經(jīng)驗(yàn)?zāi)B(tài)分解在振動(dòng)分析中的應(yīng)用

1.1 時(shí)頻分析方法的研究意義
1.2 常見(jiàn)時(shí)頻分析方法及其局限性
1.2.1 短時(shí)傅里葉變換
1.2.2 Wigner-Ville分布
1.2.3 小波變換
1.3 經(jīng)驗(yàn)?zāi)B(tài)分解的提出
1.4 經(jīng)驗(yàn)?zāi)B(tài)分解的研究現(xiàn)狀
1.5 經(jīng)驗(yàn)?zāi)B(tài)分解的優(yōu)勢(shì)和研究方向
1.5.1 經(jīng)驗(yàn)?zāi)B(tài)分解的優(yōu)勢(shì)
1.5.2 經(jīng)驗(yàn)?zāi)B(tài)分解的研究方向
1.6 經(jīng)驗(yàn)?zāi)B(tài)分解在振動(dòng)信號(hào)處理中的應(yīng)用
1.6.1 信號(hào)去噪
1.6.2 非線性振動(dòng)分析
1.6.3 故障診斷
1.6.4 語(yǔ)音增強(qiáng)
1.6.5 其他應(yīng)用
第2章 經(jīng)驗(yàn)?zāi)B(tài)分解基本理論
2.1 瞬時(shí)頻率
2.2 特征模態(tài)函數(shù)
2.3 經(jīng)驗(yàn)?zāi)B(tài)分解
2.4 希爾伯特譜分析
2.5 經(jīng)驗(yàn)?zāi)B(tài)分解特性
第3章 經(jīng)驗(yàn)?zāi)B(tài)分解的端點(diǎn)延拓和模態(tài)混疊
3.1 端點(diǎn)問(wèn)題的提出
3.2 利用Volterra模型的端點(diǎn)延拓
3.2.1 Volterra模型簡(jiǎn)介
3.2.2 仿真分析
3.3 基于最大Lyapunov指數(shù)預(yù)測(cè)的端點(diǎn)延拓
3.3.1 最大Lyapunov指數(shù)的混沌預(yù)測(cè)相關(guān)概念方法
3.3.2 仿真分析
3.4 基于支持向量機(jī)回歸預(yù)測(cè)的端點(diǎn)延拓
3.4.1 支持向量機(jī)回歸預(yù)測(cè)原理
3.4.2 仿真分析
3.5 采用聚合經(jīng)驗(yàn)?zāi)B(tài)分解抑制模態(tài)混疊
3.5.1 經(jīng)驗(yàn)?zāi)B(tài)分解的模態(tài)混疊
3.5.2 聚合經(jīng)驗(yàn)?zāi)B(tài)分解的原理及分解步驟
3.5.3 聚合經(jīng)驗(yàn)?zāi)B(tài)分解在滾動(dòng)軸承信號(hào)分解中的應(yīng)用
第4章 閾值去噪方法
4.1 小波去噪
4.1.1 小波變換
4.1.2 小波去噪的基本原理和方法
4.1.3 小波閾值去噪
4.1.4 新小波閾值函數(shù)去噪
4.2 經(jīng)驗(yàn)?zāi)B(tài)分解閾值去噪方法
4.3 仿真分析
第5章 基于經(jīng)驗(yàn)?zāi)B(tài)分解的非線性振動(dòng)分析
5.1 基于經(jīng)驗(yàn)?zāi)B(tài)分解的非線性預(yù)測(cè)
5.1.1 最大可預(yù)測(cè)時(shí)間
5.1.2 仿真分析
5.2 隨機(jī)噪聲對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解及其非線性特征的影響
5.2.1 隨機(jī)噪聲對(duì)非線性響應(yīng)經(jīng)驗(yàn)?zāi)B(tài)分解的影響
5.2.2 噪聲對(duì)非線性特征的影響
5.3 IMF變化對(duì)原信號(hào)非線性特征影響
5.3.1 IMF缺失對(duì)系統(tǒng)非線性特征影響
