機(jī)電設(shè)備狀態(tài)監(jiān)測(cè)與預(yù)測(cè)

第1章緒論/001
1.1機(jī)電設(shè)備狀態(tài)監(jiān)測(cè)技術(shù)的發(fā)展概況001
1.1.1機(jī)電設(shè)備狀態(tài)監(jiān)測(cè)技術(shù)的發(fā)展歷程及現(xiàn)狀001
1.1.2機(jī)電設(shè)備狀態(tài)監(jiān)測(cè)技術(shù)的發(fā)展趨勢(shì)003
1.2機(jī)電設(shè)備狀態(tài)預(yù)測(cè)技術(shù)的發(fā)展概況004
1.2.1機(jī)電設(shè)備狀態(tài)預(yù)測(cè)技術(shù)的發(fā)展歷程及現(xiàn)狀004
1.2.2機(jī)電設(shè)備狀態(tài)預(yù)測(cè)技術(shù)的發(fā)展趨勢(shì)005
1.3大型機(jī)電設(shè)備狀態(tài)在線監(jiān)測(cè)及預(yù)測(cè)技術(shù)背景006
1.3.1大型旋轉(zhuǎn)注水機(jī)組及其故障監(jiān)測(cè)及預(yù)測(cè)現(xiàn)狀006
1.3.2風(fēng)電機(jī)組齒輪箱及其故障特點(diǎn)007

第2章狀態(tài)監(jiān)測(cè)信息類型與處理/009
2.1傳感器009
2.1.1傳感器的組成009
2.1.2傳感器的分類010
2.1.3傳感器的選擇010
2.1.4不同類型的傳感器簡(jiǎn)介010
2.2振動(dòng)信號(hào)016
2.2.1振動(dòng)信號(hào)分類016
2.2.2信號(hào)分析與處理方法019
2.3振動(dòng)加速度信號(hào)029
2.3.1采樣頻率與采樣間隔029
2.3.2振動(dòng)加速度離散化計(jì)算029
2.3.3振動(dòng)烈度的后續(xù)處理031
2.4功率譜信號(hào)處理031
2.4.1經(jīng)典頻譜信號(hào)處理的步驟031
2.4.2現(xiàn)代譜信號(hào)處理方法032
2.5小波分析035
2.5.1小波分析在機(jī)械故障診斷中的應(yīng)用035
2.5.2小波分析基本理論036
2.5.3小波分析與傅里葉分析對(duì)比038
2.5.4小波變換在信號(hào)處理與檢測(cè)中的應(yīng)用039
2.5.5離散小波變換048
2.5.6分析系統(tǒng)構(gòu)成049
2.5.7振動(dòng)信號(hào)分析結(jié)果050

第3章狀態(tài)特征弱信息提取/054
3.1基于μ-SVD和LMD的狀態(tài)特征弱信息預(yù)處理方法054
3.1.1μ-SVD降噪算法055
3.1.2局部均值分解（LMD）算法057
3.1.3狀態(tài)特征弱信息預(yù)處理方法061
3.1.4仿真驗(yàn)證062
3.1.5實(shí)驗(yàn)驗(yàn)證067
3.2基于Birgé-Massart閾值的狀態(tài)特征弱信息預(yù)處理方法071
3.2.1狀態(tài)特征弱信息預(yù)處理方法的基本原理071
3.2.2Birgé-Massart懲罰策略下的閾值確定方法073
3.2.3狀態(tài)特征弱信息預(yù)處理方法的實(shí)現(xiàn)074
3.2.4仿真驗(yàn)證075
3.2.5實(shí)驗(yàn)驗(yàn)證077
3.3基于CEEMDAN-MFICA的非平穩(wěn)信號(hào)預(yù)處理方法080
3.3.1盲源分離081
3.3.2基于CEEMDAN-MFICA的變工況非平穩(wěn)信號(hào)預(yù)處理方法083
3.3.3實(shí)驗(yàn)驗(yàn)證085
3.4運(yùn)行狀態(tài)劣化的敏感HHT特征提取093
3.4.1HHT基本理論094
3.4.2基于劣化敏感IMF選擇的HHT特征提取方法099
3.4.3仿真驗(yàn)證100
3.4.4實(shí)驗(yàn)驗(yàn)證102
3.5高階累積量對(duì)角切片譜運(yùn)行狀態(tài)劣化特征提取110
3.5.1高階累積量的基本理論110
3.5.21.5維譜運(yùn)行穩(wěn)定性劣化特征提取方法115
3.5.3四階累積量對(duì)角切片譜運(yùn)行穩(wěn)定性劣化特征提取方法117
3.5.4特征提取方法的趨勢(shì)預(yù)測(cè)適用性118
3.6計(jì)算階次跟蹤及包絡(luò)解調(diào)分析特征提取119
3.6.1振動(dòng)信號(hào)的計(jì)算階次跟蹤120
3.6.2振動(dòng)信號(hào)的包絡(luò)解調(diào)125
3.6.3增速齒輪箱實(shí)測(cè)信號(hào)的計(jì)算階次跟蹤及包絡(luò)解調(diào)130

