾波方法在振動信號濾波中的應(yīng)用
2．3 基于集合經(jīng)驗模式分解（EEMD）的振動信號的處理
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檢驗的偽分量識別
2．3．4 基于奇異值差分譜的振動信號預處理
2．3．5 基于EEMD方法的齒輪箱振動信號處理流程
2．3．6 EEMD方法在振動信號處理中的應(yīng)用
2．4 基于雙時域變換的微弱故障特征增強
2．4．1 結(jié)合傅里葉逆變換和廣義S變換的雙時域變換
2．4．2 基于雙時域變換的微弱特征增強方法
2．4．3 仿真信號分析
2．4．4 雙時域變換在振動信號微弱故障特征增強中的應(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信號特征提取方法
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 仿真信號分析
3．2 旋轉(zhuǎn)機械振動信號的正交變分模式分解
3．2．1 滾動軸承信號
3．2．2 柴油機滑動軸承信號
3．3 基于OVMD的振動信號相對頻譜能量矩特征提取
3．3．1 相對頻譜能量矩的定義
3．3．2 相對頻譜能量矩特征提取結(jié)果及性能分析
3．3．3 振動信號分類效果
3．4 基于OVMD的振動信號Volterra模型特征提取
3．4．1 基于相空間重構(gòu)的Volterra預測模型
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 振動信號分類效果
3．5 基于OVMD的振動信號雙標度分形維數(shù)估計
3．5．1 基于OVMD的信號分形維數(shù)估計方法
3．5．2 振動信號的雙標度分形維數(shù)估計
3．5．3 雙標度分形維數(shù)提取結(jié)果及性能分析
……
第4章 基于EEMD的振動信號多尺度特征提取方法
第5章 基于分數(shù)階S變換時頻譜的振動信號特征提取方法
第6章 旋轉(zhuǎn)機械振動信號的組合式特征降維方法
第7章 旋轉(zhuǎn)機械故障的支持向量機（SVM）智能分類優(yōu)化策略
結(jié)束語
參考文獻