相關商品
商品簡介
目次
商品簡介
《齒輪箱故障診斷的油液、振動信息融合方法》首次系統而深入地研究了油液、振動信息融合方法在齒輪箱故障診斷中的應用。《齒輪箱故障診斷的油液、振動信息融合方法》結合摩擦振動物理模型探討了油液和振動之間的內在聯系，在齒輪箱試驗臺架進行了700余小時磨損試驗的基礎上，對油液和振動參數內在的耦合關系進行了深入探討，引入并提出了Vague集、單位圓和人工免疫算法等方法，實現對油液振動融合信息的特征提取、選擇和分類，提高了齒輪箱故障診斷的可靠性和準確性，為齒輪箱狀態監測和故障診斷提供了一條新的理論和技術途徑。
目次
前言
第1章 齒輪箱故障診斷技術概述
1.1 齒輪箱故障診斷技術
1.2 齒輪箱振動分析故障診斷技術
1.3 齒輪箱油液分析故障診斷技術
1.4 油液和振動信息融合技術
1.4.1 信息融合技術的研究現狀
1.4.2 油液和振動融合的研究現狀
第2章 齒輪箱油液和振動融合診斷理論基礎研究
2.1 齒輪箱常見故障及原因分析
2.1.1 齒輪常見故障
2.1.2 軸承常見故障
2.2 齒輪箱油液和振動之間內在聯系分析
2.2.1 摩擦和磨損之間的相互聯系
2.2.2 摩擦和振動之間的相互聯系
2.2.3 齒輪箱油液和振動融合的定性分析
2.3 齒輪箱磨損試驗臺架構建
2.4 齒輪箱磨損試驗方案設計
2.4.1 故障機理分析
2.4.2 試驗方案設計
第3章 油液光譜分析
3.1 光譜分析的原理
3.2 光譜分析中常用的數學方法
3.2.1 磨損元素界限值的制定方法
3.2.2 基于灰色模型的磨損元素濃度值預測
3.2.3 時間序列分析方法
第4章 油液鐵譜分析
4.1 磨損顆粒沉積原理
4.1.1 物質的磁性特征
4.1.2 鐵譜儀磁場特征
4.1.3 磨粒的沉積規律分析
4.2 鐵譜儀的種類
4.3 鐵譜磨粒的定量分析
4.3.1 磨損顆粒尺寸分布
4.3.2 磨損定量分析方法
4.4 鐵譜磨粒圖像的自動處理
4.5 磨粒圖像分割
4.5.1 基于量子化粒子群與模糊C均值融合的鐵譜圖像分割算法
4.5.2 基于區域生長的自適應鐵譜圖像分割算法
4.6 鐵譜磨粒圖像特征參數的分類
4.6.1 磨粒的形狀特征參數
4.6.2 磨粒的表面紋理特征參數
4.7 基于D-S證據理論的磨粒組合智能識別
4.7.1 模糊灰色信息集成模型
4.7.2 加權模糊優選模型
4.7.3 對稱交互熵模型
4.7.4 基于D-S證據理論的磨粒組合智能識別
第5章 振動信號分析技術
5.1 齒輪箱動力學建模
5.1.1 齒輪箱的子系統建模方法
5.1.2 箱體的動力學模型
5.1.3 主動軸系的動力學模型
5.1.4 從動軸系的動力學模型
5.1.5 軸承座對箱體的瞬時激勵力
5.2 降噪
5.3 提升小波包變換基本理論
5.3.1 小波包變換與Mallat算法
5.3.2 提升小波變換原理
5.3.3 提升小波包變換算法
5.3.4 提升小波包變換的移頻算法
5.4 提升小波包閾值降噪方法研究
5.4.1 提升小波包分解的信噪分離
5.4.2 一種次優基提升小波包分解算法
5.4.3 一種漸變式閾值選擇與量化策略
5.4.4 算法測試與應用
第6章 基于Vague集的油液和振動參數篩選
6.1 油液和振動特征參數
6.1.1 油液參數
6.1.2 振動特征參數
6.2 Vague集理論
6.2.1 Vague集基本概念
6.2.2 Vague集的相似度量
6.3 Vague集在油液和振動參數篩選中的應用
6.3.1 油液和振動參數篩選的評價指標
