新書推薦：
《
论语约讲：感通孔子心志的新诠释
》
售價：HK$
63.8
《
我很正常
》
售價：HK$
43.5
《
平衡的身体：深层组织与神经肌肉徒手治疗（第4版）
》
售價：HK$
217.8
《
不列颠大战略的神话：英国与欧洲世界中的国际政治斗争，1689—1914
》
售價：HK$
140.8
《
安心之道：佛学通识十讲
》
售價：HK$
52.8
《
政制秩序原理：变革
》
售價：HK$
107.8
《
风味人间5：香料传奇
》
售價：HK$
74.8
《
爱，死亡和机器人（多巴胺典藏套装全四册 Netflix奈飞超高分神剧爱死机1~4季原著小说）
》
售價：HK$
181.5
|
| 內容簡介： |
齿轮箱工作中受外部环境干扰时，其故障特征易被噪声淹没。因此对故障信号进行特征提取是齿轮箱故障诊断的重点和难点。本书从三个方面阐述故障特征的处理方法。在降噪算法上，通过对原有方法的自适应改进，分别提出自适应基于短时傅里叶变换的维纳（AWT-STFT）滤波器方法、自回归滑动平均模型和多点最优最小反褶积调整（ARMA-MOMEDA）方法及自适应奇异谱分解（ASSD）方法。针对时频分析技术中存在模态混叠的问题，优化奇异谱分解方法，提出基于多目标粒子群优化算法的自适应变分模态分解（VMD）方法、基于自适应混沌灰狼优化（CGWO）算法、SG滤波器和改进的拉普拉斯高斯（SGMLoG）滤波器算法。在智能故障诊断方面，提出基于复合多尺度极差熵的轴承故障特征提取方法及基于多局部均值的零阶自主学习多模型分类器（MLMALMMo-0）的滚动轴承故障识别方法。此外，还基于自适应稀疏谱分解变分模态分解（ASSD-VMD）方法对滚动轴承的早期故障进行诊断与分析、基于自适应滤波短时傅里叶变换（AWF-STFT）与自适应奇异谱分解方法（SSD）对齿轮箱故障进行诊断与分析。來源：香港大書城megBookStore,http://www.megbook.com.hk
本书可供从事齿轮箱设计、使用和维护等相关领域工作的技术人员学习参考，也可供相关技术人员在日常齿轮箱设计、实验、维护等工作中使用，还可作为从事齿轮箱应用技术工作的工程师的工作指导书。
|
| 目錄：
|
第1章 齿轮箱故障类型及振动机理
1.1 齿轮箱故障类型
1.2 齿轮的振动特征分析
1.3 滚动轴承的失效形式和振动特性
1.3.1 滚动轴承的基本结构与失效形式
1.3.2 滚动轴承的故障特征频率
1.4 信号处理方法简述
1.4.1 时域处理法
1.4.2 频域处理法
1.4.3 时频域处理法
1.5 本章小结
第2章 AMADE在信号识别及AWF-STFT滤波器中的应用研究
2.1 基于短时傅里叶变换的自适应维纳滤波器
2.1.1 维纳滤波器原理
2.1.2 基于短时傅里叶变换的自适应维纳滤波器的特点
2.2 AMADE目标函数
2.3 目标函数确定
2.3.1 白噪声
2.3.2 白噪声和Chirp信号
2.3.3 白噪声、Chirp信号和调制信号
2.4 生成树算法
2.4.1 生成树算法的优化理论
2.4.2 种群数量的确定
2.5 目标函数应用
2.5.1 目标函数在AWF-STFT中的应用
2.5.2 目标函数在信号识别中的应用
2.6 本章小结
第3章 基于ARMA模型的多点最优最小反褶积调整的齿轮箱故障诊断
3.1 多点最优最小反褶积调整方法的基本原理
3.1.1 MOMEDA基本原理
3.1.2 MOMEDA方法的局限性
3.1.3 ARMA算法原理
3.2 基于自回归滑动平均模型和多点最少最优反褶积调整的齿轮箱故障诊断
3.3 仿真验证
3.4 实验验证
3.5 本章小结
第4章 自适应稀疏脉冲反褶积算法及其应用
4.1 稀疏脉冲反褶积算法
4.1.1 稀疏脉冲反褶积理论基础
4.1.2 仿真信号分析
4.2 基于量子行为粒子群优化算法的自适应SSD算法研究
4.2.1 量子行为粒子群优化算法理论
4.2.2 量子行为粒子群优化算法对L1范数正则化参数的优化
4.3 仿真信号分析
4.4 滚动轴承故障实验信号分析
4.5 本章小结
第5章 优化的奇异谱分解方法
5.1 奇异谱分解原理
5.2 停止准则
5.3 仿真验证
5.3.1 齿轮故障信号仿真
5.3.2 不同分解方法对比
5.4 多尺度样本熵
5.5 尺度因子Q
5.6 不同阈值比较
5.6.1 阈值取最小值
5.6.2 阈值取平均值
5.7 优化的SSD方法
5.8 本章小结
第6章 自适应变分模态分解方法
6.1 变分模态分解方法
6.1.1 变分模态分解方法的基本概念与研究现状
6.1.2 变分模态分解方法的理论基础
6.1.3 仿真信号分析
6.2 基于多目标粒子群优化算法的自适应VMD方法研究
6.2.1 多目标粒子群优化算法
6.2.2 基于多目标粒子群优化算法的VMD参数优化
6.2.3 仿真信号分析
6.3 本章小结
第7章 基于自适应混沌灰狼优化算法和SGMLoG滤波器的齿轮箱故障诊断
7.1 MLoG滤波器的基本原理
7.2 混沌灰狼优化算法基本原理
7.3 基于自适应混沌灰狼优化算法和SGMLoG滤波器的齿轮箱故障诊断
7.3.1 边际包络谱熵
7.3.2 自适应SGMLoG滤波器
7.3.3 仿真验证
7.3.4 齿轮箱实测信号分析
7.4 本章小结
第8章 基于复合多尺度极差熵的轴承故障特征提取方法
8.1 多尺度极差熵
8.2 复合多尺度极差熵
8.3 仿真分析
8.3.1 关于嵌入维度的影响分析
8.3.2 关于相似容差的影响分析
8.3.3 关于信号幅值的影响分析
8.3.4 关于信号长度的影响分析
8.4 案例分析
8.5 本章小结
第9章 基于MLMALMMo-0的滚动轴承故障识别
9.1 零阶自主学习多模型分类器
9.1.1 训练阶段
9.1.2 测试阶段
9.2 基于多局部均值的零阶自主学习多模型分类器（MLMALMMo-0）
9.3 基于CMRE与MLMALMMo-0的故障诊断方法
9.4 案例分析
9.5 本章小结
第10章 基于自适应稀疏脉冲反褶积和变分模态分解的新型滚动轴承早期故障诊断方法
10.1 ASSD-VMD方法的流程
10.2 仿真信号分析
10.3 实验验证和分析
10.3.1 实验台设计
10.3.2 实验信号分析
10.4 本章小结
第11章 基于AWF-STFT与SSD的齿轮箱故障诊断方法应用
11.1 案例分析
11.2 本章小结
参考文献
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
