中图网

>

一般工业技术

广义时频分析理论在旋转机械故障诊断中的应用

作者：张云强

出版社：国防工业出版社出版时间：2020-09-01

开本：其他页数： 234

本类榜单：工业技术销量榜

中图价:¥33.8(3.8折) 定价 ~~¥89.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

温馨提示：5折以下图书主要为出版社尾货，大部分为全新（有塑封/无塑封），个别图书品相8-9成新、切口
有划线标记、光盘等附件不全详细品相说明>>

本类五星书更多>

>
湖南省志(1978-2002)?铁路志

湖南省志(1978-2002)?铁路志

¥70.6¥98
>
公路车宝典(ZINN的公路车维修与保养秘籍)

公路车宝典(ZINN的公路车维修与保养秘籍)

¥69.6¥120
>
晶体管电路设计(下)

晶体管电路设计(下)

¥28.6¥38
>
基于个性化设计策略的智能交通系统关键技术

基于个性化设计策略的智能交通系统关键技术

¥48.6¥68
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移

德国克虏伯与晚清火:贸易与仿制模式下的技术转移

¥21.8¥65
>
花样百出:贵州少数民族图案填色

花样百出:贵州少数民族图案填色

¥19.1¥45
>
识木:全球220种木材图鉴

识木:全球220种木材图鉴

¥159.6¥228

商品详情
商品评论(0条)

中图价:¥33.8 加入购物车

版权信息
内容简介
目录
作者简介

广义时频分析理论在旋转机械故障诊断中的应用版权信息

ISBN：9787118121261
条形码：9787118121261 ; 978-7-118-12126-1
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
工业技术
>
一般工业技术

广义时频分析理论在旋转机械故障诊断中的应用内容简介

本书以旋转机械设备为研究对象，针对传统时频分析理论在非线性非平稳振动信号分析中的不足，引入分数阶傅里叶变换、变分模式分解、集合经验模式分解和分数阶S变换等广义时频分析理论，系统研究了旋转机械故障诊断中振动信号预处理、特征提取、特征降维和智能分类优化策略等问题。具体内容包括：旋转机械振动信号预处理方法、基于正交变分模式分解的振动信号特征提取方法、基于EEMD的振动信号多尺度特征提取方法、基于分数阶S变换时频谱的振动信号特征提取方法、旋转机械振动信号的组合式特征降维方法和旋转机械故障的支持向量机智能分类优化策略。

广义时频分析理论在旋转机械故障诊断中的应用目录

第1章绪论
1．1 旋转机械故障诊断技术研究现状
1．1．1 旋转机械振动信号处理方法研究现状
1．1．2 旋转机械振动信号特征提取研究现状
1．1．3 旋转机械振动信号特征降维研究现状
1．1．4 旋转机械故障智能分类方法研究现状
1．2 广义时频分析理论研究及应用现状
1．2．1 分数阶傅里叶变换
1．2．2 自适应时频变换
1．2．3 分数阶时频变换
1．3 本书主要研究内容

第2章旋转机械振动信号采集与预处理方法
2．1 旋转机械振动信号采集
2．1．1 滚动轴承信号
2．1．2 齿轮箱齿轮信号
2．1．3 柴油机滑动轴承信号
2．2 基于分数阶傅里叶变换稀疏分解的振动信号滤波
2．2．1 分数阶傅里叶变换及其特性
2．2．2 基于分数阶傅里叶变换稀疏分解的信号滤波方法
2．2．3 仿真信号分析
2．2．4 信号稀疏分解滤波方法在振动信号滤波中的应用
2．3 基于集合经验模式分解（EEMD）的振动信号的处理
2．3．1 EMD方法的基本原理
2．3．2 基于EEMD方法的模态混叠分析
2．3．3 基于K-S检验的伪分量识别
2．3．4 基于奇异值差分谱的振动信号预处理
2．3．5 基于EEMD方法的齿轮箱振动信号处理流程
2．3．6 EEMD方法在振动信号处理中的应用
2．4 基于双时域变换的微弱故障特征增强
2．4．1 结合傅里叶逆变换和广义S变换的双时域变换
2．4．2 基于双时域变换的微弱特征增强方法
2．4．3 仿真信号分析
2．4．4 双时域变换在振动信号微弱故障特征增强中的应用
2．5 本章小结

第3章基于正交变分模式分解的振动信号特征提取方法
3．1 正交变分模式分解
3．1．1 变分模式分解
3．1．2 变分模式分解的正交化
3．1．3 0VMD*优参数确定方法
3．1．4 仿真信号分析
3．2 旋转机械振动信号的正交变分模式分解
3．2．1 滚动轴承信号
3．2．2 柴油机滑动轴承信号
3．3 基于OVMD的振动信号相对频谱能量矩特征提取
3．3．1 相对频谱能量矩的定义
3．3．2 相对频谱能量矩特征提取结果及性能分析
3．3．3 振动信号分类效果
3．4 基于OVMD的振动信号Volterra模型特征提取
3．4．1 基于相空间重构的Volterra预测模型
3．4．2 基于OVMD的Volterra模型特征提取方法
3．4．3 Volterra模型特征提取结果及性能分析
3．4．4 振动信号分类效果
3．5 基于OVMD的振动信号双标度分形维数估计
3．5．1 基于OVMD的信号分形维数估计方法
3．5．2 振动信号的双标度分形维数估计
3．5．3 双标度分形维数提取结果及性能分析
……
第4章基于EEMD的振动信号多尺度特征提取方法
第5章基于分数阶S变换时频谱的振动信号特征提取方法
第6章旋转机械振动信号的组合式特征降维方法
第7章旋转机械故障的支持向量机（SVM）智能分类优化策略
结束语
参考文献

展开全部