新書推薦：
《
甲骨文丛书·剑桥世界暴力史（第一卷）：史前和古代世界（套装全2册）
》
售價：HK$
210.6
《
甲骨文丛书·中华早期帝国：秦汉史的重估
》
售價：HK$
300.2
《
欲望与家庭小说
》
售價：HK$
98.6
《
惜华年（全两册）
》
售價：HK$
70.3
《
甲骨文丛书·古代中国的军事文化
》
售價：HK$
99.7
《
中国王朝内争实录（套装全4册）：从未见过的王朝内争编著史
》
售價：HK$
244.2
《
半导体纳米器件：物理、技术和应用
》
售價：HK$
177.0
《
创客精选项目设计与制作 第2版 刘笑笑 颜志勇 严国陶
》
售價：HK$
61.6
|
| 內容簡介： |
|
汽轮机发电机组转子系统和轴承是旋转机械中广泛应用的关键部件，对其故障诊断技术的研究，能够尽量保障设备安全运行 ，减少经济损失和避免灾难性事故。但由于大多数旋转机械的故障信号，无法直体接现出机械设备的状态特征。本书通过对经验模态分解、局部均值分解、固有时间尺度分解、可变模式分解等方法的理论及其应用进行了深入的研究和分析,望这些研究成果能为解读机械设备故障信号提供一定的帮助。
|
| 關於作者： |
|
禇东亮，毕业于华北电力大学，获能源动力与机械工程学院博士，现任北京物资学院物流学院教师。曾主持中央高校基本科研业务费专项资金1项，作为技术人员主持和参与项目多项，发表5篇SCI，2篇EI，多篇中文核心期刊，申请国家专利4项。现为电网技术外委编辑，中国电力等期刊审稿人。主要研究领域包括现代物流装备结构设计及运动仿真，故障信号分析及诊断技术，无人飞行器控制技术。
|
| 目錄：
|
1绪论
11课题背景及意义
12旋转机械故障诊断技术研究现状
121信号采集
122故障信号分析与处理
123故障特征提取
124模式识别与故障诊断
125故障机理研究
126故障诊断技术研究
13信号分析及故障特征提取技术研究现状
131经典谱分析方法研究
132时频分析方法研究
14本书的主要研究内容和结构安排
2支持向量机理论研究及其改进
21引言
22支持向量机原理
221机器学习
222统计学习
223核函数
224模型选取
23果蝇算法的原理及其改进
231果蝇算法的基本原理
232果蝇算法的基本步骤
233果蝇算法的改进
24基于改进果蝇算法的支持向量机的参数优化
241改进果蝇算法的支持向量机的参数优化模型建立
242仿真信号分析
25本章小结
3基于集合经验模态分解的故障诊断技术
31引言
32经验模态分解方法的原理
321EMD的基本原理
322EMD的基本步骤
323EMD的模态混叠
33集合经验模态分解方法的原理
331EEMD的基本原理
332EEMD的基本步骤
34基于集合经验模态分解的故障诊断技术
341EEMD诊断技术的实现
342EEMD故障特征提取
343基于集合经验模态分解的轴承故障诊断应用
35本章小结
4基于局部均值分解的故障诊断技术
41引言
42局部均值分解方法的原理
421LMD的基本原理
422LMD的基本步骤
423LMD的模态混叠
43基于局部均值分解的故障诊断技术
431LMD诊断技术的实现
432LMD故障特征提取
433转子故障诊断实例
44基于局部均值分解与切片双谱的故障诊断技术
441切片双谱的定义
442局部均值分解与切片双谱的诊断技术的实现
443局部均值分解与切片双谱的故障特征提取
444轴承故障诊断实例
45本章小结
5基于固有时间尺度分解的故障诊断技术
51引言
52固有时间尺度分解方法的原理
521ITD的基本原理
522ITD的基本步骤
523ITD存在的问题
53固有时间尺度分解方法的改进
531MITD的基本原理
532MITD的基本步骤
54基于改进的固有时间尺度分解的故障诊断技术
541MITD诊断技术的实现
542MITD故障特征提取
543基于改进的固有时间尺度分解的转子故障诊断应用
55基于改进的固有时间尺度分解与Teager能量算子的故障诊断
技术
551Teager能量算子的定义
552MITD与Teager能量算子诊断技术的实现
553MITD与Teager能量算子故障特征提取
554转子故障诊断实例
56本章小结
6基于可变模式分解的故障诊断技术
61引言
62可变模式分解方法的原理
621VMD的基本原理
622VMD的基本步骤
623VMD存在的问题
63基于可变模式分解的故障诊断技术
631VMD诊断技术的实现
632VMD故障特征提取
633基于可变模式分解的转子故障诊断应用
64本章小结
7结论与展望
71结论
72创新点
73展望
参考文献
|
| 內容試閱：
|
