基于振动分析的现代机械故障诊断原理及应用

　　前言
　　第1章  绪论
　　1.1  引言
　　1.2  机械故障诊断的发展
　　1.3  机械故障诊断的分类与方法
　　1.4  机械故障诊断的主要环节
　　1.5  基于振动分析的机械故障诊断
　　参考文献
　　第2章  机械状态监测中的振动信号测量与分析方法
　　2.1  机械振动的基本原理
　　2.1.1  振动方程
　　2.1.2  转子系统的振动
　　2.1.3  振动监测的主要参数
　　2.1.4  振动监测的测试系统
　　2.2  振动信号的传感测量仪器
　　2.2.1  振动传感器概述
　　2.2.2  压电式加速度计
　　2.2.3  电涡流式位移传感器
　　2.2.4  电荷前置放大器
　　2.2.5  滤波器
　　2.3  振动信号的计算机采集与处理
　　2.3.1  A/D转换
　　2.3.2  采样控制与信号处理
　　2.3.3  转子试验台振动信号的计算机测试系统举例
　　2.4  本章小结
　　参考文献
　　第3章  机械故障振动信号的特征提取方法
　　3.1  信号的时域分析
　　3.1.1  随机变量及其相关概念
　　3.1.2  随机信号的基本理论
　　3.1.3  信号的参数估计与假设检验
　　3.1.4  信号时域分析的数值计算
　　3.2  信号的频域分析
　　3.2.1  离散Fourier变换
　　3.2.2  几种常用的谱分析方法
　　3.2.3  快速Fourier变换
　　3.2.4  信号频域分析的采样、混叠、截断与泄漏以及加窗
　　3.3  本章小结
　　参考文献
　　第4章  机械故障振动信号特征提取的时频域分析方法
　　4.1  信号的ARMA模型
　　4.1.1  时间序列分析
　　4.1.2  ARMA模型的基本原理
　　4.1.3  AR(p)模型的自协方差函数
　　4.1.4  AR模型的系数估计
　　4.1.5  基于AR模型的现代谱分析
　　4.2  小波变换
　　4.2.1  基本概念
　　4.2.2  连续小波变换的性质
　　4.2.3  常用的小波函数
　　4.2.4  离散小波变换
　　4.2.5  小波包分解原理
　　4.3  HHT
　　4.3.1  EMD
　　4.3.2  Hilbert谱与边际谱
　　4.4  混沌与分形
　　4.4.1  混沌和分形的基本概念
　　4.4.2  关联维与Lyapunov指数
　　4.5  本章小结
　　参考文献
　　第5章  基于振动分析的机械系统故障模式分析
　　5.1  旋转机械的典型故障模式分析
　　5.1.1  转子不平衡
　　5.1.2  转子不对中
　　5.1.3  转静件碰摩
　　5.1.4  轴承松动
　　5.1.5  油膜涡动与油膜振荡
　　5.2  泵故障的机理及诊断方法
　　5.2.1  泵的基本概念
　　5.2.2  水泵的常见故障及其故障机理
　　5.3  水泵几种典型振动故障模式的振动测试
　　5.3.1  现场装置与测试方案
　　5.3.2  不同故障模式下的振动测量结果
　　5.4  本章小结
　　参考文献
　　第6章  机械系统故障诊断的数据统计分析方法
　　6.1  多变量统计分析诊断方法
　　6.1.1  单变量统计分析的基本原理
　　6.1.2  多变量统计分析的检测方法
　　6.2  基于统计量参数的故障诊断模式分类方法
　　6.3  故障诊断的主元分析法
　　6.3.1  主元分析的基本原理
　　6.3.2  主元分析的计算方法与举例
　　6.3.3  基于主元分析的故障检测方法
　　6.3.4  基于主元分析的故障类型识别方法
　　6.4  本章小结
　　参考文献
　　第7章  机械故障的定量诊断方法
　　7.1  基于模型的定量诊断方法概述
　　7.2  模型的建立
　　7.2.1  模型建立的方法
　　7.2.2  转子系统的混合模型建立
　　7.2.3  油膜参数与不平衡量的在线识别
　　7.2.4  碰摩力模型
　　7.3  转子系统碰摩故障的定量诊断步骤及方法
　　7.3.1  诊断步骤
　　7.3.2  诊断方法
　　7.4  诊断结果与讨论
　　7.4.1  油膜参数的在线辨识结果
　　7.4.2  碰摩故障转子系统的定量诊断结果
　　7.5  本章小结
　　参考文献
　　第8章  机械故障的智能诊断方法
　　8.1  基于故障树的故障诊断方法
　　8.1.1  概述
　　8.1.2  故障树分析法的基本原理
　　8.1.3  故障树图的绘制方法
　　8.1.4  故障树的定性分析
　　8.1.5  故障树的定量分析
　　8.2  基于专家系统的故障诊断方法
　　8.2.1  专家系统的概念和结构
　　8.2.2  知识表示和获取方法
　　8.2.3  推理机制
　　8.3  基于人工神经网络的故障诊断方法
　　8.3.1  人工神经网络的基本原理
　　8.3.2  BP神经网络
　　8.4  基于模糊理论的故障诊断方法
　　8.4.1  概述
　　8.4.2  模糊逻辑故障诊断模型的建立
　　8.4.3  模糊故障诊断结果的识别
　　8.5  应用举例
　　8.5.1  某发电机的故障诊断专家系统
　　8.5.2  基于人工神经网络的某旋转机械故障诊断
　　8.6  本章小结
　　参考文献
　　第9章  机械故障的网络化诊断方法
　　9.1  系统的整体结构
　　9.2  工业现场智能监控网络模块
　　9.2.1  智能数据采集前端
　　9.2.2  监控服务器与现场网络
　　9.3  企业内部网络监控模块
　　9.3.1  工业现场数据的传输和数据处理
　　9.3.2  专家系统故障诊断系统
　　9.4  Internet广域网远程监控和诊断的B/S与C/S模块
　　9.4.1  B/S体系的功能与实现
　　9.4.2  C/S体系的功能与实现
　　9.5  某水泵网络化远程监测诊断系统举例
　　9.6  本章小结
　　参考文献