6.3.2 建立各參數的Vague集
6.3.3 建立理想期望參數的Vague集
6.3.4 確定各評價指標的權重
6.3.5 計算各參數與期望參數之間的相似度量
6.4 基于粗集理論的油液和振動參數簡約
6.4.1 粗集理論
6.4.2 粗集理論在油液和振動參數簡約中的應用
第7章 齒輪箱油液和振動融合診斷磨損規律研究
7.1 齒輪箱磨損試驗過程介紹
7.2 油液參數磨損規律研究
7.2.1 油液光譜參數磨損規律
7.2.2 油液鐵譜參數磨損規律
7.3 振動參數磨損規律研究
7.3.1 振動時域參數磨損規律
7.3.2 振動頻域參數磨損規律
7.3.3 振動時頻域參數磨損規律
7.4 油液和振動參數內在耦合關系探討
7.4.1 油液和振動參數相關系數分析
7.4.2 油液和振動參數耦合關系探討
7.4.3 油液和振動參數耦合關系驗證
第8章 齒輪箱油液和振動融合診斷特征提取研究
8.1 單位圓特征提取方法的提出
8.2 單位圓特征提取方法的基本概念
8.3 單位圓特征提取方法的實現步驟及算法驗證
8.3.1 單位圓特征提取方法的實現步驟
8.3.2 單位圓特征提取映射方法的驗證
8.3.3 單位圓特征基準點聚類的驗證
8.4 基于遺傳算法的油液和振動高維數據基準點的訓練優化
8.4.1 遺傳算法的基本實現步驟
8.4.2 基準點的訓練優化結果分析
8.4.3 油液和振動高維數據的特征提取
第9章 齒輪箱油液和振動融合診斷方法研究
9.1 現有故障診斷方法對比分析
9.2 免疫原理的基本概念和實現步驟
9.2.1 免疫原理的基本概念
9.2.2 免疫原理的實現步驟
9.3 免疫原理的算法改進
9.3.1 免疫算法的不足
9.3.2 免疫算法的改進
9.3.3 免疫算法改進前後對比分析
9.4 基于免疫改進算法與單位圓的油液和振動融合診斷方法
9.4.1 齒輪箱工作狀態特征向量的定義
9.4.2 檢測器的生成
9.5 油液和振動融合診斷與單一診斷的對比分析
結束語
參考文獻
第1章 齒輪箱故障診斷技術概述
1.1 齒輪箱故障診斷技術
1.2 齒輪箱振動分析故障診斷技術
1.3 齒輪箱油液分析故障診斷技術
1.4 油液和振動信息融合技術
1.4.1 信息融合技術的研究現狀
1.4.2 油液和振動融合的研究現狀
第2章 齒輪箱油液和振動融合診斷理論基礎研究
2.1 齒輪箱常見故障及原因分析
2.1.1 齒輪常見故障
2.1.2 軸承常見故障
2.2 齒輪箱油液和振動之間內在聯系分析
2.2.1 摩擦和磨損之間的相互聯系
2.2.2 摩擦和振動之間的相互聯系
2.2.3 齒輪箱油液和振動融合的定性分析
2.3 齒輪箱磨損試驗臺架構建
2.4 齒輪箱磨損試驗方案設計
2.4.1 故障機理分析
2.4.2 試驗方案設計
第3章 油液光譜分析
3.1 光譜分析的原理
3.2 光譜分析中常用的數學方法
3.2.1 磨損元素界限值的制定方法
3.2.2 基于灰色模型的磨損元素濃度值預測
3.2.3 時間序列分析方法
第4章 油液鐵譜分析
4.1 磨損顆粒沉積原理
4.1.1 物質的磁性特征
4.1.2 鐵譜儀磁場特征
4.1.3 磨粒的沉積規律分析
4.2 鐵譜儀的種類
4.3 鐵譜磨粒的定量分析
4.3.1 磨損顆粒尺寸分布
4.3.2 磨損定量分析方法
4.4 鐵譜磨粒圖像的自動處理
4.5 磨粒圖像分割
4.5.1 基于量子化粒子群與模糊C均值融合的鐵譜圖像分割算法
4.5.2 基于區域生長的自適應鐵譜圖像分割算法
4.6 鐵譜磨粒圖像特征參數的分類
