123,123

內(nèi)容簡(jiǎn)介

　　本書研究行星齒輪箱振動(dòng)信號(hào)特征提取與故障診斷方法。全書以變分模態(tài)分解、同步壓縮廣義S變換、深度學(xué)習(xí)、流形學(xué)習(xí)和集成學(xué)習(xí)等理論為主要技術(shù)手段，從行星齒輪箱振動(dòng)信號(hào)的降噪、多域聯(lián)合特征提取、特征融合降維和故障分類等方面進(jìn)行了深入研究，分別提出基于量子高斯混合模型的振動(dòng)信號(hào)降噪方法，基于VMD的多尺度模糊熵特征參數(shù)提取方法，基于同步壓縮廣義S變換時(shí)頻譜的CSLBP特征參數(shù)和2DNMF特征參數(shù)的提取方法；綜合以上幾種方法，本書為行星齒輪箱的振動(dòng)信號(hào)處理和故障診斷提供全新的技術(shù)方法并給予試驗(yàn)驗(yàn)證。

作者簡(jiǎn)介

　　陳彥龍，四川資陽(yáng)人，男，1987年出生，講師（博士），主要研究方向?yàn)槿斯ぶ悄芘c故障診斷；負(fù)責(zé)1項(xiàng)軍隊(duì)級(jí)課題、參與1項(xiàng)陸軍級(jí)課題，負(fù)責(zé)和參與10余項(xiàng)學(xué)院課題；出版專著《基于量子理論的滾動(dòng)軸承振動(dòng)信號(hào)降噪方法研究》，發(fā)表論文30余篇。

圖書目錄

第一章
緒論
第一節(jié) 研究背景
第二節(jié) 研究意義
第三節(jié) 國(guó)內(nèi)外研究現(xiàn)狀
第四節(jié) 主要研究?jī)?nèi)容
第二章
行星齒輪箱振動(dòng)信號(hào)采集與降噪處理方法研究
第一節(jié) 行星齒輪箱振動(dòng)信號(hào)的采集
第二節(jié) 基于量子高斯混合模型的振動(dòng)信號(hào)降噪方法
第三節(jié) 行星齒輪箱振動(dòng)信號(hào)的量子高斯混合模型降噪
本章小結(jié)
第三章
基于變分模態(tài)分解的振動(dòng)信號(hào)非線性動(dòng)力學(xué)特征參數(shù)提取方法研究
第一節(jié) 變分模態(tài)分解
第二節(jié) 基于VMD的振動(dòng)信號(hào)多尺度模糊熵特征參數(shù)提取
第三節(jié) 基于VMD的振動(dòng)信號(hào)雙標(biāo)度分形維數(shù)特征參數(shù)提取
本章小結(jié)
第四章
基于同步壓縮廣義S變換時(shí)頻譜的振動(dòng)信號(hào)特征提取方法研究
第一節(jié) 廣義S變換理論
第二節(jié) 同步壓縮廣義S變換
第三節(jié) 基于同步壓縮廣義S變換時(shí)頻譜的CSLBP特征提取
第四節(jié) 基于同步壓縮廣義S變換時(shí)頻譜的2DNMF特征提取
本章小結(jié)
第五章
基于深度學(xué)習(xí)的振動(dòng)信號(hào)特征提取方法研究
第一節(jié) 引入自適應(yīng)學(xué)習(xí)率的深度信念網(wǎng)絡(luò)模型
第二節(jié) 自適應(yīng)學(xué)習(xí)率深度信念網(wǎng)絡(luò)模型的性能分析
第三節(jié) 基于深度學(xué)習(xí)的振動(dòng)信號(hào)特征提取
本章小結(jié)
第六章
基于流形學(xué)習(xí)降維和集成學(xué)習(xí)的多特征融合故障診斷策略研究
第一節(jié) 改進(jìn)半監(jiān)督局部保持投影的流形學(xué)習(xí)算法
第二節(jié) 基于改進(jìn)半監(jiān)督局部保持投影的振動(dòng)信號(hào)特征降維
第三節(jié) 基于集成學(xué)習(xí)的分類優(yōu)化策略研究
第四節(jié) 集成學(xué)習(xí)分類優(yōu)化策略在行星齒輪箱故障診斷中的應(yīng)用
本章小結(jié)
第七章
結(jié)束語
第一節(jié) 主要工作及結(jié)論
第二節(jié) 創(chuàng)新點(diǎn)
第三節(jié) 研究工作展望
參考文獻(xiàn)