基于知识的机电系统故障诊断与预测技术
作者：王红军 著
出版时间：2014年
内容简介
随着现代机电设备的结构和功能日趋复杂化，人们对设备正常、安全、稳定运行的要求越来越高，在保障设备安全运行方面，若出现事故后再进行故障诊断往往为时已晚，机电设备故障与趋势预测技术已成为现代工业发展的迫切需要，该项技术有利于预防设备安全事故的发生。本书面向现代机电装备，介绍了基于知识的机电系统故障诊断与趋势预测的研究背景，阐述了面向工业现场的故障诊断知识的获取技术和智能诊断技术、微弱早期故障的特征获取技术以及非线性非平稳状态的趋势预测技术，对所提出的相关理论方法进行了实验研究和应用研究。本书可供高等院校、研究院所以及企业从事装备运行状态故障诊断与维护等相关研究领域的科技人员使用参考，也可作为机械工程以及相关学科专业的教师、高年级本科生和研究生的教材或参考书。
目录
1绪论
1.1 机电系统状态监测与故障诊断的发展概况
1.2机电系统故障诊断与趋势预示技术
1.2.1 基于粗糙集的知识获取
1.2.2基于数据挖掘的知识获取和诊断
1.3机电系统状态智能趋势预示的研究综述
1.3.1 神经网络的趋势预测方法
1.3.2支持向量机（Support Vector Machine，SVM）方法
1.3.3流形学习
1.4设备劣化进程中的一般性规律
1.5振动信号分析的基本方法
1.5.1 信号的时域分析
1.5.2信号的频域分析
1.5.3 小波分析方法
1.6故障诊断的特征量和判断标准
1.6.1 故障诊断特征量公式
1.6.2故障诊断的判断标准
2早期微弱故障的敏感特征提取技术
2.1 EMD的基本概念及原理
2.1.1基本概念
2.1.2经验模态分解过程
2.1.3 经验模态分解方法存在的问题
2.2基于EEMD的早期特征获取方法
2.2.1 EEMD的分解原理
2.2.2 IMF选择算法及EEMD降噪
2.2.3 基于EEMD和小波包的故障敏感特征提取
2.3基于流形学习的早期故障敏感特征提取
2.3.1 流形学习算法
2.3.2基于时频域统计指标的流形学习敏感特征提取
2.4基于小波包的早期微弱故障敏感特征提取方法
2.4.1 小波（包）原理
2.4.2基于小波包的旋转机械故障特征提取
3基于粗糙集的故障诊断与知识提取
3.1知识与粗糙集理论
3.1.1 知识与知识的表达
3.1.2粗糙集合
3.1.3知识的约简
3.1.4决策表
3.1.5 决策表的简化
3.2基于粗糙集的知识获取和诊断
3.2.1粗糙集知识获取的建模步骤
3.2.2数据的预处理和连续属性的离散化
3.2.3条件属性的约简
3.2.4规则评价与分类
3.2.5 基于粗糙集的知识获取和故障诊断系统
3.3旋转机械转子系统振动故障的规则获取
3.3.1 旋转机械振动故障及其征兆
3.3.2大型旋转机械振动故障知识获取
3.3.3 大庆油田大型旋转注水机组诊断知识获取
3.4基于变精度粗糙集的知识获取与故障诊断
3.4.1 知识发现的不确定性
3.4.2多数包含关系
3.4.3 VPRS模型中的近似集
3.4.4连续属性离散化方法
3.4.5 基于熵的粗糙集连续属性离散化算法研究
3.4.6基于变精度粗糙集的属性约简
……
4基于数据挖掘的故障诊断与知识获取
5基于知识的智能故障诊断系统的关键技术
6 非线性非平稳机械运行状态趋势预示技术
参考文献
