掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
機電設備狀態監測與預測 版權信息
- ISBN：9787122378446
- 條形碼：9787122378446 ; 978-7-122-37844-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
機電設備狀態監測與預測 本書特色
1、本書集工作十多年的多位老師的成果與經驗，對機電設備的運轉狀態監測和故障預測從理論和實踐方面做了完整的總結。 2、本書以設備維護為主要方向，在信號分析、狀態監測、故障診斷、故障預測方面都有大量可參考的內容。 3、本書在深挖基礎理論的同時，結合實例和實踐，不僅對相關專業研究人員有參考價值，對工程實際人員也有多幫助。
機電設備狀態監測與預測 內容簡介
本書主要以理論、仿真和試驗相結合的形式, 以揭示機電設備機械動態特性為手段, 介紹設備狀態自動在線監測與預測的方法以及相應的軟件系統和硬件系統。書中主要從狀態監測信息類型與處理方法出發, 結合狀態特征弱信息提取的相關方法, 對狀態監測分析技術和狀態在線預測技術進行了詳細的討論與總結, 同時也對狀態在線監測及預測系統做了全面的介紹。本書內容有利于保障機電設備的安全運行, 提高設備故障維護保養效率等。
機電設備狀態監測與預測 目錄
第1章緒論/001
1.1機電設備狀態監測技術的發展概況001
1.1.1機電設備狀態監測技術的發展歷程及現狀001
1.1.2機電設備狀態監測技術的發展趨勢003
1.2機電設備狀態預測技術的發展概況004
1.2.1機電設備狀態預測技術的發展歷程及現狀004
1.2.2機電設備狀態預測技術的發展趨勢005
1.3大型機電設備狀態在線監測及預測技術背景006
1.3.1大型旋轉注水機組及其故障監測及預測現狀006
1.3.2風電機組齒輪箱及其故障特點007
第2章狀態監測信息類型與處理/009
2.1傳感器009
2.1.1傳感器的組成009
2.1.2傳感器的分類010
2.1.3傳感器的選擇010
2.1.4不同類型的傳感器簡介010
2.2振動信號016
2.2.1振動信號分類016
2.2.2信號分析與處理方法019
2.3振動加速度信號029
2.3.1采樣頻率與采樣間隔029
2.3.2振動加速度離散化計算029
2.3.3振動烈度的后續處理031
2.4功率譜信號處理031
2.4.1經典頻譜信號處理的步驟031
2.4.2現代譜信號處理方法032
2.5小波分析035
2.5.1小波分析在機械故障診斷中的應用035
2.5.2小波分析基本理論036
2.5.3小波分析與傅里葉分析對比038
2.5.4小波變換在信號處理與檢測中的應用039
2.5.5離散小波變換048
2.5.6分析系統構成049
2.5.7振動信號分析結果050
第3章狀態特征弱信息提取/054
3.1基于μ-SVD和LMD的狀態特征弱信息預處理方法054
3.1.1μ-SVD降噪算法055
3.1.2局部均值分解（LMD）算法057
3.1.3狀態特征弱信息預處理方法061
3.1.4仿真驗證062
3.1.5實驗驗證067
3.2基于Birgé-Massart閾值的狀態特征弱信息預處理方法071
3.2.1狀態特征弱信息預處理方法的基本原理071
3.2.2Birgé-Massart懲罰策略下的閾值確定方法073
3.2.3狀態特征弱信息預處理方法的實現074
3.2.4仿真驗證075
3.2.5實驗驗證077
3.3基于CEEMDAN-MFICA的非平穩信號預處理方法080
3.3.1盲源分離081
3.3.2基于CEEMDAN-MFICA的變工況非平穩信號預處理方法083
3.3.3實驗驗證085
3.4運行狀態劣化的敏感HHT特征提取093
3.4.1HHT基本理論094
3.4.2基于劣化敏感IMF選擇的HHT特征提取方法099
3.4.3仿真驗證100
3.4.4實驗驗證102
3.5高階累積量對角切片譜運行狀態劣化特征提取110
3.5.1高階累積量的基本理論110
3.5.21.5維譜運行穩定性劣化特征提取方法115
3.5.3四階累積量對角切片譜運行穩定性劣化特征提取方法117
3.5.4特征提取方法的趨勢預測適用性118
3.6計算階次跟蹤及包絡解調分析特征提取119
3.6.1振動信號的計算階次跟蹤120
3.6.2振動信號的包絡解調125
3.6.3增速齒輪箱實測信號的計算階次跟蹤及包絡解調130
第4章狀態監測分析技術/138
4.1旋轉機組狀態分析的基本原理及方法138
4.1.1旋轉機組的狀態分類及狀態分析過程138
4.1.2旋轉機組狀態分析的構成139
4.1.3旋轉機組狀態分析的基本方法140
4.2機組狀態評定標準的選擇及預警、報警限的設定141
4.2.1機組狀態評定的有關標準及選擇141
4.2.2機組工作狀態的預警限及報警限的設定142
4.3狀態在線分析技術143
4.3.1機組狀態六測點烈度分析技術143
4.3.2機組狀態時域分析技術144
4.3.3機組狀態頻域分析技術145
4.4狀態自動判別技術146
4.4.1機組狀態六段頻率幅值自動判別技術147
