基于信息融合的航空發(fā)動機整機振動故障診斷技術(shù)

目錄
前言
第1章 緒論 1
1.1 航空發(fā)動機整機振動故障診斷技術(shù)研究背景 1
1.2 航空發(fā)動機整機振動故障診斷技術(shù)研究現(xiàn)狀 2
1.3 本書主要內(nèi)容 5
1.4 本章小結(jié) 6
參考文獻 6
第2章 航空發(fā)動機整機振動常見故障及信息融合診斷模型 8
2.1 航空發(fā)動機整機振動常見故障 8
2.1.1 常見振動故障類型 8
2.1.2 航空發(fā)動機整機振動測試 9
2.2 信息融合故障診斷技術(shù)的理論基礎(chǔ) 11
2.3 基于信息融合技術(shù)的故障診斷模型 13
2.3.1 信息融合模型 13
2.3.2 信息融合故障診斷框架 14
2.4 本章小結(jié) 16
參考文獻 16
第3章 基于支持向量機的航空發(fā)動機整機振動故障融合診斷 17
3.1 支持向量機簡介 17
3.1.1 支持向量機的發(fā)展 17
3.1.2 基于支持向量機的航空發(fā)動機整機振動故障診斷模型 17
3.2 支持向量機基礎(chǔ) 18
3.2.1 優(yōu)分類面 18
3.2.2 核函數(shù) 20
3.3 支持向量機分類 22
3.3.1 支持向量機多類分類原理 22
3.3.2 支持向量機多類分類方法 22
3.3.3 支持向量機的屬性和研究現(xiàn)狀 24
3.4 航空發(fā)動機整機振動故障診斷實例分析 25
3.4.1 參數(shù)選擇和支持向量機模型的建立 25
3.4.2 支持向量機模型的訓(xùn)練和測試 26
3.4.3 分析結(jié)果與討論 27
3.5 本章小結(jié) 29
參考文獻 29
第4章 基于信息熵的航空發(fā)動機整機振動故障融合診斷 30
4.1 信息熵理論 30
4.1.1 信息熵的基本概念 30
4.1.2 奇異譜熵方法 31
4.1.3 功率譜熵方法 32
4.1.4 小波能譜熵方法 33
4.1.5 小波空間特征譜熵方法 33
4.1.6 小波相關(guān)特征尺度熵方法 34
4.1.7 小波包特征譜熵方法 35
4.2 基于過程功率譜熵的機械振動故障定量診斷 36
4.2.1 基于過程信息熵的定量診斷方法 36
4.2.2 航空發(fā)動機整機振動故障定量診斷實例分析 37
4.2.3 轉(zhuǎn)子振動故障定量診斷實例分析 41
4.3 基于小波相關(guān)特征尺度熵的轉(zhuǎn)子振動故障特征分析與定量診斷 46
4.3.1 小波相關(guān)特征尺度熵故障診斷方法 47
4.3.2 轉(zhuǎn)子振動故障模擬試驗 47
4.3.3 實例分析 48
4.4 基于多種信號和多特征熵距的滾動軸承故障融合診斷 49
4.4.1 多特征熵距的基本理論與方法 49
4.4.2 滾動軸承故障模擬試驗 52
4.4.3 實例分析 54
4.5 本章小結(jié) 64
參考文獻 64
第5章 基于信息熵和支持向量機的航空發(fā)動機整機振動故障融合診斷 67
5.1 基于小波包特征譜熵和支持向量機的轉(zhuǎn)子振動故障融合診斷 67
5.1.1 基于小波包特征譜熵和支持向量機的轉(zhuǎn)子振動故障診斷模型 67
5.1.2 轉(zhuǎn)子振動故障模擬試驗 69
5.1.3 轉(zhuǎn)子振動故障診斷實例分析 69
5.1.4 航空發(fā)動機整機振動故障診斷實例分析 71
5.2 基于小波能譜熵和支持向量機的轉(zhuǎn)子振動故障融合診斷 76
5.2.1 基于小波能譜熵和支持向量機的轉(zhuǎn)子振動故障診斷模型 77
5.2.2 轉(zhuǎn)子振動故障模擬試驗 78
5.2.3 小波能譜熵特征提取及向量集建立 78
5.2.4 實例分析 79
5.3 基于功率譜熵和支持向量機的轉(zhuǎn)子振動故障融合定量診斷 81
5.3.1 轉(zhuǎn)子振動故障模擬試驗 81
5.3.2 數(shù)據(jù)分析 82
5.3.3 基于功率譜熵和支持向量機的轉(zhuǎn)子振動故障診斷模型 84
5.3.4 實例分析 87
5.4 本章小結(jié) 90
參考文獻 90
第6章 基于信息熵、模糊理論和支持向量機的航空發(fā)動機整機振動故障融合診斷 92
6.1 基于模糊信息熵的航空發(fā)動機整機振動故障融合診斷 92
6.1.1 模糊信息熵融合診斷方法 93
6.1.2 航空發(fā)動機整機振動故障征兆和故障原因 95
6.1.3 基于模糊信息熵的故障融合診斷流程 96
6.1.4 實例分析 96
6.2 基于改進模糊支持向量機的轉(zhuǎn)子振動故障融合診斷 100
6.2.1 改進的模糊支持向量機隸屬度函數(shù) 101
6.2.2 改進的模糊支持向量機診斷方法 102
6.2.3 改進的模糊支持向量機診斷方法的數(shù)學(xué)模型 103
6.2.4 實例分析 104
6.3 基于改進模糊支持向量機的航空發(fā)動機整機振動故障融合診斷 106
6.3.1 模糊支持向量機 107
6.3.2 改進模糊隸屬度的確定方法 108
6.3.3 基于改進模糊支持向量機的航空發(fā)動機整機振動故障診斷方法 110
6.3.4 實例分析 111
6.4 基于模糊支持向量機和改進隸屬度的航空發(fā)動機整機振動故障融合診斷 113
6.4.1 模糊支持向量機的隸屬度確定 114
6.4.2 基于模糊支持向量機和改進隸屬度的故障診斷方法 116
6.4.3 改進隸屬度驗證 117
6.4.4 實例分析 119
6.5 基于小波相關(guān)特征尺度熵和模糊支持向量機的航空發(fā)動機整機振動故障融合診斷 122
6.5.1 基于小波相關(guān)特征尺度熵和模糊支持向量機的故障融合診斷模型 123
6.5.2 航空發(fā)動機故障診斷測試點和支持向量機的參數(shù)選取 124
6.5.3 小波相關(guān)特征尺度熵的特征向量構(gòu)建 124
6.5.4 實例分析 127
6.6 本章小結(jié) 128
參考文獻 128
第7章 總結(jié)與展望 131