齒輪箱新型故障診斷技術及案例分析 王俊元 9787030801982 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202504*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：齒輪箱新型故障診斷技術及案例分析
ISBN：9787030801982
出版社：科學
著編譯者：王俊元
頁數：xxx
所在地：中國大陸 *此為代購商品
書號：1730019
可大量預訂，請先連絡。

內容簡介
齒輪箱工作中受外部環境干擾時，其故障特徵易被噪聲淹沒。因此對故障信號進行特徵提取是齒輪箱故障診斷的重點和難點。本書從三個方面闡述故障特徵的處理方法。在降噪算法上，通過對原有方法的自適應改進，分別提出自適應基於短時傅里葉變換的維納（AWT-STFT）濾波器方法、自回歸滑動平均模型和多點 小反褶積調整（ARMA-MOMEDA）方法及自適應奇異譜分解（ASSD）方法。針對時頻分析技術中存在模態混疊的問題，優化奇異譜分解方法，提出基於多目標粒子群優化算法的自適應變分模態分解（VMD）方法、基於自適應混沌灰狼優化（CGWO）算法、SG濾波器和改進的拉普拉斯高斯（SGMLoG）濾波器算法。在智能故障診斷方面，提出基於複合多尺度極差熵的軸承故障特徵提取方法及基於多局部均值的零階自主學習多模型分類器（MLMALMMo-0）的滾動軸承故障識別方法。此外，還基於自適應稀疏譜分解變分模態分解（ASSD -VMD）方法對滾動軸承的早期故障進行診斷與分析、基於自適應濾波短時傅里葉變換（AWF-STFT）與自適應奇異譜分解方法（SSD）對齒輪箱故障進行診斷與分析。本書可供從事齒輪箱設計、使用和維護等相關領域工作的技術人員學習參考，也可供相關技術人員在日常齒輪箱設計、實驗、維護等工作中使用，還可作為從事齒輪箱應用技術工作的工程師的工作指導書。

目錄

第1章 齒輪箱故障類型及振動機理
1 1 齒輪箱故障類型
1 2 齒輪的振動特徵分析
1 3 滾動軸承的失效形式和振動特性
1 3 1 滾動軸承的基本結構與失效形式
1 3 2 滾動軸承的故障特徵頻率
1 4 信號處理方法簡述
1 4 1 時域處理法
1 4 2 頻域處理法
1 4 3 時頻域處理法
1 5 本章 小結
第2章 AMADE在信號識別及AWF-STFT濾波器中的應用研究
2 1 基於短時傅里葉變換的自適應維納濾波器
2 1 1 維納濾波器原理
2 1 2 基於短時傅里葉變換的自適應維納濾波器的特點
2 2 AMADE目標函數
2 3 目標函數確定
2 3 1 白噪聲
2 3 2 白噪聲和Chirp信號
2 3 3 白噪聲、Chirp信號和調製信號
2 4 生成樹算法
2 4 1 生成樹算法的優化理論
2 4 2 種群數量的確定
2 5 目標函數應用
2 5 1 目標函數在AWF-STFT中的應用
2 5 2 目標函數在信號識別中的應用
2 6 本章 小結
第3章 基於ARMA模型的多點 小反褶積調整的齒輪箱故障診斷
3 1 多點 小反褶積調整方法的基本原理
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 基於自回歸滑動平均模型和多點 少 反褶積調整的齒輪箱故障診斷
3 3 仿真驗證
3 4 實驗驗證
3 5 本章 小結
第4章 自適應稀疏脈衝反褶積算法及其應用
4 1 稀疏脈衝反褶積算法
4 1 1 稀疏脈衝反褶積理論基礎
4 1 2 仿真信號分析
4 2 基於量子行為粒子群優化算法的自適應SSD算法研究
4 2 1 量子行為粒子群優化算法理論
4 2 2 量子行為粒子群優化算法對L1範數正則化參數的優化
4 3 仿真信號分析
4 4 滾動軸承故障實驗信號分析
4 5 本章 小結
第5章 優化的奇異譜分解方法
5 1 奇異譜分解原理
5 2 停止準則
5 3 仿真驗證
5 3 1 齒輪故障信號仿真
5 3 2 不同分解方法對比
5 4 多尺度樣本熵
5 5 尺度因子Q
5 6 不同閾值比較
5 6 1 閾值取 小值
5 6 2 閾值取平均值
5 7 優化的SSD方法
5 8 本章 小結
第6章 自適應變分模態分解方法
6 1 變分模態分解方法
6 1 1 變分模態分解方法的基本概念與研究現狀
6 1 2 變分模態分解方法的理論基礎
6 1 3 仿真信號分析
6 2 基於多目標粒子群優化算法的自適應VMD方法研究
6 2 1 多目標粒子群優化算法
6 2 2 基於多目標粒子群優化算法的VMD參數優化
6 2 3 仿真信號分析
6 3 本章 小結
第7章 基於自適應混沌灰狼優化算法和SGMLoG濾波器的齒輪箱故障診斷
7 1 MLoG濾波器的基本原理
7 2 混沌灰狼優化算法基本原理
7 3 基於自適應混沌灰狼優化算法和SGMLoG濾波器的齒輪箱故障診斷
7 3 1 邊際包絡譜熵
7 3 2 自適應SGMLoG濾波器
7 3 3 仿真驗證
7 3 4 齒輪箱實測信號分析
7 4 本章 小結
第8章 基於複合多尺度極差熵的軸承故障特徵提取方法
8 1 多尺度極差熵
8 2 複合多尺度極差熵
8 3 仿真分析
8 3 1 關於嵌入維度的影響分析
8 3 2 關於相似容差的影響分析
8 3 3 關於信號幅值的影響分析
8 3 4 關於信號長度的影響分析
8 4 案例分析
8 5 本章 小結
第9章 基於MLMALMMo-0的滾動軸承故障識別
9 1 零階自主學習多模型分類器
9 1 1 訓練階段
9 1 2 測試階段
9 2 基於多局部均值的零階自主學習多模型分類器（MLMALMMo-0）
9 3 基於CMRE與MLMALMMo-0的故障診斷方法
9 4 案例分析
9 5 本章 小結
0章 基於自適應稀疏脈衝反褶積和變分模態分解的新型滾動軸承早期故障
診斷方法
10 1 ASSD-VMD方法的流程
10 2 仿真信號分析
10 3 實驗驗證和分析
10 3 1 實驗台設計
10 3 2 實驗信號分析
10 4 本章 小結
1章 基於AWF-STFT與SSD的齒輪箱故障診斷方法應用
11 1 案例分析
11 2 本章 小結
參考文獻

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。