《機械設備診斷的現(xiàn)代信號處理方法》針對機械設備狀態(tài)監(jiān)測與早期故障診斷，介紹機械動態(tài)振動信號處理方法和設備故障特征提出的一些新理論與新方法，著重介紹小波包絡分析、小波奇異性檢測、盲信號分離理論、雙線性時間一頻率分析、時頻分布的快速計算等現(xiàn)代信號處理及檢測的理論和算法。并以齒輪箱狀態(tài)監(jiān)測與早期故障診斷為應用背景，通過大量故障診斷實例對上述理論與算法在故障特征提取中的應用進行了較深入的分析和探討。
《機械設備診斷的現(xiàn)代信號處理方法》可作為從事信號探測、機械設備狀態(tài)監(jiān)測與故障診斷的科研人員，以及設備管理與維護的工程技術(shù)人員的參考書，也可作為高等學校高年級本科生和研究生專業(yè)課教材。
《機械設備診斷的現(xiàn)代信號處理方法》概述盲信號分離技術(shù)；講解小波奇異性檢測技術(shù)；涉及機械設備的監(jiān)控機理和應用；強調(diào)現(xiàn)代信號處理理論在故障診斷中的應用；以齒輪箱早期故障診斷為例，力求理論聯(lián)系實際。
第1章 緒論
1．1傳統(tǒng)的故障特征提取方法
1．1．1時域分析方法
1．1．2頻域分析方法
1．2現(xiàn)代信號處理方法
1．2．1盲信號分離
1．2．2短時傅里葉變換
1．2．3小波變換
1．2．4雙線性時間-頻率分布
1．2．5雙線性時間-頻率變換的快速計算
1．3本書內(nèi)容安排
第2章 信號源特征分析及提取
2．1引言
2．2齒輪振動信號特征分析
2．2．1齒輪的振動
2．2．2齒輪振動數(shù)學模型
2．2．3齒輪典型故障信號特征
2．2．4齒輪故障對運動參數(shù)的影響
2．3軸承振動信號特征分析
2．3．1正常軸承的振動信號特征
2．3．2故障軸承的振動信號特征
2．3．3軸承振動信號的頻譜結(jié)構(gòu)分析
2．4齒輪箱振動信號的傳播與測量
2．4．1振動信號的傳播
2．4．2振動信號的測量
2．4．3齒輪箱狀態(tài)信號的特點
2．5傳統(tǒng)故障特征提取方法及工程應用
2．5．1時域平均技術(shù)［31,126］
2．5．2包絡分析技術(shù)［1,31］
2．5．3倒頻譜分析［1,31］
第3章 盲信號分離技術(shù)
3．1引言
3．2盲信號分離的基本問題
3．2．1線性瞬時混合模型
3．2．2卷積混合模型
3．2．3盲分離的不確定性［33,39］
3．3獨立分量分析
3．3．1獨立性的判定——目標函數(shù)
3．3．2獨立分量分析的實現(xiàn)
3．4卷積混合模型的盲分離
3．4．1測量信號的短時傅里葉變換
3．4．2頻率域盲分離
3．4．3頻域分離信號的調(diào)整
3．4．4逆短時傅里葉變換
3．4．5數(shù)字仿真
3．5盲信號分離技術(shù)的應用
3．5．1齒輪箱振動信號特征及數(shù)學模型
3．5．2齒輪箱振動信號的頻域特征及其分離
3．5．3齒輪箱實驗裝置
3．5．4實驗數(shù)據(jù)分析
第4章 小波包絡分析技術(shù)
4．1引言
4．2小波變換的基本理論
4．2．1小波變換的定義［88］
4．2．2小波變換的特點［60］
4．2．3小波變換的反演及對基本小波的要求［88］
4．2．4離散小波變換
4．2．5多分辨率分析與二尺度方程
4．2．6Mallat算法…………………
4．3連續(xù)小波變換與包絡分析
4．3．1Morlet小波
4．3．2Model：小波與包絡檢波［31］
4．3．3復Morlet小波包絡檢波快速算法
4．4工程應用
4．4．1Morlet小波包絡檢波算法在滾動軸承故障診斷中的應用
4．4．2Morlet小波包絡檢波算法在齒輪故障診斷中的應用
第5章 小波奇異性檢測技術(shù)
5．1引言
5．2小波變換的奇異性檢測原理
5．2．1奇異性的定義
5．2．2小波變換的卷積表達
5．2．3小波變換的極值點、過零點與信號奇異性的關(guān)系［31,60］
5．2．4幾種檢測局部性能常用的小波［31］
5．3二進小波變換的基本理論
5．3．1二進小波及二進小波變換［60］
