液压故障的智能信息诊断与监测【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

液压故障的智能信息诊断与监测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 绪论1

1.1液压系统故障诊断技术的发展历程2

1.2液压系统故障诊断技术的研究现状4

1.3液压系统故障诊断技术的发展趋势5

1.4液压系统故障检测与诊断新方法6

1.4.1神经网络技术方法6

1.4.2支持向量机方法7

1.4.3混沌分形理论方法8

1.4.4 Lyapunov指数及关联维数方法9

1.4.5信息融合技术方法10

1.4.6人工免疫系统方法11

1.4.7贝叶斯网络方法12

1.4.8小波理论方法12

1.4.9频谱细化分析方法13

1.4.10 Hilbert-Huang变换方法13

1.5本书的主要内容14

参考文献16

第2章 基于AR模型的功率谱估计及在故障检测中的应用18

2.1常用频谱估计方法18

2.1.1常用的几种谱估计方法18

2.1.2傅里叶变换技术18

2.1.3自回归模型19

2.1.4 Prony复极点模型23

2.1.5最大似然谱估计法24

2.2 AR模型参数的计算方法及阶次选择24

2.2.1 AR模型参数计算方法25

2.2.2 AR模型阶次选择30

2.2.3 AR模型阶次功率谱的仿真算例33

2.3干式真空泵及其常见故障34

2.3.1干式真空泵34

2.3.2干式真空泵常见的故障形式38

2.3.3轴承常见故障及其诊断方法39

2.4 AR模型功率谱估计方法在干式真空泵故障诊断中的应用44

2.4.1干式真空泵信号采集及故障诊断实验44

2.4.2基于AR模型的功率谱分析法的干式真空泵故障诊断46

参考文献50

第3章 频谱细化方法及在故障诊断中的应用52

3.1时域和频域分析方法52

3.1.1傅里叶分析52

3.1.2小波分析53

3.2频谱细化分析的理论方法57

3.2.1频谱细化分析方法58

3.2.2几种频谱细化分析方法的比较64

3.3频谱细化方法在真空泵轴承故障诊断中的应用67

3.3.1小波簇变换频谱细化方法的应用67

3.3.2 FFT-FS频谱细化方法的应用70

3.3.3结果分析71

参考文献71

第4章Hilbert-Huang变换在故障诊断中的应用73

4.1 Hilbert-Huang变换的基本原理73

4.1.1 Hilbert-Huang变换中的基本概念74

4.1.2 Hilbert-Huang变换算法实现过程79

4.1.3 Hilbert-Huang变换存在的问题82

4.2 EMD算法的改进84

4.2.1采样频率对EMD分解的影响及其改进85

4.2.2 EMD筛选算法的改进89

4.2.3 EMD的端点效应及其改进方法92

4.3 Hilbert-Huang变换在真空泵故障诊断中的应用103

4.3.1实验信号采集103

4.3.2传统的Hilbert变换包络解调方法在真空泵故障诊断中的应用104

4.3.3 Hilbert-Huang变换在真空泵故障诊断中的应用105

参考文献106

第5章 小波簇包络解调方法在故障诊断中的应用108

5.1包络解调方法的研究现状108

5.2振动监测技术109

5.2.1机械振动监测与分析技术109

5.2.2振动信号的分析与处理111

5.3基于复解析小波的包络解调方法116

5.3.1信号调制技术116

5.3.2解调原理118

5.3.3包络解调方法119

5.3.4复解析小波的带通滤波特性122

5.3.5复解析小波簇的包络解调方法124

5.4小波簇包络解调方法在故障诊断中的应用132

5.4.1小波簇包络解调方法在真空泵故障诊断中的应用132

5.4.2小波簇包络解调方法在液压泵故障诊断中的应用135

参考文献138

第6章 混沌分形理论在故障诊断中的应用140

6.1混沌及分形140

6.1.1混沌的特征140

6.1.2分形理论142

6.2关联维数分析143

6.2.1关联维数分析方法143

6.2.2几种典型信号的关联维数146

6.3基于分形理论的液压泵故障诊断的实验研究147

6.3.1实验条件147

6.3.2信号的小波消噪与特征提取148

6.3.3关联维数计算149

6.3.4结果分析152

参考文献152

第7章 基于Lyapunov指数分析的故障诊断方法154

7.1混沌运动及Lyapunov指数154

7.1.1混沌判别方法154

7.1.2 Lyapunov指数155

7.2Lyapunov指数算法及其改进159

7.2.1标准QR分解算法159

7.2.2改进的QR分解算法160

7.2.3 Lyapunov指数算法的实现164

7.2.4算法的比较166

7.3基于Lyapunov指数的混沌检测168

7.3.1杜芬方程的混沌特性168

7.3.2基于最大Lyapunov指数的微弱信号检测方法171

7.4基于最大Lyapunov指数法的液压泵故障诊断实验177

7.4.1基于杜芬方程的最大Lyapunov指数故障诊断178

7.4.2结果分析180

参考文献180

第8章 液压油污染度在线监测系统182

8.1油液污染监测技术182

8.1.1油液污染问题概述182

8.1.2油液污染度的评定与测定方法183

8.1.3油液污染检测技术的研究现状和发展趋势184

8.2油液污染控制技术185

8.2.1油液污染度的等级标准185

8.2.2油液的污染分析188

8.2.3油液的污染控制190

