高速滚动轴承故障机理与诊断方法

本书基于作者在高速滚动轴承的故障机理、特征提取、智能诊断等方面所取得的研究成果，涵盖了高速滚动轴承故障诊断领域的前沿研究热点。本书系统地介绍了二自由度和多自由度高速滚动轴承故障动力学模型、基于峭度指标的高速滚动轴承故障特征提取方法、基于稀疏表示的高速滚动轴承故障特征提取方法、变转速下高速滚动轴承故障特征提取方法、梯度稳定的高速滚动轴承故障智能诊断模型、少样本下高速滚动轴承的故障迁移诊断模型等近期新成果，以上内容在机械、航空、高铁等领域具有重要的学术和工程价值。

第1章绪论1
1.1滚动轴承基础知识1
1.1.1滚动轴承的特点与重要性1
1.1.2滚动轴承的主要类型2
1.1.3滚动轴承的典型失效形式4
1.2滚动轴承故障机理与诊断方法研究现状10
1.2.1故障机理研究现状10
1.2.2稳态信号下的特征提取研究现状12
1.2.3变转速工况下的故障特征提取研究现状14
1.2.4故障诊断方法研究现状17
参考文献18
第2章滚动轴承动力学相关基础理论26
2.1滚动轴承动力学模型26
2.2赫兹接触理论26
2.3内部作用力28
2.4角接触球轴承结构特点29
2.4.1几何关系29
2.4.2曲率半径30
2.4.3二自由度简化模型31
参考文献31
第3章二自由度高速滚动轴承故障动力学建模与分析33
3.1故障位移激励模型33
3.1.1传统故障位移激励模型34
3.1.2滚动体耦合与分段综合作用故障位移激励模型35
3.1.3样条插值位移激励模型37
3.2二自由度滚动轴承故障动力学模型39
3.2.1滚动体受力分析39
3.2.2典型故障模式下高速滚动轴承动力学建模43
3.3数值计算与结果分析44
3.3.1单个滚动体与滚道间的赫兹接触力45
3.3.2不同故障大小及不同转速下轴承加速度动态响应47
3.4实验对比分析51
参考文献56
第4章多自由度高速滚动轴承故障动力学建模与分析58
4.1多自由度高速滚动轴承故障动力学模型58
4.1.1滚动体与轴承内/外圈接触力和接触变形计算59
4.1.2保持架动力学建模60
4.1.3滚动体动力学建模61
4.1.4内圈动力学建模62
4.2数值计算与结果分析63
4.2.1不同径向载荷作用下滚动轴承动态响应63
4.2.2不同转速下滚动轴承动态响应68
4.2.3不同故障大小下滚动轴承动态响应71
4.2.4保持架动态响应的实验验证74
4.3实验对比分析75
参考文献80
第5章基于峭度指标的高速滚动轴承故障特征提取方法81
5.1传统指标方法81
5.1.1谱峭度图81
5.1.2包络谱峭度84
5.1.3循环成分比86
5.2基于优化的Morlet小波和峭度的特征提取方法88
5.2.1Morlet小波优化88
5.2.2特征尺度选取88
5.2.3软阈值降噪与特征重构89
5.2.4应用实例与对比分析91
5.3基于复合加权特征能量比的特征提取方法92
5.3.1特征能量比92
5.3.2加权特征能量比93
5.3.3复合加权特征能量比93
5.3.4应用实例与对比分析94
5.4基于自适应谐次峭度的特征提取方法101
5.4.1谐次峭度指标101
5.4.2相对局部阈值102
5.4.3自适应谐次峭度指标104
5.4.4基于改进蝙蝠算法的*佳共振频带搜索105
5.4.5应用实例与对比分析106
参考文献111
第6章基于稀疏表示的高速滚动轴承故障特征提取方法113
6.1稀疏表示基础理论113
6.2振动模型驱动稀疏表示及其在故障特征提取中的应用114
6.2.1冲击小波字典构造114
6.2.2稀疏优化模型与求解算法115
6.2.3应用实例与对比分析118
6.3数据驱动稀疏表示及其在故障特征提取中的应用120
6.3.1改进的正交匹配追踪算法120
6.3.2具有自适应冲击字典的一维快速K-SVD算法122
6.3.3应用实例与对比分析125
6.4近似L1-L0稀疏模型及其在故障特征提取中的应用127
6.4.1基于近似L1-L0的非凸正则化稀疏模型127
6.4.2模型的字典学习求解算法128
6.4.3应用实例与对比分析131
参考文献137
第7章变转速下高速滚动轴承故障特征提取方法138
7.1基于Vold-Kalman阶次分析的故障特征提取方法138
7.1.1基于Vold-Kalman的谐波分量自适应提取方法140
7.1.2谐波分量的瞬时相位提取与角域重采样方法143
7.1.3应用实例与对比分析145
7.2基于改进Viterbi算法的故障特征提取方法149
7.2.1Viterbi算法的问题149
7.2.2改进Viterbi算法150
7.2.3在变转速故障特征提取中的应用153
参考文献155
第8章梯度稳定的高速滚动轴承故障智能诊断模型157
8.1相关理论基础157
8.1.1经典的深度学习神经网络157
8.1.2传统的激活函数158
8.2Isigmoid激活函数及其智能故障诊断模型162
8.2.1Isigmoid激活函数构造与分析162
8.2.2基于Isigmoid激活函数的DBN164
8.2.3应用实例与对比分析165
8.3ReLTanh激活函数及其智能诊断模型168
8.3.1ReLTanh激活函数的构造与分析168
8.3.2基于ReLTanh激活函数的深度学习模型171
8.3.3应用实例与对比分析171
参考文献175
第9章少样本下高速滚动轴承的故障迁移诊断模型177
9.1迁移学习理论基础177
9.1.1迁移学习的应用场景177
9.1.2迁移学习分类177
9.1.3经典域自适应模型178
9.2多尺度迁移投票机制及其在迁移诊断中的应用179
9.2.1多尺度迁移机制179
9.2.2多迁移投票机制181
9.2.3基于多尺度迁移投票机制的深度域混淆模型182
9.2.4应用实例与对比分析184
9.3参数共享对抗域自适应网络及其在迁移诊断中的应用186
9.3.1参数共享对抗域自适应网络的结构186
9.3.2网络的损失函数设计187
9.3.3不平衡对抗训练策略188
9.3.4应用实例与对比分析191
9.4深度联合分布对齐模型及其在迁移诊断中的应用193
9.4.1联合分布对齐的理论基础193
9.4.2网络优化目标与训练195
9.4.3应用实例与对比分析197
参考文献200