4.6.1 磨粒的形狀特征參數
4.6.2 磨粒的表面紋理特征參數
4.7 基于D-S證據理論的磨粒組合智能識別
4.7.1 模糊灰色信息集成模型
4.7.2 加權模糊優選模型
4.7.3 對稱交互熵模型
4.7.4 基于D-S證據理論的磨粒組合智能識別
第5章 振動信號分析技術
5.1 齒輪箱動力學建模
5.1.1 齒輪箱的子系統建模方法
5.1.2 箱體的動力學模型
5.1.3 主動軸系的動力學模型
5.1.4 從動軸系的動力學模型
5.1.5 軸承座對箱體的瞬時激勵力
5.2 降噪
5.3 提升小波包變換基本理論
5.3.1 小波包變換與Mallat算法
5.3.2 提升小波變換原理
5.3.3 提升小波包變換算法
5.3.4 提升小波包變換的移頻算法
5.4 提升小波包閾值降噪方法研究
5.4.1 提升小波包分解的信噪分離
5.4.2 一種次優基提升小波包分解算法
5.4.3 一種漸變式閾值選擇與量化策略
5.4.4 算法測試與應用
第6章 基于Vague集的油液和振動參數篩選
6.1 油液和振動特征參數
6.1.1 油液參數
6.1.2 振動特征參數
6.2 Vague集理論
6.2.1 Vague集基本概念
6.2.2 Vague集的相似度量
6.3 Vague集在油液和振動參數篩選中的應用
6.3.1 油液和振動參數篩選的評價指標
6.3.2 建立各參數的Vague集
6.3.3 建立理想期望參數的Vague集
6.3.4 確定各評價指標的權重
6.3.5 計算各參數與期望參數之間的相似度量
6.4 基于粗集理論的油液和振動參數簡約
6.4.1 粗集理論
6.4.2 粗集理論在油液和振動參數簡約中的應用
第7章 齒輪箱油液和振動融合診斷磨損規律研究
7.1 齒輪箱磨損試驗過程介紹
7.2 油液參數磨損規律研究
7.2.1 油液光譜參數磨損規律
7.2.2 油液鐵譜參數磨損規律
7.3 振動參數磨損規律研究
7.3.1 振動時域參數磨損規律
7.3.2 振動頻域參數磨損規律
7.3.3 振動時頻域參數磨損規律
7.4 油液和振動參數內在耦合關系探討
7.4.1 油液和振動參數相關系數分析
7.4.2 油液和振動參數耦合關系探討
7.4.3 油液和振動參數耦合關系驗證
第8章 齒輪箱油液和振動融合診斷特征提取研究
8.1 單位圓特征提取方法的提出
8.2 單位圓特征提取方法的基本概念
8.3 單位圓特征提取方法的實現步驟及算法驗證
8.3.1 單位圓特征提取方法的實現步驟
8.3.2 單位圓特征提取映射方法的驗證
8.3.3 單位圓特征基準點聚類的驗證
8.4 基于遺傳算法的油液和振動高維數據基準點的訓練優化
8.4.1 遺傳算法的基本實現步驟
8.4.2 基準點的訓練優化結果分析
8.4.3 油液和振動高維數據的特征提取
第9章 齒輪箱油液和振動融合診斷方法研究
9.1 現有故障診斷方法對比分析
9.2 免疫原理的基本概念和實現步驟
9.2.1 免疫原理的基本概念
9.2.2 免疫原理的實現步驟
9.3 免疫原理的算法改進
9.3.1 免疫算法的不足
9.3.2 免疫算法的改進
9.3.3 免疫算法改進前後對比分析
9.4 基于免疫改進算法與單位圓的油液和振動融合診斷方法
9.4.1 齒輪箱工作狀態特征向量的定義
9.4.2 檢測器的生成
9.5 油液和振動融合診斷與單一診斷的對比分析
結束語
參考文獻
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。