广义时频分析理论在旋转机械故障诊断中的应用

第1章 绪论
1．1 旋转机械故障诊断技术研究现状
1．1．1 旋转机械振动信号处理方法研究现状
1．1．2 旋转机械振动信号特征提取研究现状
1．1．3 旋转机械振动信号特征降维研究现状
1．1．4 旋转机械故障智能分类方法研究现状
1．2 广义时频分析理论研究及应用现状
1．2．1 分数阶傅里叶变换
1．2．2 自适应时频变换
1．2．3 分数阶时频变换
1．3 本书主要研究内容

第2章 旋转机械振动信号采集与预处理方法
2．1 旋转机械振动信号采集
2．1．1 滚动轴承信号
2．1．2 齿轮箱齿轮信号
2．1．3 柴油机滑动轴承信号
2．2 基于分数阶傅里叶变换稀疏分解的振动信号滤波
2．2．1 分数阶傅里叶变换及其特性
2．2．2 基于分数阶傅里叶变换稀疏分解的信号滤波方法
2．2．3 仿真信号分析
2．2．4 信号稀疏分解滤波方法在振动信号滤波中的应用
2．3 基于集合经验模式分解（EEMD）的振动信号的处理
2．3．1 EMD方法的基本原理
2．3．2 基于EEMD方法的模态混叠分析
2．3．3 基于K-S检验的伪分量识别
2．3．4 基于奇异值差分谱的振动信号预处理
2．3．5 基于EEMD方法的齿轮箱振动信号处理流程
2．3．6 EEMD方法在振动信号处理中的应用
2．4 基于双时域变换的微弱故障特征增强
2．4．1 结合傅里叶逆变换和广义S变换的双时域变换
2．4．2 基于双时域变换的微弱特征增强方法
2．4．3 仿真信号分析
2．4．4 双时域变换在振动信号微弱故障特征增强中的应用
2．5 本章小结

第3章 基于正交变分模式分解的振动信号特征提取方法
3．1 正交变分模式分解
3．1．1 变分模式分解
3．1．2 变分模式分解的正交化
3．1．3 0VMD*优参数确定方法
3．1．4 仿真信号分析
3．2 旋转机械振动信号的正交变分模式分解
3．2．1 滚动轴承信号
3．2．2 柴油机滑动轴承信号
3．3 基于OVMD的振动信号相对频谱能量矩特征提取
3．3．1 相对频谱能量矩的定义
3．3．2 相对频谱能量矩特征提取结果及性能分析
3．3．3 振动信号分类效果
3．4 基于OVMD的振动信号Volterra模型特征提取
3．4．1 基于相空间重构的Volterra预测模型
3．4．2 基于OVMD的Volterra模型特征提取方法
3．4．3 Volterra模型特征提取结果及性能分析
3．4．4 振动信号分类效果
3．5 基于OVMD的振动信号双标度分形维数估计
3．5．1 基于OVMD的信号分形维数估计方法
3．5．2 振动信号的双标度分形维数估计
3．5．3 双标度分形维数提取结果及性能分析
……
第4章 基于EEMD的振动信号多尺度特征提取方法
第5章 基于分数阶S变换时频谱的振动信号特征提取方法
第6章 旋转机械振动信号的组合式特征降维方法
第7章 旋转机械故障的支持向量机（SVM）智能分类优化策略
结束语
参考文献