局部特征尺度分解方法及其應(yīng)用

第1章 緒論
1．1 旋轉(zhuǎn)機械故障診斷技術(shù)研究的意義
1．2 時頻分析方法
1．2．1 小波變換
1．2．2 希爾伯特-黃變換
1．2．3 局部均值分解
1．3 主要研究內(nèi)容
第2章 局部特征尺度分解（LCD）方法
2．1 引言
2．2 經(jīng)驗?zāi)B(tài)分解
2．3 LCD方法
2．3．1 ISC定義
2．3．2 LCD過程
2．4 LCD與EMD比較分析
第3章 基于均值曲線改進(jìn)的LCD方法及理論
3．1 引言
3．2 基于分段多項式的改進(jìn)局部特征尺度分解(ILCD）
3．2．1 ILCD過程
3．2．2 EMD、LCD與ILCD對比分析
3．2．3 ILCD在轉(zhuǎn)子碰摩故障診斷中的應(yīng)用
3．3 廣義經(jīng)驗?zāi)B(tài)分解(GEMD）
3．3．1 均值曲線的選擇
3．3．2 GIMF分量的定義
3．3．3 GEMD方法
3．3．4 仿真分析
3．3．5 GIMF判斷依據(jù)及GEMD分解能力研究
第4章 LCD模態(tài)混疊解決方法
4．1 引言
4．2 模態(tài)混疊與基于噪聲輔助的數(shù)據(jù)分析方法
4．3 完備總體平均局部特征尺度分解方法
4．3．1 CELCD方法
4．3．2 CEEMDAN與CELCD比較分析
4．3．3 CELCD在轉(zhuǎn)子碰摩故障診斷中的應(yīng)用
4．4 部分集成局部特征尺度分解方法
4．4．1 集成局部特征尺度分解(ELCD）
4．4．2 PELCD算法
4．4．3 仿真與實測信號分析
4．5 基于偽極值點假設(shè)的經(jīng)驗?zāi)B(tài)分解
4．5．1 基于偽極值點假設(shè)的經(jīng)驗?zāi)B(tài)分解(PEMD）
4．5．2 仿真分析
4．5．3 應(yīng)用分析
4．6 部分集成經(jīng)驗?zāi)B(tài)分解
4．6．1 PEEMD方法
4．6．2 仿真分析
4．6．3 應(yīng)用實例
第5章 內(nèi)稟尺度分量瞬時頻率估計與解調(diào)方法研究
5．1 引言
5．2 瞬時頻率估計方法
5．2．1 希爾伯特變換與標(biāo)準(zhǔn)希爾伯特變換
5．2．2 能量算子解調(diào)
5．2．3 經(jīng)驗包絡(luò)法(EE）
5．2．4 直接正交法(DQ）
5．2．5 歸一化正交(NQ）
5．2．6 ．仿真信號對比分析
5．3 基于LCD的經(jīng)驗包絡(luò)解調(diào)在機械故障診斷中的應(yīng)用
5．3．1 滾動軸承試驗數(shù)據(jù)分析
5．3．2 ．齒輪試驗數(shù)據(jù)分析
5．4 基于GEMD與歸一化正交解調(diào)方法在故障診斷中的應(yīng)用
5．4．1 改進(jìn)的經(jīng)驗調(diào)幅調(diào)頻分解(IEAD）
5．4．2 仿真信號分析
5．4．3 試驗信號分析
第6章 基于LCD和嫡理論的旋轉(zhuǎn)機械故障振動信號特征提取方法
6．1 引言
6．2 熵與復(fù)雜性理論
6．3 樣本熵與多尺度熵
6．3．1 樣本熵的定義
6．3．2 參數(shù)的選取
6．3．3 多尺度熵
6．3．4 基于多尺度熵的滾動軸承故障診斷
6．3．5 多尺度炳在轉(zhuǎn)子故障診斷中的應(yīng)用
6．4 模糊熵與多尺度模糊熵
6．4．1 模糊熵算法
6．4．2 多尺度模糊熵
6．4．3 參數(shù)的選取與性質(zhì)
6．4．4 滾動軸承故障診斷的多尺度模糊煽分析方法
6．5 排列熵與多尺度排列熵
6．5．1 排列熵算法
6．5．2 PE參數(shù)的選取及對結(jié)果的影響
6．5．3 多尺度排列嫡定義
6．5．4 多尺度排列嫡在滾動軸承故障診斷中的應(yīng)用
6．5．5 基于LCD和排列嫡的滾動軸承故障診斷
第7章 基于LCD和模式識別的旋轉(zhuǎn)機械智能故障診斷方法
7．1 引言
7．2 基于變量預(yù)測模型的模式識別方法
7．3 基于LCD、奇異值分解和VPMCD的機械故障診斷方法
7．3．1 基于LCD、SVD和VPMCD的滾動軸承故障診斷方法
7．3．2 基于LCD、SVD和VPMCD的齒輪故障診斷方法
7．4 基于PELCD、拉普拉斯分值和VPMCD的滾動軸承故障診斷模型
7．4．1 部分集成局部特征尺度分解方法
7．4．2 特征量的提取、選擇與識別
7．4．3 基于PELCD、LS和VPMCD的滾動軸承故障診斷模型
7．5 基于MFE、LS和VPMCD的滾動軸承故障診斷
參考文獻(xiàn)