|
|
|
以MATLAB為學習工具和手段，將機械故障診斷中信號處理（特徵提取）、模式識別的關鍵技術與工程應用有效結合，共分為基礎篇、信號處理篇和模式識別篇三篇內容。其中，第壹篇為MATLAB簡介，便於讀者掌握MATLAB的基本用法；後兩篇按照先介紹基本理論，再列出相關的MATLAB函數，最後結合車輛故障診斷案例的順序，採用MATLAB程式設計實現的架構進行講述，使讀者能夠有效掌握目前機械故障診斷領域先進實用的信號處理和模式識別方法。
第一篇 基礎篇
第1章 認識MATLAB
1.1 MATLAB簡介
1.1.1 MATLAB概述
1.1.2 MATLAB的功能特點
1.2 MATLAB的使用者介面
1.3 MATLAB矩陣運算
1.3.1 MATLAB中的變數
1.3.2 基本矩陣的操作
1.3.3 疏鬆陣列
1.3.4 矩陣的運算
1.4 MATLAB的程式設計基礎
1.4.1 程式設計概述
1.4.2 流程控制
1.4.3 指令檔
1.4.4 函數檔
1.4.5 M文件調試
1.5 MATLAB繪圖及實用技巧
1.5.1 繪圖
1.5.2 實用技巧
第二篇 信號處理篇
第2章 信號處理分析基礎
2.1 信號的分類和採樣定理
2.2 常用信號的產生
2.2.1 基本信號的產生
2.2.2 模擬信號的生成
2.3 實際信號的採集
2.3.1 資料獲取系統設計的基本原則與一般步驟
2.3.2 柴油發動機非穩態振動信號採集系統
2.4 信號的基本分析方法
2.4.1 信號的時域分析
2.4.2 信號的頻域分析
第3章 時頻分析方法的MATLAB實現及應用研究
3.1 短時Fourier變換的MATLAB實現
3.1.1 短時Fourier變換基本原理
3.1.2 短時Fourier變換的MATLAB函數及舉例
3.2 Gabor變換的MATLAB實現
3.2.1 Gabor變換
3.2.2 Gabor變換的MATLAB函數及舉例
3.3 Wignei—Ville時頻分佈的MATLAB實現
3.3.1 Wigner—Ville時頻分佈
3.3.2 wigner—Ville時頻分佈的MATLAB函數及舉例
3.4 時頻分佈在機械故障診斷中的應用實例
第4章 小波分析的MATLAB實現及應用研究
4.1 小波分析的基本理論
4.1.1 連續小波變換
4.1.2 離散小波變換
4.1.3 多解析度分析
4.1.4 小波包分析
4.2 小波分析的主要函數介紹
4.2.1 一維連續小波變換
4.2.2 一維離散小波變換
4.2.3 小波包變換
4.2.4 信號的小波消噪
4.3 小波分析在機械故障診斷中的應用實例
4.3.1 基於小波降噪預處理的時頻分佈診斷柴油機斷油故障
4.3.2 小波頻帶能量累加法分析柴油機氣門磨損故障
4.3.3 小波包—AR譜分析變速器軸承故障
第5章 Hilbert—Huang變換的MATLAB實現及應用研究
5.1 Hilbert—Huang變換的基本理論
5.1.1 固有模態函數（IMF）
5.1.2 EMD原理
5.1.3 Hilbert譜與Hilbert邊際譜
5.1.4 EMD的局限性
5.2 Hilbert—Huang變換的MATLAB主要函數及實現
5.2.1 Hilbert—Huang變換主要函數
5.2.2 Hilbert—Huang變換模擬實例
5.3 Hilbert—Huang變換在機械故障診斷中的應用實例
5.3.1 EMD—AR譜提取柴油機活塞、活塞銷故障特徵
5.3.2 EMD—包絡譜變速器故障診斷
5.3.3 基於EMD預處理的偽wVD時頻分佈提取信號特徵
5.3.4 基於EMD—SVD變換的柴油機曲軸軸承故障特徵提取
第6章 分數階Fourier變換的MATLAB實現及應用研究
