書(shū)馨卡幫你省薪 2024個(gè)人購(gòu)書(shū)報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
旋轉(zhuǎn)機(jī)械故障信號(hào)處理與診斷方法

旋轉(zhuǎn)機(jī)械故障信號(hào)處理與診斷方法

出版社：高等教育出版社出版時(shí)間：2020-06-01
開(kāi)本： 16開(kāi) 頁(yè)數(shù)： 156
中 圖 價(jià):¥79.2(8.0折) 定價(jià)  ¥99.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
運(yùn)費(fèi)6元，滿(mǎn)39元免運(yùn)費(fèi)
?新疆、西藏除外
本類(lèi)五星書(shū)更多>

旋轉(zhuǎn)機(jī)械故障信號(hào)處理與診斷方法 版權(quán)信息

旋轉(zhuǎn)機(jī)械故障信號(hào)處理與診斷方法 內(nèi)容簡(jiǎn)介

本書(shū)主要研究旋轉(zhuǎn)機(jī)械故障信號(hào)處理與診斷方法，內(nèi)容包括旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)描述、短時(shí)傅里葉變換、小波降噪方法、旋轉(zhuǎn)機(jī)械故障信息獨(dú)立化提取方法、遺傳神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷方法以及傳感器信息融合方法。主要研究思路為：先通過(guò)傳感器獲取振動(dòng)信號(hào)，利用小波、雙樹(shù)復(fù)小波、EMD、LMD變換等現(xiàn)代信號(hào)處理方法對(duì)非線(xiàn)性、非平穩(wěn)信號(hào)進(jìn)行降噪并重構(gòu)；然后對(duì)獲得的混合信號(hào)進(jìn)行盲源分離，提取特征信息；*后應(yīng)用信息融合技術(shù)，包括遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)、D-S證據(jù)理論等方法，進(jìn)行旋轉(zhuǎn)機(jī)械故障模式識(shí)別。為了便于讀者參考，還將系統(tǒng)性理論與工程實(shí)例相結(jié)合，并配有相應(yīng)的MATLAB程序。 本書(shū)可作為高等院校機(jī)械工程、測(cè)控技術(shù)與儀器以及相關(guān)專(zhuān)業(yè)高年級(jí)本科生、研究生的教材或參考書(shū)，也可供從事機(jī)械設(shè)備故障診斷和檢測(cè)以及信號(hào)處理的廣大科研技術(shù)人員使用。

旋轉(zhuǎn)機(jī)械故障信號(hào)處理與診斷方法 目錄

第1章 信號(hào)描述 1.1 信號(hào)分類(lèi)及描述 1.1.1 信號(hào)分類(lèi) 1.1.2 信號(hào)的時(shí)域與頻域描述 1.2 信號(hào)分析與處理 1.2.1 數(shù)字信號(hào)處理系統(tǒng)的基本組成 1.2.2 模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào) 1.3 程序仿真 參考文獻(xiàn) 第2章 短時(shí)傅里葉變換 2.1 傅里葉變換 2.1.1 傅里葉變換簡(jiǎn)介 2.1.2 傅里葉變換性質(zhì)和定理 2.1.3 傅里葉變換的不足 2.2 短時(shí)傅里葉變換 2.2.1 連續(xù)信號(hào)短時(shí)傅里葉變換的定義和性質(zhì) 2.2.2 短時(shí)傅里葉變換的窗函數(shù) 2.2.3 短時(shí)傅里葉變換的計(jì)算 2.3 時(shí)頻分辨率及不確定性原理 2.4 程序仿真 參考文獻(xiàn) 第3章 旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)小波降噪方法 3.1 小波變換數(shù)學(xué)基礎(chǔ) 3.1.1 小波定義 3.1.2 離散化與框架 3.1.3 多分辨率分析 3.1.4 離散小波分解與重構(gòu) 3.2 幾種小波濾波降噪方法 3.2.1 小波濾波降噪方法 3.2.2 小波降噪方法性能比較 3.3 旋轉(zhuǎn)機(jī)械故障信號(hào)小波閾值濾波降噪及分析 3.4 雙樹(shù)復(fù)小波 3.4.1 定義和性質(zhì) 3.4.2 降噪實(shí)例 3.5 程序仿真 參考文獻(xiàn) 第4章 旋轉(zhuǎn)機(jī)械故障信息獨(dú)立化提取方法 4.1 信號(hào)混合方式的描述 4.2 混合信號(hào)的分離方法 4.2.1 主分量分析 4.2.2 奇異值分解方法 4.2.3 盲源分離 4.3 ICA理論及其實(shí)現(xiàn) 4.3.1 ICA數(shù)學(xué)模型 4.3.2 負(fù)熵的概念 4.3.3 FastICA算法及分離過(guò)程 4.4 EMD法 4.4.1 信號(hào)的瞬時(shí)頻率 4.4.2 本征模函數(shù) 4.4.3 EMlD流程 4.5 基于EMD和FastICA閾值法的旋轉(zhuǎn)機(jī)械故障特征提取 4.5.1 旋轉(zhuǎn)機(jī)械故障特征提取方法 4.5.2 基于EMD和FastICA閾值法的仿真實(shí)驗(yàn) 4.6 程序仿真 參考文獻(xiàn) 第5章 基于遺傳神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷方法 5.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法 5.1.1 神經(jīng)網(wǎng)絡(luò)基本描述 5.1.2 BP神經(jīng)網(wǎng)絡(luò)算法 5.1.3 BP神經(jīng)網(wǎng)絡(luò)算法的不足 5.1.4 BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)措施 5.1.5 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與分析 5.2 遺傳算法的基本原理 5.2.1 遺傳算法的構(gòu)成 5.2.2 遺傳算法的基本步驟 5.2.3 遺傳算法的仿真 5.3 旋轉(zhuǎn)機(jī)械的FastICA遺傳神經(jīng)網(wǎng)絡(luò)算法 5.3.1 FastICA遺傳神經(jīng)網(wǎng)絡(luò)算法原理 5.3.2 源信號(hào)各獨(dú)立分量估計(jì) 5.3.3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)流程 5.3.4 旋轉(zhuǎn)機(jī)械的FastICA遺傳神經(jīng)網(wǎng)絡(luò)算法 5.4 程序仿真 參考文獻(xiàn) 第6章 旋轉(zhuǎn)機(jī)械多傳感器信息融合方法 6.1 多傳感器信息融合基本原理和層次結(jié)構(gòu) 6.1.1 多傳感器信息融合基本原理 6.1.2 多傳感器信息融合層次結(jié)構(gòu) 6.1.3 多傳感器信息融合算法 6.2 旋轉(zhuǎn)機(jī)械多傳感器信息融合的特點(diǎn) 6.3 基于D-S證據(jù)理論的決策層融合旋轉(zhuǎn)機(jī)械故障診斷方法 6.3.1 D-S證據(jù)理論的基本概念 6.3.2 多判據(jù)證據(jù)組合規(guī)則 6.4 基于偽證據(jù)識(shí)別的D-S旋轉(zhuǎn)機(jī)械融合診斷實(shí)例分析 6.4.1 多傳感器旋轉(zhuǎn)機(jī)械故障診斷識(shí)別框架 6.4.2 基于偽證據(jù)識(shí)別的D-S組合規(guī)則在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用 6.5 程序仿真 參考文獻(xiàn) 索引
展開(kāi)全部
暫無(wú)評(píng)論……
書(shū)友推薦
返回頂部
中圖網(wǎng)
在線(xiàn)客服