行星齒輪箱振動信號特征提取與故障診斷方法研究

定　價：￥55.00

作　者：	陳彥龍，楊望燦著
出版社：	西南交通大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥45.50)

ISBN：	9787564386511	出版時間：	2022-05-01	包裝：
開本：		頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書研究行星齒輪箱振動信號特征提取與故障診斷方法。全書以變分模態(tài)分解、同步壓縮廣義S變換、深度學習、流形學習和集成學習等理論為主要技術手段，從行星齒輪箱振動信號的降噪、多域聯(lián)合特征提取、特征融合降維和故障分類等方面進行了深入研究，分別提出基于量子高斯混合模型的振動信號降噪方法，基于VMD的多尺度模糊熵特征參數(shù)提取方法，基于同步壓縮廣義S變換時頻譜的CSLBP特征參數(shù)和2DNMF特征參數(shù)的提取方法；綜合以上幾種方法，本書為行星齒輪箱的振動信號處理和故障診斷提供全新的技術方法并給予試驗驗證。

作者簡介

　　陳彥龍，四川資陽人，男，1987年出生，講師（博士），主要研究方向為人工智能與故障診斷；負責1項軍隊級課題、參與1項陸軍級課題，負責和參與10余項學院課題；出版專著《基于量子理論的滾動軸承振動信號降噪方法研究》，發(fā)表論文30余篇。

圖書目錄

第一章
緒論
第一節(jié) 研究背景
第二節(jié) 研究意義
第三節(jié) 國內(nèi)外研究現(xiàn)狀
第四節(jié) 主要研究內(nèi)容
第二章
行星齒輪箱振動信號采集與降噪處理方法研究
第一節(jié) 行星齒輪箱振動信號的采集
第二節(jié) 基于量子高斯混合模型的振動信號降噪方法
第三節(jié) 行星齒輪箱振動信號的量子高斯混合模型降噪
本章小結(jié)
第三章
基于變分模態(tài)分解的振動信號非線性動力學特征參數(shù)提取方法研究
第一節(jié) 變分模態(tài)分解
第二節(jié) 基于VMD的振動信號多尺度模糊熵特征參數(shù)提取
第三節(jié) 基于VMD的振動信號雙標度分形維數(shù)特征參數(shù)提取
本章小結(jié)
第四章
基于同步壓縮廣義S變換時頻譜的振動信號特征提取方法研究
第一節(jié) 廣義S變換理論
第二節(jié) 同步壓縮廣義S變換
第三節(jié) 基于同步壓縮廣義S變換時頻譜的CSLBP特征提取
第四節(jié) 基于同步壓縮廣義S變換時頻譜的2DNMF特征提取
本章小結(jié)
第五章
基于深度學習的振動信號特征提取方法研究
第一節(jié) 引入自適應學習率的深度信念網(wǎng)絡模型
第二節(jié) 自適應學習率深度信念網(wǎng)絡模型的性能分析
第三節(jié) 基于深度學習的振動信號特征提取
本章小結(jié)
第六章
基于流形學習降維和集成學習的多特征融合故障診斷策略研究
第一節(jié) 改進半監(jiān)督局部保持投影的流形學習算法
第二節(jié) 基于改進半監(jiān)督局部保持投影的振動信號特征降維
第三節(jié) 基于集成學習的分類優(yōu)化策略研究
第四節(jié) 集成學習分類優(yōu)化策略在行星齒輪箱故障診斷中的應用
本章小結(jié)
第七章
結(jié)束語
第一節(jié) 主要工作及結(jié)論
第二節(jié) 創(chuàng)新點
第三節(jié) 研究工作展望
參考文獻