5.3.2 IMF比例縮小對(duì)系統(tǒng)非線性特征影響
5.3.3 IMF移位對(duì)系統(tǒng)非線性特征影響
第6章 基于經(jīng)驗(yàn)?zāi)B(tài)分解的故障特征提取與信號(hào)處理
6.1 利用經(jīng)驗(yàn)?zāi)B(tài)分解下的Volterra模型提取結(jié)構(gòu)損傷特征量
6.1.1 利用經(jīng)驗(yàn)?zāi)B(tài)分解下的V0ltem模型提取損傷特征量的方法和步驟
6.1.2 仿真分析
6.2 利用特征模態(tài)函數(shù)分量包絡(luò)矩陣的奇異值提取結(jié)構(gòu)損傷特征量
6.2.1 利用特征模態(tài)函數(shù)包絡(luò)和奇異值提取損傷特征量的方法和步驟
6.2.2 仿真分析
6.3 基于經(jīng)驗(yàn)?zāi)B(tài)分解的振動(dòng)信號(hào)盲源分離
6.3.1 盲源分離研究背景
6.3.2 主分量分析
6.3.3 EMD-PCA-DSS方法
6.3.4 仿真分析
第7章 基于經(jīng)驗(yàn)?zāi)B(tài)分解的語(yǔ)音信號(hào)研究
7.1 語(yǔ)音信號(hào)基本概念
7.1.1 語(yǔ)音、人耳感知及干擾噪聲
7.1.2 語(yǔ)音增強(qiáng)的意義和應(yīng)用
7.1.3 語(yǔ)音增強(qiáng)方法研究進(jìn)展
7.2 基于經(jīng)驗(yàn)?zāi)B(tài)分解的語(yǔ)音增強(qiáng)
7.3 基于經(jīng)驗(yàn)?zāi)B(tài)分解的語(yǔ)音端點(diǎn)檢測(cè)
7.3.1 語(yǔ)音端點(diǎn)檢測(cè)算法
7.3.2 基于經(jīng)驗(yàn)?zāi)B(tài)分解的互相關(guān)函數(shù)的語(yǔ)音端點(diǎn)門(mén)限值編碼
7.4 基于人耳聽(tīng)覺(jué)特性的小波變換的語(yǔ)音增強(qiáng)
7.4.1 基于小波變換的耳蝸濾波器組實(shí)現(xiàn)
7.4.2 基于人耳聽(tīng)覺(jué)特性的小波變換的語(yǔ)音增強(qiáng)算法
7.5 算法測(cè)試及性能評(píng)價(jià)
7.5.1 語(yǔ)音質(zhì)量評(píng)價(jià)方法
7.5.2 仿真分析
第8章 經(jīng)驗(yàn)?zāi)B(tài)分解在實(shí)驗(yàn)數(shù)據(jù)分析中的應(yīng)用
8.1 滾動(dòng)軸承的結(jié)構(gòu)損傷檢測(cè)實(shí)驗(yàn)
8.1.1 滾動(dòng)軸承的主要損傷形式
8.1.2 滾動(dòng)軸承的結(jié)構(gòu)組成、固有頻率和損傷特征頻率
8.1.3 滾動(dòng)軸承振動(dòng)信號(hào)特征
8.1.4 滾動(dòng)軸承損傷實(shí)驗(yàn)
8.1.5 買驗(yàn)結(jié)果
8.2 結(jié)構(gòu)損傷特征量提取
8.2.1 滾動(dòng)軸承損傷與非損傷的特征量提取
8.2.2 滾動(dòng)軸承不同損傷位置的特征量提取
8.2.3 滾動(dòng)軸承不同損傷程度的特征量提取
8.3 Voltem模型在滾動(dòng)軸承信號(hào)分解中的應(yīng)用
8.4 非線性裂紋轉(zhuǎn)子實(shí)驗(yàn)信號(hào)的端點(diǎn)延拓
8.4.1 實(shí)驗(yàn)?zāi)Ｐ图捌湓?br />8.4.2 實(shí)驗(yàn)裝置
8.4.3 實(shí)驗(yàn)數(shù)據(jù)分析
8.5 雙盤(pán)轉(zhuǎn)子信號(hào)的盲源分離
參考文獻(xiàn)