第4章狀態(tài)監(jiān)測(cè)分析技術(shù)/138
4.1旋轉(zhuǎn)機(jī)組狀態(tài)分析的基本原理及方法138
4.1.1旋轉(zhuǎn)機(jī)組的狀態(tài)分類及狀態(tài)分析過(guò)程138
4.1.2旋轉(zhuǎn)機(jī)組狀態(tài)分析的構(gòu)成139
4.1.3旋轉(zhuǎn)機(jī)組狀態(tài)分析的基本方法140
4.2機(jī)組狀態(tài)評(píng)定標(biāo)準(zhǔn)的選擇及預(yù)警、報(bào)警限的設(shè)定141
4.2.1機(jī)組狀態(tài)評(píng)定的有關(guān)標(biāo)準(zhǔn)及選擇141
4.2.2機(jī)組工作狀態(tài)的預(yù)警限及報(bào)警限的設(shè)定142
4.3狀態(tài)在線分析技術(shù)143
4.3.1機(jī)組狀態(tài)六測(cè)點(diǎn)烈度分析技術(shù)143
4.3.2機(jī)組狀態(tài)時(shí)域分析技術(shù)144
4.3.3機(jī)組狀態(tài)頻域分析技術(shù)145
4.4狀態(tài)自動(dòng)判別技術(shù)146
4.4.1機(jī)組狀態(tài)六段頻率幅值自動(dòng)判別技術(shù)147
4.4.2機(jī)組狀態(tài)譜展寬窄帶自動(dòng)判別技術(shù)148
4.5大型旋轉(zhuǎn)機(jī)組狀態(tài)自動(dòng)判別智能專家系統(tǒng)148
4.5.1機(jī)組狀態(tài)自動(dòng)判別智能專家系統(tǒng)的結(jié)構(gòu)148
4.5.2智能專家系統(tǒng)實(shí)現(xiàn)機(jī)組狀態(tài)自動(dòng)判別的方法150
4.5.3振動(dòng)量的有關(guān)智能化處理152
4.5.4機(jī)組狀態(tài)智能專家系統(tǒng)全頻段自動(dòng)判別技術(shù)152
4.6運(yùn)行穩(wěn)定性劣化狀態(tài)的評(píng)價(jià)153
4.6.1劣化演化矩陣的建立153
4.6.2運(yùn)行穩(wěn)定性劣化程度的表征參數(shù)155
4.6.3運(yùn)行穩(wěn)定性劣化狀態(tài)的評(píng)價(jià)方法157
4.6.4基于現(xiàn)場(chǎng)實(shí)驗(yàn)數(shù)據(jù)的運(yùn)行穩(wěn)定性劣化狀態(tài)的評(píng)價(jià)158