8.2.4油液的净化191

8.3在线监测装置研制193

8.3.1过滤的基本原理193

8.3.2过滤介质的选择194

8.3.3淤积法测量原理195

8.3.4恒功率淤积法测量原理197

8.3.5利用阀用直流电磁铁作为动力元件的可行性199

8.3.6颗粒尺寸分布对测量的影响200

8.4在线监测系统的硬件与软件实现202

8.4.1在线监测系统的方案202

8.4.2在线监测系统的功能及原理202

8.4.3硬件系统203

8.4.4在线监测系统的软件实现206

8.5在线监测系统的调试与实验210

8.5.1实验油样的配制210

8.5.2在线监测系统的调试211

8.5.3在线监测系统的实验213

8.5.4实验结果分析217

参考文献218

第9章 基于小波神经网络的故障诊断方法219

9.1人工神经网络219

9.1.1人工神经元模型应具备的要素219

9.1.2神经元之间的连接形式219

9.1.3 BP网络学习算法及隐层的设计220

9.1.4 BP神经网络应用实例222

9.2小波神经网络223

9.2.1小波神经网络原理224

9.2.2紧致型小波神经网络的结构224

9.2.3紧致型小波神经网络的学习算法225

9.2.4小波神经网络与传统的BP网络比较227

9.2.5小波神经网络应用实例228

9.3基于小波神经网络的液压泵故障诊断实验228

9.3.1实验条件及数据采集228

9.3.2基于松散型小波神经网络的液压泵故障诊断229

9.3.3基于紧致型小波神经网络的液压泵故障诊断232

参考文献233

第10章 证据理论和神经网络集成的信息融合故障诊断方法235

10.1数据融合技术235

10.1.1数据融合的基本原理235

10.1.2数据融合的定义236

10.1.3数据融合的层次237

10.1.4融合系统的模型结构237

10.1.5多传感器融合算法238

10.2证据理论和神经网络结合的诊断方法241

10.2.1信度函数241

10.2.2 Dempster合成法则243

10.2.3基于证据理论的决策245

10.2.4证据理论的优缺点246

10.2.5证据理论和神经网络集成的数据融合诊断方法247

10.3轴向柱塞泵的故障诊断实验250

10.3.1液压泵的常见故障机理分析250

10.3.2常用信号数据源250

10.3.3神经网络证据理论液压泵诊断模型结构251

10.3.4局部诊断神经网络结构设计252

10.3.5神经网络证据理论液压泵诊断决策方法254

10.3.6基于神经网络和证据理论集成方法的液压泵诊断实验254

参考文献261

第11章 液压泵的故障特征提取及特征降维263

11.1液压泵的振动和声音信号处理263

11.1.1故障信号的采集方法263

11.1.2基于Hilbert变换的包络解调法265

11.1.3基于小波包带通滤波消噪的包络分析信号处理266

11.1.4柱塞泵松靴故障的信号处理266

11.1.5柱塞泵滑靴磨损故障的信号处理271

11.1.6柱塞泵中心弹簧失效故障的信号处理275

11.2故障特征向量提取方法278

11.2.1信号的幅值域特征提取278

11.2.2基于小波包的时频域特征提取282

11.2.3液压泵振动信号的幅值域特征提取282

11.2.4液压泵振动信号的时频域特征提取287

11.3主元分析在特征降维中的应用289

11.3.1主元分析方法289

11.3.2基于主元分析的故障检测方法291

11.3.3主元分析特征提取及降维实例分析292

11.4主元分析方法在故障检测中的应用295

11.4.1故障检测方法的实现过程296

11.4.2故障检测实例分析296

参考文献301

第12章 免疫机理与支持向量机复合的故障诊断方法303

12.1人工免疫机理303

12.1.1生物免疫系统303

12.1.2人工免疫系统的阴性选择算法303

12.2支持向量机310

12.2.1支持向量机的基本原理310

12.2.2支持向量机的特点313

12.2.3基于支持向量机故障诊断的基本步骤315

12.2.4支持向量机建立及分析315

12.2.5基于支持向量机的液压泵故障诊断分析318

12.3基于NS机理和SVM复合的故障诊断方法319

12.3.1传统分类算法的局限性319

12.3.2支持向量机的不足320

12.3.3 NS与SVM复合故障诊断方法320

12.3.4诊断实例及分析323

12.4基于复合故障诊断方法的液压泵诊断实验及结果分析326

12.4.1基于虚拟仪器的液压泵故障诊断实验系统327

12.4.2斜盘式轴向柱塞泵典型故障分析327

12.4.3液压泵监测信号的采集与处理328

12.4.4轴向柱塞泵故障诊断实验及结果分析334

参考文献337

第13章 信息融合和贝叶斯网络集成的故障诊断方法340

13.1粗糙集理论在故障诊断中的应用340

13.1.1知识约简340

13.1.2决策表属性约简算法342

13.1.3多变量决策树的诊断规则提取方法345

13.2单传感器多特征信息融合的贝叶斯网络故障诊断方法351

13.2.1多传感器信息融合技术352

13.2.2基于贝叶斯参数估计算法的信息融合数学模型353

13.2.3贝叶斯网络354

13.2.4贝叶斯网络分类器356

13.2.5液压泵振动信号的故障诊断分析360

13.3多源传感器信息融合与贝叶斯网络集成的故障诊断方法365

13.3.1多源传感器信息融合与贝叶斯网络集成的故障诊断方法365

13.3.2液压泵多故障模式诊断的实验研究367

参考文献381