柴油机振动信号分析与故障诊断研究PDF|Epub|txt|kindle电子书版本网盘下载

柴油机振动信号分析与故障诊断研究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 柴油机故障诊断概述1

1.1 故障诊断发展历程1

1.2 柴油机故障分类4

1.3 柴油机诊断常用信息5

1.4 柴油机动态故障检测技术6

1.4.1 状态参数法7

1.4.2 油液分析法8

1.4.3 声学检测法9

1.4.4 振动检测法12

1.4.5 多源信息融合诊断法14

1.5 柴油机振动信号处理与特征提取方法15

1.5.1 基于小波分析的柴油机信号处理与特征提取方法16

1.5.2 双树复小波变换及其在机械信号处理中的应用17

1.6 基于支持向量机的柴油机异常检测19

1.6.1 单类支持向量机的研究与应用21

1.6.2 单类支持向量机在机械异常检测中的应用21

第2章 双树复小波分析24

2.1 小波分析理论基础25

2.1.1 从傅里叶分析到小波变换25

2.1.2 多分辨率分析与Mallat算法26

2.1.3 小波包变换的定义29

2.1.4 小波包变换的Mallat算法30

2.2 双树复小波变换30

2.2.1 传统离散小波变换的平移变动性30

2.2.2 双树复小波包变换31

2.2.3 双树复小波包Hilbert变换对滤波器设计32

2.2.4 双树复小波包快速Mallat算法39

2.3 基于小波变换的基本降噪方法分析对比41

2.3.1 基于模极大值重构的小波降噪方法42

2.3.2 基于信号尺度间相关性的空域相关降噪方法43

2.3.3 基于小波变换解相关特性的小波阈值降噪方法45

2.4 本章小结46

第3章 柴油机振动分析与双树复小波包降噪研究48

3.1 柴油机振动信号采集方法49

3.1.1 等角度域采样原理分析49

3.1.2 柴油机整循环同步采样的实现51

3.1.3 柴油机试验工况53

3.2 柴油机振动信号特性分析54

3.2.1 缸盖系统振动动力学模型54

3.2.2 柴油机振动信号特性分析56

3.3 双树复小波包仿真信号分析63

3.3.1 阶梯信号的平移不变性测试63

3.3.2 小波包分解频率混叠测试64

3.4 双树复小波包自适应邻域分块阈值降噪方法68

3.4.1 分块阈值降噪68

3.4.2 自适应分块阈值降噪方法70

3.4.3 计算机仿真信号分析72

3.5 柴油机缸盖振动信号降噪实例77

3.6 本章小结80

第4章 基于双树复小波包的柴油机故障特征提取81

4.1 基于双树复小波包的时域特征提取82

4.1.1 振动信号的统计特征参数82

4.1.2 多分辨率Hilbert包络熵84

4.2 基于双树复小波包的频域特征提取88

4.2.1 归一化相对能量特征88

4.2.2 基于互熵的相对能量特征评价指标89

4.2.3 实测信号分析89

4.3 基于双树复小波包的时频域特征提取91

4.3.1 双树复小波包时频分布92

4.3.2 奇异值分解和奇异谱分析94

4.3.3 实测信号分析95

4.4 基于双树复小波包变换的特征参数集提取过程102

4.5 本章小结102

第5章 单类支持向量机104

5.1 支持向量机理论105

5.1.1 分类超平面105

5.1.2 支持向量机106

5.2 单类支持向量机模型111

5.2.1 One-Class SVM模型111

5.2.2 支持向量描述模型113

5.2.3 参数设置与优化分析115

5.3 单类支持向量机模型理论分析117

5.3.1 两种单类支持向量机模型的区别和联系117

5.3.2 模型局限性分析118

5.3.3 模型性能评价指标119

5.4 单类支持向量机研究进展120

5.5 本章小结123

第6章 基于单类支持向量机的柴油机异常检测模型研究124

6.1 最大间隔超球分类器异常检测模型125

6.1.1 最优分类超平面思想125

6.1.2 最大间隔超球分类器异常检测模型的建立127

6.1.3 模型参数分析130

6.1.4 实例分析与应用134

6.2 基于贝叶斯的三层阈值异常检测模型137

6.2.1 特征空间与混叠域137

6.2.2 基于贝叶斯的三层阈值分界面138

6.2.3 实测信号分析140

6.3 基于多核映射的支持向量异常检测模型142

6.3.1 多核空间描述143

6.3.2 多核支持向量描述模型144

6.3.3 柴油机实测信号应用147

6.4 本章小结148

第7章 基于粒子群的异常检测模型多目标优化研究150

7.1 粒子群优化算法151

7.1.1 粒子群优化算法基本原理151

7.1.2 粒子群优化算法控制参数分析153

7.1.3 标准微粒群算法的局限性154

7.2 自适应混沌双粒子群优化156

7.2.1 双种群协同进化156

7.2.2 混沌变异全局搜索种群156

7.2.3 自适应邻域局部搜索种群158

7.2.4 仿真对比测试159

7.3 基于粒子群的柴油机异常检测多目标优化163

7.3.1 非支配排序微粒群多目标优化163

7.3.2 数据分析与验证167

7.4 本章小结171

第8章 柴油机异常检测动态更新与故障类型识别172

8.1 柴油机异常检测模型的动态更新173

8.1.1 异常检测模型增量学习与KKT条件173

8.1.2 新增样本对支持向量集的影响分析176

8.1.3 异常检测模型更新法则178

8.1.4 异常检测模型增量式SMO快速训练算法180

8.1.5 柴油机在线检测性能分析184

8.2 柴油机在线检测动态多故障类型识别方法186

8.2.1 动态多故障识别模型的建立186

8.2.2 测试样本点与各超球体的位置关系分析188

8.2.3 柴油机多故障诊断应用191

8.3 本章小结194

参考文献195