机械故障诊断理论及应用(崔玲丽)

本书结合作者团队在高端装备智能运维领域积累多年的研究成果与最新研究进展，系统地介绍了机械状态监测与故障诊断的基本理论、主要方法和关键技术，内容由浅入深，既有基础理论，也有学术前沿；既有方法阐述，也有案例分析，具有很强的可读性，兼顾了系统性、基础性、学术性和实用性的统一。 本书可作为高等学校机械类工科专业高年级本科生和研究生的专业教材或参考书，也可供智能运维、机械故障诊断领域及相关行业的科研与工程技术人员参考使用。

无

第1章 绪论 1 1.1　故障诊断的概念和内涵　 1 1.1.1　机械故障的概念　 1 1.1.2　机械故障的分类　 1 1.1.3　故障诊断的内涵　 2 1.1.4　设备维修策略　 3 1.2　机械故障诊断的意义　 3 1.3　机械故障诊断的发展历程　 4 1.3.1　故障诊断技术的发展阶段　 5 1.3.2　故障诊断领域存在的主要问题　 6 1.4　机械故障诊断研究前沿与优先发展领域　 7 1.4.1　研究前沿与重大科学问题　 7 1.4.2　优先发展领域　 8 第2章 机械振动力学基础 10 2.1　机械振动概述　 10 2.2　机械振动分类及描述　 11 2.2.1　机械振动分类　 11 2.2.2　机械振动描述　 13 2.3　单自由度系统振动　 16 2.3.1　无阻尼自由振动　 16 2.3.2　有阻尼自由衰减振动　 18 2.3.3　简谐受迫振动　 18 第3章 机械测试技术基础 22 3.1　测试系统　 22 3.1.1　测试系统概述　 22 3.1.2　测试系统的基本要求　 23 3.1.3　测试系统的主要任务　 23 3.2　振动传感器　 24 3.2.1　振动传感器工作原理及特点　 25 3.2.2　振动传感器的选型与安装　 28 3.3　振动信号采集　 31 3.3.1　采样、混叠和采样定理　 31 3.3.2　采样长度与频率分辨率　 34 3.3.3　泄漏与窗函数　 35 3.4　振动信号预处理　 39 3.4.1　信号调制的概念　 39 3.4.2　调幅的原理　 41 3.4.3　调幅波解调　 42 3.4.4　滤波器概述及分类　 44 第4章 机械振动信号分析基础 47 4.1　信号的概念与分类　 47 4.1.1　确定性信号与随机信号　 48 4.1.2　其他信号分类与概念　 49 4.2　时域分析方法　 50 4.2.1　时域平均　 50 4.2.2　相关分析　 52 4.3　幅域分析方法　 59 4.3.1　幅域特征参数分析　 59 4.3.2　幅值概率密度分析　 63 4.4　频域分析方法　 65 4.4.1　概述　 65 4.4.2　频谱分析　 65 4.4.3　包络分析　 68 4.4.4　倒谱分析　 68 4.4.5　阶次分析　 70 4.5　时频分析方法　 72 4.5.1　短时傅里叶变换　 72 4.5.2　Wigner-Ville 分布　 74 4.5.3　其他时频分析方法　 77 4.6　其他分析方法　 78 4.6.1　轴心轨迹　 79 4.6.2　波德图　 79 4.6.3　极坐标图　 80 第5章 旋转机械故障机理与诊断 81 5.1　转子系统振动基本特性　 81 5.1.1　转子振动力学模型　 81 5.1.2　临界转速　 82 5.2　转子不平衡故障机理与诊断　 85 5.2.1　转子不平衡的种类　 85 5.2.2　转子不平衡的振动机理　 86 5.2.3　转子不平衡的特征　 88 5.2.4　转子不平衡诊断实例　 89 5.2.5　动平衡方法　 90 5.3　转子不对中故障机理与诊断　 93 5.3.1　转子不对中的类型　 93 5.3.2　转子不对中的振动机理　 94 5.3.3　轴承不对中的故障机理　 96 5.3.4　转子不对中的故障特征　 96 5.3.5　转子不对中诊断实例　 97 5.4　动静件摩擦故障机理与诊断　 98 5.4.1　转子与静止件径向摩擦的振动机理　 99 5.4.2　转子与静止件轴向干摩擦的振动机理　 100 5.4.3　动静件摩擦的诊断实例　 100 5.5　其他故障特征与诊断　 100 5.5.1　转子弯曲的故障机理与诊断　 100 5.5.2　转子支承部件松动故障特征及诊断　 102 5.5.3　转子基础共振时的振动特征　 103 5.5.4　转子振动故障特征示例　 104 第6章 滑动轴承故障机理与诊断 105 6.1　滑动轴承工作原理　 105 6.2　滑动轴承常见故障及原因　 107 6.2.1　巴氏合金松脱　 107 6.2.2　轴瓦异常磨损　 107 6.2.3　烧瓦　 107 6.2.4　疲劳失效　 108 6.2.5　轴承腐蚀　 108 6.2.6　轴承壳体配合松动　 108 6.2.7　轴承间隙不适当　 108 6.2.8　油膜失稳引起的故障　 108 6.3　滑动轴承油膜失稳机理及诊断　 108 6.3.1　油膜失稳故障的机理　 109 6.3.2　油膜振荡的故障特征及诊断　 112 6.3.3　油膜振荡的防治措施　 113 6.3.4　滑动轴承故障诊断实例　 115 第7章 滚动轴承故障机理与诊断 118 7.1　滚动轴承故障的主要形式与原因　 118 7.2　滚动轴承的振动机理与信号特征　 119 7.2.1　滚动轴承振动的基本参数　 119 7.2.2　正常轴承的振动信号特征　 122 7.2.3　故障轴承的振动信号特征　 125 7.3　常用轴承故障诊断方法及实例　 126 7.3.1　包络解调法及诊断实例　 126 7.3.2　小波变换及诊断实例　 129 7.3.3　EMD 分析及诊断实例　 131 7.3.4　稀疏表示及诊断实例　 134 7.3.5　盲源分离及诊断实例　 138 7.4　轴承故障定量诊断方法及实例　 142 7.4.1　阶跃-冲击字典的构造　 142 7.4.2　阶跃-冲击字典匹配追踪定量诊断　 145 7.4.3　仿真及实验验证　 146 7.5　性能退化趋势预测方法及实例　 147 7.5.1　开关无迹卡尔曼滤波算法　 148 7.5.2　轴承多状态滤波器模型　 150 7.5.3　轴承实验数据分析　 151 第8章 齿轮故障机理与诊断 154 8.1　齿轮失效形式及原因　 154 8.1.1　齿轮失效形式　 154 8.1.2　齿轮失效原因　 155 8.2　齿轮振动机理及故障特征　 156 8.2.1　齿轮振动机理　 156 8.2.2　常见故障信号特征　 161 8.3　齿轮常见故障诊断方法及实例　 166 8.3.1　齿轮常见故障诊断方法　 166 8.3.2　齿轮常见故障诊断实例　 169 第9章 新一代人工智能诊断方法 173 9.1　人工智能技术概述　 173 9.2　卷积神经网络及智能诊断应用　 174 9.2.1　卷积神经网络　 174 9.2.2　基于卷积神经网络的智能诊断　 176 9.3　其他常用深度学习网络　 183 9.3.1　深度置信网络　 183 9.3.2　堆栈自编码网络　 184 9.3.3　循环神经网络　 184 9.4　迁移学习　 186 9.4.1　迁移学习思想及策略　 186 9.4.2　基于多任务学习的寿命预测　 187 参考文献 192