　　韩清凯,1969年3月生，博士。东北大学机械工程与自动化学院教授、博士生导师，机械设计及理论研究所所长。曾在美国阿克伦大学做访问学者（2009年），在英国谢菲尔德大学（2007年）和德国慕尼黑理工大学（2001年）进行短期合作研究。近年来，先后承担973项目、863项目、国家自然科学基金项目等多项，发表论文80余篇，获得专利2项。入选教育部新世纪优秀人才支持计划.获教育部科学技术进步奖一等奖、辽宁省科学技术进步奖一等奖和二等奖、霍英东教育基金会第十届高等院校青年教师奖、辽宁省青年科技奖等。主要研究方向：非线性振动与机械动态设计、机械状态监测与故障诊断等。

　　《基于振动分析的现代机械故障诊断原理及应用》以振动分析为主要手段，理论与实际相结合，介绍了现代机械故障诊断的有关理论、技术与方法。主要内容包括：机械振动的基本原理，振动信号的传感与测量，振动信号分析与处理的基本理论与方法，振动故障信号特征提取的时域、频域以及时频域分析方法，典型机械系统的故障模式，振动故障诊断的统计分析方法，基于模型的振动故障定量诊断方法，以及智能化诊断和网络化诊断等理论与技术。《基于振动分析的现代机械故障诊断原理及应用》还附有必要的计算程序。
　　《基于振动分析的现代机械故障诊断原理及应用》可供从事机械故障诊断及其相关研究的科技人员参考，也可供机械工程和动力工程等相关学科的教师、研究生和高年级本科生阅读。