作为旋转机械中广泛应用的关键部件，汽轮机发电机组转子系统和轴承的运行状态直接影响机械设备的性能甚至整个生产线的安全，深入开展汽轮机发电机组转子系统和轴承等旋转机械故障诊断技术的研究，对于保障设备安全运行、减少重大的经济损失和避免灾难性事故的发生具有十分重要的意义。然而，由于大多数旋转机械的故障信号是非线性、非平稳、时变信号的，导致机械设备的状态特征信息无法直接体现出来，因此，选用正确的信号分析方法来提取故障信号中的特征信息一直是一个研究热点。于是，研究学者提出了许多时频分析方法，如短时傅里叶变换 Short Time Fourier Transform, STFT、小波变换 Wavelet Transform， WT、维格纳-威尔分布 Wigner-Ville Distribution， WVD 等，但是这些时频分析方法都存在缺陷，因此迫切需要研究新的旋转机械故障诊断技术。本书对经验模态分解Empirical Mode Decomposition， EMD、局部均值分解 Local Mean Decomposition， LMD、固有时间尺度分解 Intrinsic Time-scale Decomposition，ITD、可变模式分解 Variational Mode Decomposition，VMD 方法的理论及其在旋转机械故障诊断中的应用进行了深入的研究。主要研究工作和成果如下：
第一，研究了改进果蝇算法 Modified Fruit Fly Optimization Algorithm， MFFOA 的支持向量机 Support Vector Machine，SVM 的参数优化方法，并建立了模式识别功能的MFFOA-SVM分类器新模型。首先，详细阐述了支持向量机和果蝇优化算法的理论研究，并对智能的果蝇优化算法进行了改进，使得该算法的局部搜索能力逐渐增强，能够提高觅食早期全局最优解的概率，避免陷入局部最优，觅食末期能够达到最大的搜索精度，从而实现全局搜索能力和局部寻优能力的平衡。其次,采用改进的果蝇优化算法优化支持向量机参数，建立了MFFOA-SVM模型，解决了传统选择参数方法的缺陷，提高了参数寻优的算法对机器学习的性能。
第二，针对EMD分解产生的模态混叠问题，引入了EEMD分解算法来消除模态混叠的影响。仿真结果表明，EEMD分解算法可以有效地抑制模态混叠现象的发生，提高了EMD算法的分解精度。本书提出了基于EEMD、改进果蝇算法优化和支持向量机参数的轴承故障诊断方法，该方法利用EEMD分解故障信号，选择基本模态函数Intrinsic Mode Functions，IMF的均方根值和重心频率作为特征向量。为了提高诊断精度，采用改进果蝇优化算法优化SVM参数，通过建立MFFOA-SVM模型，对所提取的实测信号的特征向量进行训练和测试，并将其与EMD、MFFOA-SVM诊断预测结果进行对比。实验结果表明，该方法提高了轴承故障诊断的正确率。
第三，研究了LMD、切片双谱和SVM轴承故障诊断方法。该方法利用LMD分解故障信号，选择其峭度值较大的乘积函数分量重构故障信号，做其切片双谱，进一步降低高斯噪声对故障特征频率的影响，提取切片双谱中轴承故障特征频率1X、2X和3X数值做归一化处理，得到一组特征向量。该方法利用支持向量机对所提取的实测信号的特征向量进行训练和测试，并将它们应用到轴承外圈点蚀、内圈点蚀和滚动体点蚀的故障诊断中。实验结果表明，该方法能够有效地提取出故障特征频率，并且对其故障类型做出准确判别。
第四，研究了基于改进固有时间尺度分解 Modified Intrinsic Time-scale Decomposition, MITD、改进果蝇算法优化支持向量机参数的转子故障诊断方法，该方法信号处理具有自适应性。该方法利用MITD分解故障信号，进行Teager能量算子解调后，选取各个内禀尺度分量 Intrinsic Scale Component，ISC 的特征向量。该方法采用改进果蝇优化算法优化SVM参数，通过建立的MFFOA-SVM模型，对所提取的实测信号的特征向量进行训练和测试，并将它们应用到转子不同的故障诊断中。实验结果表明，该方法可以有效地提取转子故障特征，实现转子的故障诊断。
第五，研究了VMD、改进果蝇算法优化支持向量机参数的转子故障诊断方法。该方法利用VMD分解故障信号，选择其能量、偏斜度和峭度作为特征向量，通过建立的MFFOA-SVM模型，对所提取的实测信号的特征向量进行训练和测试，并将它们应用到同一故障不同程度的转子诊断中。实验结果表明，该方法能够实现转子故障的有效辨识，并且与EMD、ITD诊断方法相比更具有优势。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
