**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的用戶界面 1.3 MATLAB矩陣運算 1.3.1 MATLAB中的變量 1.3.2 基本矩陣的操作 1.3.3 稀疏矩陣 1.3.4 矩陣的運算 1.4 MATLAB的編程基礎 1.4.1 編程概述 1.4.2 流程控制 1.4.3 腳本文件 1.4.4 函數文件 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 信號的分類和采樣定理 2.2 常用信號的產生 2.2.1 基本信號的產生 2.2.2 仿真信號的生成 2.3 實際信號的采集 2.3.1 數據采集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采集系統 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時頻分布的MATLAB實現 3.3.1 Wigner-Ville時頻分布 3.3.2 wigner-Ville時頻分布的MATLAB函數及舉例 3.4 時頻分布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 多分辨率分析 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 基于小波降噪預處理的時頻分布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 小波包一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 EMlD原理 5.1.3 Hilbert譜與Hilbert邊際譜 5.1.4.EMlD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變換仿真實例 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、活塞銷故障特征 5.3.2 EMD-包絡譜變速器故障診斷 5.3.3 基于EMD預處理的偽wVD時頻分布提取信號特征 5.3.4 基于EMD-SVD變換的柴油機曲軸軸承故障特征提取第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自適應濾波原理 6.5.2 FRFT自適應濾波階次確定 6.5.3 FRFT自適應濾波的MATLAB實現 6.6 基于分數階濾波的應用實例 6.6.1 實驗臺設置 6.6.2 機械故障診斷實例第7章 圖像處理技術的MATLAB實現及應用研究 7.1 圖像處理的基本知識 7.1.1 圖像的類別與數據格式 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 常用圖像處理方法的MATLAB實現 7.2 基于對稱極坐標圖像的生成方法 7.2.1 基于對稱極坐標圖像的生成 7.2.2 對稱極坐標方法參數的選擇 7.2.3 基于對稱極坐標方法的振動信號圖像的生成 7.3 基于灰度共生矩陣的方法提取振動圖像特征 7.3.1 灰度圖像生成方法 7.3.2 灰度共生矩陣及特征參數 7.3.3 振動信號灰度圖像的特征提取代碼實現第三篇 模式識別篇第8章 人工神經網絡的MATLAB實現及應用研究 8.1 人工神經網絡的基本概念 8.1.1 人工神經元 8.1.2 傳遞函數 8.1.3 人工神經網絡的分類和特點 8.2 BP人工神經網絡 8.2.1 BP人工神經網絡算法簡介 8.2.2 BP人工神經網絡的MATLAB函數 8.2.3 BP人工神經網絡在機械故障診斷中的應用 8.3 徑向基函數神經網絡 8.3.1 徑向基函數神經網絡算法簡介 8.3.2 徑向基函數神經網絡的MATLAB函數 8.3.3 徑向基函數神經網絡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 模糊關系 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 模糊神經網絡 9.3.1 模糊神經網絡的MATLAB實現 9.3.2 模糊神經網絡在機械故障診斷中的應用第10章 遺傳算法的MATLAB實現及應用研究 10.1 遺傳算法簡介 10.1.1 遺傳算法的基本原理 10.1.2 遺傳算法分析 10.2 遺傳算法的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 遺傳算法在機械故障診斷中的應用實例第11章 粒子群算法的MATLAB實現及應用研究 11.1 粒子群算法的基本原理 11.2 粒子群算法在機械故障診斷中的應用 11.2.1 基于改進PS0的BP混合算法 11.2.2 粒子群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 *優分類面 12.1.3 支持向量機模型 12.2 支持向量機的MATLAB實現 12.2.1 支持向量分類的相關函數 12.2.2 支持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 數據的導入方法 12.2.5 SVM工具箱的應用實例 12.3 支持向量機在機械故障診斷中的應用參考文獻