滚动轴承性能退化评估与寿命预测

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近期新研究进展，以工程中常见的关键基础部件滚动轴承为研究对象，重点介绍滚动轴承动力学建模、性能退化程度评估和寿命预测方法，内容兼顾基础性、学术性和实用性，具有较强的可读性。本书可作为高等学校机械类等工科专业高年级本科生和研究生的参考教材，也可供从事相关行业智能运维等方向的科研与工程技术人员参考。

前言
第1章 绪论 1
1.1 轴承动力学模型 1
1.2 性能退化程度评估 3
1.3 寿命预测 5
1.3.1 性能退化指标 5
1.3.2 寿命预测方法 7
参考文献 13
第2章 轴承动力学模型及响应 22
2.1 轴承基本动力学模型 22
2.2 故障轴承动力学模型 24
2.3 轴承性能退化模型 29
2.3.1 健康阶段动力学模型 30
2.3.2 缺陷萌生阶段动力学模型 34
2.3.3 缺陷扩展阶段动力学模型 34
2.3.4 故障形成与失效阶段动力学模型 36
2.4 轴承动力学响应 37
2.4.1 仿真信号分析 37
2.4.2 实验信号分析 40
参考文献 42
第3章 轴承性能退化程度评估方法 44
3.1 基于阶跃-冲击匹配追踪的性能评估 44
3.1.1 阶跃-冲击字典的构造 44
3.1.2 阶跃-冲击字典匹配追踪算法 49
3.1.3 仿真及实验验证 50
3.2 基于级联字典匹配追踪的性能评估 52
3.2.1 级联字典的构造 53
3.2.2 级联字典匹配追踪算法 54
3.2.3 仿真及实验验证 55
3.3 基于数字孪生匹配的性能评估 60
3.3.1 双冲击定量评估原理 60
3.3.2 数字孪生匹配定量评估算法 64
3.3.3 仿真及实验验证 66
参考文献 80
第4章 基于相似性优化匹配的寿命预测方法 81
4.1 相似性理论 81
4.2 相似性优化匹配方法 82
4.3 仿真及实验验证 84
4.3.1 仿真验证 84
4.3.2 实验验证 89
参考文献 91
第5章 基于时变卡尔曼滤波的预测方法 92
5.1 时变卡尔曼滤波算法 92
5.2 时变卡尔曼滤波器模型 95
5.2.1 基于一次函数模型的卡尔曼滤波器 95
5.2.2 基于二次函数模型的卡尔曼滤波器 96
5.2.3 时移窗滤波相对误差因子 97
5.3 实验验证 98
参考文献 102
第6章 基于粒子滤波的预测方法 103
6.1 时变粒子滤波寿命预测算法 103
6.1.1 粒子滤波算法原理 103
6.1.2 时变粒子滤波预测模型 105
6.1.3 实验验证 111
6.2 双流无迹粒子滤波寿命预测算法 117
6.2.1 无迹粒子滤波算法原理 118
6.2.2 双流无迹粒子滤波预测模型 119
6.2.3 实验验证 122
参考文献 126
第7章 基于稀疏图学习的预测方法 128
7.1 性能退化特征提取及模型 128
7.1.1 图像纹理特征提取 128
7.1.2 性能退化字典构建 140
7.2 自适应稀疏图学习方法 142
7.3 仿真及实验验证 148
7.3.1 仿真验证 148
7.3.2 实验验证 151
参考文献 157
第8章 基于机理-数据协同驱动双路径深度学习预测方法 159
8.1 退化模型与预测网络 159
8.1.1 性能退化模型构建 159
8.1.2 LSTM网络训练 160
8.2 深度学习寿命预测方法 167
8.3 实验验证 168
8.3.1 实验验证一 168
8.3.2 实验验证二 170
参考文献 174