目錄
第1章 緒論 1
1.1 機械設(shè)備動態(tài)信號的復雜非平穩(wěn)特點 1
1.2 復雜非平穩(wěn)信號分析方法研究進展 2
1.2.1 時頻分析 2
1.2.2 自適應模式分解 5
1.2.3 原子分解和稀疏表示 7
1.3 章節(jié)內(nèi)容 9
參考文獻 9
第2章 時頻分析 16
2.1 概述 16
2.2 線性時頻表示 17
2.2.1 短時Fourier變換 17
2.2.2 時頻分辨率 19
2.2.3 小波變換 21
2.3 雙線性時頻分布 26
2.3.1 Wigner-Ville分布 26
2.3.2 Cohen類分布 31
2.3.3 仿射類分布 35
2.3.4 自適應最優(yōu)核函數(shù)方法 37
2.4 時頻分布調(diào)整方法 38
2.4.1 時頻重排分布 38
2.4.2 同步壓縮變換 42
2.4.3 多重逐漸縮減同步壓縮變換 44
2.4.4 頻率時間聚集方法 45
2.5 時變高階譜 47
2.5.1 Wigner高階譜 47
2.5.2 L-類和S-類分布 49
2.6 時頻自回歸滑動平均模型 51
2.6.1 時頻滑動平均模型參數(shù)估計 52
2.6.2 時頻自回歸模型參數(shù)估計 53
2.6.3 時頻自回歸滑動平均模型參數(shù)估計 53
2.6.4 時頻自回歸滑動平均模型階次估計 53
2.7 應用案例 55
2.7.1 基于時頻重排分布的水輪機非平穩(wěn)主軸擺度信號分析 55
2.7.2 基于自適應最優(yōu)核函數(shù)方法的風力機行星齒輪箱現(xiàn)場測試信號分析 61
2.7.3 基于頻率時間聚集方法的時變轉(zhuǎn)速工況下滾動軸承故障診斷 64
參考文獻 71
第3章 自適應模式分解 74
3.1 概述 74
3.2 原理 75
3.3 自適應模式分解算法 76
3.3.1 經(jīng)驗模式分解 76
3.3.2 集合經(jīng)驗模式分解 80
3.3.3 局部均值分解 82
3.3.4 本質(zhì)時間尺度分解 85
3.3.5 局部特征尺度分解 88
3.3.6 Hilbert振動分解 91
3.3.7 經(jīng)驗小波變換 94
3.3.8 變分模式分解 97
3.3.9 自適應局部迭代濾波 100
3.4 瞬時頻率計算方法 102
3.4.1 基于Hilbert變換的解析信號法 103
3.4.2 經(jīng)驗調(diào)幅-調(diào)頻分解 104
3.4.3 直接正交法 104
3.4.4 正則Hilbert變換法 105
3.4.5 廣義過零點法 105
3.4.6 能量分離法 106
3.4.7 仿真信號分析 107
3.5 應用案例 110
3.5.1 基于變分模式分解的行星齒輪箱故障診斷 110
3.5.2 基于集合經(jīng)驗模式分解和能量算子的滾動軸承故障診斷 122
3.5.3 基于Hilbert-Huang變換的水輪機非平穩(wěn)水力壓力脈動信號分析 138
參考文獻 145
第4章 原子分解和稀疏表示 147
4.1 概述 147
4.2 概念和原理 150
4.2.1 原子和字典 150
4.2.2 原子分解 150
4.2.3 稀疏表示 151
4.3 原子分解算法 152
4.3.1 貪婪追蹤 152
4.3.2 lp范數(shù)正則化 161
4.3.3 迭代收縮/閾值 168
4.4 字典設(shè)計 171
4.4.1 解析字典 172
4.4.2 學習字典 175
4.5 應用案例 184
4.5.1 基于匹配追蹤和基追蹤的定軸齒輪箱故障診斷 184
4.5.2 基于線性調(diào)頻小波匹配追蹤分解的行星齒輪箱故障診斷 190
4.5.3 基于平移不變K-奇異值分解的行星齒輪箱故障診斷 196
參考文獻 201