基于信息融合的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障診斷技術(shù)

目錄
前言
第1章 緒論 1
1.1 航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障診斷技術(shù)研究背景 1
1.2 航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障診斷技術(shù)研究現(xiàn)狀 2
1.3 本書主要內(nèi)容 5
1.4 本章小結(jié) 6
參考文獻(xiàn) 6
第2章 航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)常見故障及信息融合診斷模型 8
2.1 航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)常見故障 8
2.1.1 常見振動(dòng)故障類型 8
2.1.2 航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)測(cè)試 9
2.2 信息融合故障診斷技術(shù)的理論基礎(chǔ) 11
2.3 基于信息融合技術(shù)的故障診斷模型 13
2.3.1 信息融合模型 13
2.3.2 信息融合故障診斷框架 14
2.4 本章小結(jié) 16
參考文獻(xiàn) 16
第3章 基于支持向量機(jī)的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障融合診斷 17
3.1 支持向量機(jī)簡(jiǎn)介 17
3.1.1 支持向量機(jī)的發(fā)展 17
3.1.2 基于支持向量機(jī)的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障診斷模型 17
3.2 支持向量機(jī)基礎(chǔ) 18
3.2.1 優(yōu)分類面 18
3.2.2 核函數(shù) 20
3.3 支持向量機(jī)分類 22
3.3.1 支持向量機(jī)多類分類原理 22
3.3.2 支持向量機(jī)多類分類方法 22
3.3.3 支持向量機(jī)的屬性和研究現(xiàn)狀 24
3.4 航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障診斷實(shí)例分析 25
3.4.1 參數(shù)選擇和支持向量機(jī)模型的建立 25
3.4.2 支持向量機(jī)模型的訓(xùn)練和測(cè)試 26
3.4.3 分析結(jié)果與討論 27
3.5 本章小結(jié) 29
參考文獻(xiàn) 29
第4章 基于信息熵的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障融合診斷 30
4.1 信息熵理論 30
4.1.1 信息熵的基本概念 30
4.1.2 奇異譜熵方法 31
4.1.3 功率譜熵方法 32
4.1.4 小波能譜熵方法 33
4.1.5 小波空間特征譜熵方法 33
4.1.6 小波相關(guān)特征尺度熵方法 34
4.1.7 小波包特征譜熵方法 35
4.2 基于過(guò)程功率譜熵的機(jī)械振動(dòng)故障定量診斷 36
4.2.1 基于過(guò)程信息熵的定量診斷方法 36
4.2.2 航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障定量診斷實(shí)例分析 37
4.2.3 轉(zhuǎn)子振動(dòng)故障定量診斷實(shí)例分析 41
4.3 基于小波相關(guān)特征尺度熵的轉(zhuǎn)子振動(dòng)故障特征分析與定量診斷 46
4.3.1 小波相關(guān)特征尺度熵故障診斷方法 47
4.3.2 轉(zhuǎn)子振動(dòng)故障模擬試驗(yàn) 47
4.3.3 實(shí)例分析 48
4.4 基于多種信號(hào)和多特征熵距的滾動(dòng)軸承故障融合診斷 49
4.4.1 多特征熵距的基本理論與方法 49
4.4.2 滾動(dòng)軸承故障模擬試驗(yàn) 52
4.4.3 實(shí)例分析 54
4.5 本章小結(jié) 64
參考文獻(xiàn) 64
第5章 基于信息熵和支持向量機(jī)的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障融合診斷 67
5.1 基于小波包特征譜熵和支持向量機(jī)的轉(zhuǎn)子振動(dòng)故障融合診斷 67
5.1.1 基于小波包特征譜熵和支持向量機(jī)的轉(zhuǎn)子振動(dòng)故障診斷模型 67
5.1.2 轉(zhuǎn)子振動(dòng)故障模擬試驗(yàn) 69
5.1.3 轉(zhuǎn)子振動(dòng)故障診斷實(shí)例分析 69
5.1.4 航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障診斷實(shí)例分析 71
5.2 基于小波能譜熵和支持向量機(jī)的轉(zhuǎn)子振動(dòng)故障融合診斷 76
5.2.1 基于小波能譜熵和支持向量機(jī)的轉(zhuǎn)子振動(dòng)故障診斷模型 77
5.2.2 轉(zhuǎn)子振動(dòng)故障模擬試驗(yàn) 78
5.2.3 小波能譜熵特征提取及向量集建立 78
5.2.4 實(shí)例分析 79
5.3 基于功率譜熵和支持向量機(jī)的轉(zhuǎn)子振動(dòng)故障融合定量診斷 81
5.3.1 轉(zhuǎn)子振動(dòng)故障模擬試驗(yàn) 81
5.3.2 數(shù)據(jù)分析 82
5.3.3 基于功率譜熵和支持向量機(jī)的轉(zhuǎn)子振動(dòng)故障診斷模型 84
5.3.4 實(shí)例分析 87
5.4 本章小結(jié) 90
參考文獻(xiàn) 90
第6章 基于信息熵、模糊理論和支持向量機(jī)的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障融合診斷 92
6.1 基于模糊信息熵的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障融合診斷 92
6.1.1 模糊信息熵融合診斷方法 93
6.1.2 航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障征兆和故障原因 95
6.1.3 基于模糊信息熵的故障融合診斷流程 96
6.1.4 實(shí)例分析 96
6.2 基于改進(jìn)模糊支持向量機(jī)的轉(zhuǎn)子振動(dòng)故障融合診斷 100
6.2.1 改進(jìn)的模糊支持向量機(jī)隸屬度函數(shù) 101
6.2.2 改進(jìn)的模糊支持向量機(jī)診斷方法 102
6.2.3 改進(jìn)的模糊支持向量機(jī)診斷方法的數(shù)學(xué)模型 103
6.2.4 實(shí)例分析 104
6.3 基于改進(jìn)模糊支持向量機(jī)的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障融合診斷 106
6.3.1 模糊支持向量機(jī) 107
6.3.2 改進(jìn)模糊隸屬度的確定方法 108
6.3.3 基于改進(jìn)模糊支持向量機(jī)的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障診斷方法 110
6.3.4 實(shí)例分析 111
6.4 基于模糊支持向量機(jī)和改進(jìn)隸屬度的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障融合診斷 113
6.4.1 模糊支持向量機(jī)的隸屬度確定 114
6.4.2 基于模糊支持向量機(jī)和改進(jìn)隸屬度的故障診斷方法 116
6.4.3 改進(jìn)隸屬度驗(yàn)證 117
6.4.4 實(shí)例分析 119
6.5 基于小波相關(guān)特征尺度熵和模糊支持向量機(jī)的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障融合診斷 122
6.5.1 基于小波相關(guān)特征尺度熵和模糊支持向量機(jī)的故障融合診斷模型 123
6.5.2 航空發(fā)動(dòng)機(jī)故障診斷測(cè)試點(diǎn)和支持向量機(jī)的參數(shù)選取 124
6.5.3 小波相關(guān)特征尺度熵的特征向量構(gòu)建 124
6.5.4 實(shí)例分析 127
6.6 本章小結(jié) 128
參考文獻(xiàn) 128
第7章 總結(jié)與展望 131