齿轮箱故障诊断的油液、振动信息融合方法PDF|Epub|txt|kindle电子书版本网盘下载

齿轮箱故障诊断的油液、振动信息融合方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 齿轮箱故障诊断技术概述1

1.1 齿轮箱故障诊断技术1

1.2 齿轮箱振动分析故障诊断技术3

1.3 齿轮箱油液分析故障诊断技术4

1.4 油液和振动信息融合技术5

1.4.1 信息融合技术的研究现状5

1.4.2 油液和振动融合的研究现状7

第2章 齿轮箱油液和振动融合诊断理论基础研究10

2.1 齿轮箱常见故障及原因分析10

2.1.1 齿轮常见故障10

2.1.2 轴承常见故障11

2.2 齿轮箱油液和振动之间内在联系分析12

2.2.1 摩擦和磨损之间的相互联系12

2.2.2 摩擦和振动之间的相互联系13

2.2.3 齿轮箱油液和振动融合的定性分析15

2.3 齿轮箱磨损试验台架构建15

2.4 齿轮箱磨损试验方案设计16

2.4.1 故障机理分析17

2.4.2 试验方案设计19

第3章 油液光谱分析20

3.1 光谱分析的原理20

3.2 光谱分析中常用的数学方法22

3.2.1 磨损元素界限值的制定方法23

3.2.2 基于灰色模型的磨损元素浓度值预测26

3.2.3 时间序列分析方法30

第4章 油液铁谱分析37

4.1 磨损颗粒沉积原理38

4.1.1 物质的磁性特征38

4.1.2 铁谱仪磁场特征39

4.1.3 磨粒的沉积规律分析41

4.2 铁谱仪的种类44

4.3 铁谱磨粒的定量分析49

4.3.1 磨损颗粒尺寸分布49

4.3.2 磨损定量分析方法51

4.4 铁谱磨粒图像的自动处理55

4.5 磨粒图像分割60

4.5.1 基于量子化粒子群与模糊C均值融合的铁谱图像分割算法61

4.5.2 基于区域生长的自适应铁谱图像分割算法66

4.6 铁谱磨粒图像特征参数的分类70

4.6.1 磨粒的形状特征参数70

4.6.2 磨粒的表面纹理特征参数73

4.7 基于D-S证据理论的磨粒组合智能识别76

4.7.1 模糊灰色信息集成模型76

4.7.2 加权模糊优选模型79

4.7.3 对称交互熵模型80

4.7.4 基于D-S证据理论的磨粒组合智能识别81

第5章 振动信号分析技术85

5.1 齿轮箱动力学建模85

5.1.1 齿轮箱的子系统建模方法85

5.1.2 箱体的动力学模型86

5.1.3 主动轴系的动力学模型88

5.1.4 从动轴系的动力学模型89

5.1.5 轴承座对箱体的瞬时激励力91

5.2 降噪92

5.3 提升小波包变换基本理论92

5.3.1 小波包变换与Mallat算法92

5.3.2 提升小波变换原理93

5.3.3 提升小波包变换算法95

5.3.4 提升小波包变换的移频算法96

5.4 提升小波包阈值降噪方法研究98

5.4.1 提升小波包分解的信噪分离99

5.4.2 一种次优基提升小波包分解算法99

5.4.3 一种渐变式阈值选择与量化策略103

5.4.4 算法测试与应用105

第6章 基于Vague集的油液和振动参数筛选113

6.1 油液和振动特征参数113

6.1.1 油液参数113

6.1.2 振动特征参数114

6.2 Vague集理论117

6.2.1 Vague集基本概念118

6.2.2 Vague集的相似度量118

6.3 Vague集在油液和振动参数筛选中的应用119

6.3.1 油液和振动参数筛选的评价指标119

6.3.2 建立各参数的Vague集122

6.3.3 建立理想期望参数的Vague集123

6.3.4 确定各评价指标的权重123

6.3.5 计算各参数与期望参数之间的相似度量123

6.4 基于粗集理论的油液和振动参数简约126

6.4.1 粗集理论126

6.4.2 粗集理论在油液和振动参数简约中的应用127

第7章 齿轮箱油液和振动融合诊断磨损规律研究131

7.1 齿轮箱磨损试验过程介绍131

7.2 油液参数磨损规律研究133

7.2.1 油液光谱参数磨损规律133

7.2.2 油液铁谱参数磨损规律137

7.3 振动参数磨损规律研究140

7.3.1 振动时域参数磨损规律140

7.3.2 振动频域参数磨损规律141

7.3.3 振动时频域参数磨损规律142

7.4 油液和振动参数内在耦合关系探讨143

7.4.1 油液和振动参数相关系数分析143

7.4.2 油液和振动参数耦合关系探讨145

7.4.3 油液和振动参数耦合关系验证147

第8章 齿轮箱油液和振动融合断特征提取研究149

8.1 单位圆特征提取方法的提出149

8.2 单位圆特征提取方法的基本概念150

8.3 单位圆特征提取方法的实现步骤及算法验证152

8.3.1 单位圆特征提取方法的实现步骤152

8.3.2 单位圆特征提取映射方法的验证153

8.3.3 单位圆特征基准点聚类的验证155

8.4 基于遗传算法的油液和振动高维数据基准点的训练优化158

8.4.1 遗传算法的基本实现步骤159

8.4.2 基准点的训练优化结果分析161

8.4.3 油液和振动高维数据的特征提取163

第9章 齿轮箱油液和振动融合诊断方法研究165

9.1 现有故障诊断方法对比分析165

9.2 免疫原理的基本概念和实现步骤166

9.2.1 免疫原理的基本概念166

9.2.2 免疫原理的实现步骤166

9.3 免疫原理的算法改进168

9.3.1 免疫算法的不足168

9.3.2 免疫算法的改进169

9.3.3 免疫算法改进前后对比分析170

9.4 基于免疫改进算法与单位圆的油液和振动融合诊断方法174

9.4.1 齿轮箱工作状态特征向量的定义174

9.4.2 检测器的生成175

9.5 油液和振动融合诊断与单一诊断的对比分析176

结束语182

参考文献184