5．3．2基于B樣條的二進小波函數(shù)與尺度函數(shù)
5．3．3小波多孔算法
5．4小波變換模極大值與奇異性檢測
5．5小波變換的模極大值去噪算法
5．6小波奇異性檢測原理的應用
第6章 雙線性時間一頻率變換探測技術(shù)
6．1引言
6．2雙線性時間一頻率變換的基本理論
6．2．1雙線性時間一頻率分布的定義［87］
6．2．2時頻分布的性質(zhì)
6．2．3多分量信號的時頻分布
6．2．4減小交叉項核設計［97］
6．2．5常用時頻分布［83-85］
6．2．6離散時間Cohen類分布［96,101］
6．3核函數(shù)設計與選擇
6．3．1常用時頻分布特點分析［98,130］
6．3．2核函數(shù)設計［130］
6．4應用仿真與實驗分析
6．4．1數(shù)字仿真
6．4．2故障檢測實例
第7章 雙線性時間一頻率變換的快速計算
7．1引言
7．2離散時間時頻分布
7．2．1連續(xù)時間時頻分布簡介［83,87］
7．2．2離散時間時頻分布
7．2．3無混疊離散時間時頻分布的基本性質(zhì)
7．3離散時頻分布的快速算法
7．3．1離散時頻分布的快速算法概述
7．3．2雙線性時間一頻率分布的核分解
7．4快速算法的應用
7．4．1仿真算例
7．4．2齒輪箱早期故障信號處理
參考文獻
第1章 緒 論
現(xiàn)代機械設備功能越來越多，結(jié)構(gòu)越來越復雜，長期運行在高速、高溫、重載等惡劣環(huán)境下。一旦關(guān)鍵設備發(fā)生故障，不僅會使設備受損、產(chǎn)品質(zhì)量下降或生產(chǎn)線停工，造成巨大的經(jīng)濟損失，還可能危及職工安全，引發(fā)環(huán)境污染，帶來嚴重的社會問題。因此，設備狀態(tài)監(jiān)測與故障診斷技術(shù)的研究對現(xiàn)代工業(yè)發(fā)展具有重要意義，目前已經(jīng)形成了一門既有理論基礎(chǔ)、又有實際應用背景的交叉性學科。狀態(tài)監(jiān)測與故障診斷的實質(zhì)是監(jiān)控機械設備的運行狀態(tài)，預測設備的可靠性，及早發(fā)現(xiàn)設備故障，預報故障發(fā)展趨勢，并提供維修意見和措施。由此可見，設備狀態(tài)監(jiān)測與故障診斷技術(shù)應包括識別設備狀態(tài)和預測發(fā)展趨勢兩方面內(nèi)容。診斷過程一般分為三個步驟：①獲取診斷信息；②提取故障特征；③狀態(tài)識別和故障診斷。獲取診斷信息是在設備運行過程中，對設備特征信息進行檢測、分析處理并顯示、存儲，是設備故障診斷的基礎(chǔ)性工作。由傳感器獲取的信息往往特征不明顯、不直觀，需要通過信號分析處理方法把獲得的信息進行變換處理，從多重分析域、多個角度分析觀察檢測信息，提取故障特征信息。信號處理方法的選擇、處理過程的準確性，以及表達的直觀性都會對結(jié)果產(chǎn)生較大影響。狀態(tài)識別和故障診斷是根據(jù)信息獲取和信號分析處理所提供的反映設備運行狀態(tài)的征兆或特征參數(shù)的變化情況，來判斷設備工作是否正常。如果存在故障，還要診斷故障的性質(zhì)、產(chǎn)生原因和發(fā)生部位，提出處理意見。因此，故障診斷的關(guān)鍵是從設備動態(tài)測量信號中提取故障特征，借助信號處理等手段從傳感器測量數(shù)據(jù)中提取特征信息和特征量，準確地進行故障監(jiān)測與診斷。而信號處理、特征提取是故障診斷中必不可少的重要環(huán)節(jié)。
1.1傳統(tǒng)的故障特征提取方法
傳統(tǒng)的信號處理方法主要是傅里葉分析，傅里葉變換與反變換建立了信號在時間域與頻率域之間相互變換的橋梁，提供了信號的時域分析和頻域分析兩種方法。因此，傳統(tǒng)的故障特征提取方法有時域分析方法和頻域分析方法。
1.1.1時域分析方法
在設備狀態(tài)監(jiān)測中，直接利用時域振動信號進行分析并給出結(jié)果，是最簡單最直接的振動監(jiān)測方法，特別是當信號中明顯含有簡諧成分、周期成分或瞬時脈沖成分時更為有效。但這種方法要求分析人員具有比較豐富的實際經(jīng)驗。
書單推薦