6.1 分數階Fourier變換的基本理論
6.2 分數階Fourier變換的特點
6.3 分數階Fourier變換的應用
6.4 分數階Fourier變換的基本理論
6.4.1 基本定義
6.4.2 主要性質
6.5 分數階濾波的MATLAB函數實現
6.5.1 FRFT自我調整濾波原理
6.5.2 FRFT自我調整濾波階次確定
6.5.3 FRFT自我調整濾波的MATLAB實現
6.6 基於分數階濾波的應用實例
6.6.1 實驗台設置
6.6.2 機械故障診斷實例
第7章 影像處理技術的MATLAB實現及應用研究
7.1 影像處理的基本知識
7.1.1 圖像的類別與資料格式
7.1.2 圖像讀入、顯示和保存的MATLAB實現
7.1.3 圖像格式轉換的MATLAB實現
7.1.4 常用影像處理方法的MATLAB實現
7.2 基於對稱極座標圖像的生成方法
7.2.1 基於對稱極座標圖像的生成
7.2.2 對稱極座標方法參數的選擇
7.2.3 基於對稱極座標方法的振動信號圖像的生成
7.3 基於灰度共生矩陣的方法提取振動圖像特徵
7.3.1 灰度圖像生成方法
7.3.2 灰度共生矩陣及特徵參數
7.3.3 振動信號灰度圖像的特徵提取代碼實現
第三篇 模式識別篇
第8章 人工神經網路的MATLAB實現及應用研究
8.1 人工神經網路的基本概念
8.1.1 人工神經元
8.1.2 傳遞函數
8.1.3 人工神經網路的分類和特點
8.2 BP人工神經網路
8.2.1 BP人工神經網路演算法簡介
8.2.2 BP人工神經網路的MATLAB函數
8.2.3 BP人工神經網路在機械故障診斷中的應用
8.3 徑向基函數神經網路
8.3.1 徑向基函數神經網路演算法簡介
8.3.2 徑向基函數神經網路的MATLAB函數
8.3.3 徑向基函數神經網路在機械故障診斷中的應用
第9章 模糊理論的MATLAB實現及應用研究
9.1 模糊理論基礎
9.1.1 模糊集合
9.1.2 模糊關係
9.1.3 模糊變換與模糊綜合評判
9.1.4 If…then規則
9.1.5 模糊推理
9.2 模糊聚類分析
9.2.1 模糊聚類基本概念
9.2.2 模糊聚類分析的MATLAB實現
9.2.3 模糊聚類分析在機械故障診斷中的應用
9.3 模糊神經網路
9.3.1 模糊神經網路的MATLAB實現
9.3.2 模糊神經網路在機械故障診斷中的應用
第10章 遺傳演算法的MATLAB實現及應用研究
10.1 遺傳演算法簡介
10.1.1 遺傳演算法的基本原理
10.1.2 遺傳演算法分析
10.2 遺傳演算法的MATLAB實現
10.2.1 編碼
10.2.2 解碼
10.2.3 選擇
10.2.4 交叉
10.2.5 變異
10.3 遺傳演算法在機械故障診斷中的應用
10.3.1 診斷問題的數學描述
10.3.2 遺傳演算法在機械故障診斷中的應用實例
第11章 粒子群演算法的MATLAB實現及應用研究
11.1 粒子群演算法的基本原理
11.2 粒子群演算法在機械故障診斷中的應用
11.2.1 基於改進PS0的BP混合演算法
11.2.2 粒子群演算法在機械故障診斷中的應用實例
第12章 支持向量機的MATLAB實現及應用研究
12.1 支持向量機
12.1.1 統計學習理論
12.1.2 最優分類面
12.1.3 支援向量機模型
12.2 支持向量機的MATLAB實現
12.2.1 支援向量分類的相關函數
12.2.2 支援向量回歸的相關函數
12.2.3 SVM工具箱中的其他函數
12.2.4 資料的導入方法
12.2.5 SVM工具箱的應用實例
12.3 支援向量機在機械故障診斷中的應用
參考文獻