第5章狀態(tài)在線預(yù)測(cè)技術(shù)/164
5.1在線趨勢(shì)預(yù)測(cè)概述164
5.2振動(dòng)級(jí)值預(yù)測(cè)的類型、基本方法和判據(jù)165
5.2.1機(jī)組狀態(tài)發(fā)展趨勢(shì)與振動(dòng)級(jí)值預(yù)測(cè)165
5.2.2振動(dòng)級(jí)值趨勢(shì)預(yù)測(cè)的類型166
5.2.3振動(dòng)級(jí)值趨勢(shì)預(yù)測(cè)的基本方法166
5.2.4振動(dòng)級(jí)值趨勢(shì)預(yù)測(cè)的判據(jù)和評(píng)定方法168
5.3時(shí)序模型與時(shí)序預(yù)測(cè)168
5.4灰色預(yù)測(cè)方法及其改進(jìn)169
5.4.1灰色預(yù)測(cè)方法169
5.4.2干涉因子灰色預(yù)測(cè)改進(jìn)模型171
5.4.3GMAR組合預(yù)測(cè)改進(jìn)模型171
5.5中心差分灰色模型173
5.5.1中心差分基本原理173
5.5.2中心差分灰色模型建模174
5.5.3CDGM（1,1）模型烈度預(yù)測(cè)175
5.6烈度序列的趨勢(shì)項(xiàng)提取176
5.6.1預(yù)測(cè)模型的烈度趨勢(shì)項(xiàng)提取176
5.6.2線性規(guī)劃法進(jìn)行烈度趨勢(shì)項(xiàng)提取177
5.6.3烈度趨勢(shì)提取的精度校驗(yàn)179
5.7分離趨勢(shì)項(xiàng)新型組合預(yù)測(cè)模型180
5.7.1分離趨勢(shì)項(xiàng)組合預(yù)測(cè)模型的設(shè)計(jì)181
5.7.2分離趨勢(shì)項(xiàng)組合模型的烈度預(yù)測(cè)182
5.7.3兩種時(shí)區(qū)聯(lián)合預(yù)測(cè)的實(shí)用方法184
5.8六段頻率幅值趨勢(shì)預(yù)測(cè)設(shè)計(jì)185
5.9人工智能預(yù)測(cè)方法185
5.9.1人工神經(jīng)網(wǎng)絡(luò)趨勢(shì)預(yù)測(cè)186
5.9.2人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和模型187
5.9.3網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)及類型188
5.9.4誤差反傳訓(xùn)練算法（BP算法）189
5.9.5神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)原理及模型的建立189
5.9.6神經(jīng)網(wǎng)絡(luò)趨勢(shì)預(yù)測(cè)方法193
5.10采用遺傳算法進(jìn)行趨勢(shì)預(yù)測(cè)198
5.10.1遺傳算法與機(jī)組狀態(tài)預(yù)測(cè)198
5.10.2遺傳算法進(jìn)行預(yù)測(cè)的方案198
5.10.3遺傳預(yù)測(cè)的適合度選擇及步驟199

第6章狀態(tài)在線監(jiān)測(cè)及預(yù)測(cè)系統(tǒng)/201
6.1狀態(tài)在線監(jiān)測(cè)及預(yù)測(cè)系統(tǒng)的總體設(shè)計(jì)201
6.1.1狀態(tài)在線監(jiān)測(cè)及預(yù)測(cè)系統(tǒng)的技術(shù)路線201
6.1.2大型旋轉(zhuǎn)機(jī)組狀態(tài)在線監(jiān)測(cè)及預(yù)測(cè)系統(tǒng)的技術(shù)特點(diǎn)202
6.1.3狀態(tài)在線監(jiān)測(cè)及預(yù)測(cè)系統(tǒng)的類型203
6.2狀態(tài)在線監(jiān)測(cè)及預(yù)測(cè)的軟件系統(tǒng)設(shè)計(jì)205
6.2.1在線監(jiān)測(cè)軟件系統(tǒng)設(shè)計(jì)原則205
6.2.2軟件模塊結(jié)構(gòu)及其功能206
6.2.3面向?qū)ο蟪绦蛟O(shè)計(jì)（OOP）207
6.3遠(yuǎn)程在線風(fēng)機(jī)齒輪箱監(jiān)測(cè)診斷系統(tǒng)208
6.3.1嵌入式數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)209
6.3.2數(shù)據(jù)服務(wù)器軟件開發(fā)215
6.3.3數(shù)據(jù)存儲(chǔ)數(shù)據(jù)庫(kù)設(shè)計(jì)216
6.3.4網(wǎng)頁(yè)服務(wù)器軟件開發(fā)217
6.4風(fēng)機(jī)齒輪箱早期故障征兆在線監(jiān)測(cè)診斷系統(tǒng)構(gòu)建219
6.5基于Web的遠(yuǎn)程機(jī)械故障預(yù)測(cè)系統(tǒng)構(gòu)建223
6.5.1遠(yuǎn)程故障預(yù)測(cè)系統(tǒng)構(gòu)建223
6.5.2系統(tǒng)中非線性非平穩(wěn)故障預(yù)測(cè)模塊開發(fā)227

參考文獻(xiàn)230