4.4.2機組狀態譜展寬窄帶自動判別技術148
4.5大型旋轉機組狀態自動判別智能專家系統148
4.5.1機組狀態自動判別智能專家系統的結構148
4.5.2智能專家系統實現機組狀態自動判別的方法150
4.5.3振動量的有關智能化處理152
4.5.4機組狀態智能專家系統全頻段自動判別技術152
4.6運行穩定性劣化狀態的評價153
4.6.1劣化演化矩陣的建立153
4.6.2運行穩定性劣化程度的表征參數155
4.6.3運行穩定性劣化狀態的評價方法157
4.6.4基于現場實驗數據的運行穩定性劣化狀態的評價158
第5章狀態在線預測技術/164
5.1在線趨勢預測概述164
5.2振動級值預測的類型、基本方法和判據165
5.2.1機組狀態發展趨勢與振動級值預測165
5.2.2振動級值趨勢預測的類型166
5.2.3振動級值趨勢預測的基本方法166
5.2.4振動級值趨勢預測的判據和評定方法168
5.3時序模型與時序預測168
5.4灰色預測方法及其改進169
5.4.1灰色預測方法169
5.4.2干涉因子灰色預測改進模型171
5.4.3GMAR組合預測改進模型171
5.5中心差分灰色模型173
5.5.1中心差分基本原理173
5.5.2中心差分灰色模型建模174
5.5.3CDGM（1,1）模型烈度預測175
5.6烈度序列的趨勢項提取176
5.6.1預測模型的烈度趨勢項提取176
5.6.2線性規劃法進行烈度趨勢項提取177
5.6.3烈度趨勢提取的精度校驗179
5.7分離趨勢項新型組合預測模型180
5.7.1分離趨勢項組合預測模型的設計181
5.7.2分離趨勢項組合模型的烈度預測182
5.7.3兩種時區聯合預測的實用方法184
5.8六段頻率幅值趨勢預測設計185
5.9人工智能預測方法185
5.9.1人工神經網絡趨勢預測186
5.9.2人工神經網絡的結構和模型187
5.9.3網絡的拓撲結構及類型188
5.9.4誤差反傳訓練算法（BP算法）189
5.9.5神經網絡預測原理及模型的建立189
5.9.6神經網絡趨勢預測方法193
5.10采用遺傳算法進行趨勢預測198
5.10.1遺傳算法與機組狀態預測198
5.10.2遺傳算法進行預測的方案198
5.10.3遺傳預測的適合度選擇及步驟199
第6章狀態在線監測及預測系統/201
6.1狀態在線監測及預測系統的總體設計201
6.1.1狀態在線監測及預測系統的技術路線201
6.1.2大型旋轉機組狀態在線監測及預測系統的技術特點202
6.1.3狀態在線監測及預測系統的類型203
6.2狀態在線監測及預測的軟件系統設計205
6.2.1在線監測軟件系統設計原則205
6.2.2軟件模塊結構及其功能206
6.2.3面向對象程序設計（OOP）207
6.3遠程在線風機齒輪箱監測診斷系統208
6.3.1嵌入式數據采集系統設計209
6.3.2數據服務器軟件開發215
6.3.3數據存儲數據庫設計216
6.3.4網頁服務器軟件開發217
6.4風機齒輪箱早期故障征兆在線監測診斷系統構建219
6.5基于Web的遠程機械故障預測系統構建223
6.5.1遠程故障預測系統構建223
6.5.2系統中非線性非平穩故障預測模塊開發227
參考文獻230
1.1機電設備狀態監測技術的發展概況001
1.1.1機電設備狀態監測技術的發展歷程及現狀001
1.1.2機電設備狀態監測技術的發展趨勢003
1.2機電設備狀態預測技術的發展概況004
1.2.1機電設備狀態預測技術的發展歷程及現狀004
1.2.2機電設備狀態預測技術的發展趨勢005
1.3大型機電設備狀態在線監測及預測技術背景006
1.3.1大型旋轉注水機組及其故障監測及預測現狀006
1.3.2風電機組齒輪箱及其故障特點007
第2章狀態監測信息類型與處理/009
2.1傳感器009
2.1.1傳感器的組成009
2.1.2傳感器的分類010
2.1.3傳感器的選擇010
2.1.4不同類型的傳感器簡介010
2.2振動信號016
2.2.1振動信號分類016
2.2.2信號分析與處理方法019
2.3振動加速度信號029
2.3.1采樣頻率與采樣間隔029
2.3.2振動加速度離散化計算029
2.3.3振動烈度的后續處理031
2.4功率譜信號處理031
2.4.1經典頻譜信號處理的步驟031
2.4.2現代譜信號處理方法032
2.5小波分析035
2.5.1小波分析在機械故障診斷中的應用035
2.5.2小波分析基本理論036
2.5.3小波分析與傅里葉分析對比038
2.5.4小波變換在信號處理與檢測中的應用039
2.5.5離散小波變換048
2.5.6分析系統構成049
2.5.7振動信號分析結果050
第3章狀態特征弱信息提取/054
3.1基于μ-SVD和LMD的狀態特征弱信息預處理方法054
3.1.1μ-SVD降噪算法055
3.1.2局部均值分解（LMD）算法057
3.1.3狀態特征弱信息預處理方法061
3.1.4仿真驗證062
3.1.5實驗驗證067
3.2基于Birgé-Massart閾值的狀態特征弱信息預處理方法071
3.2.1狀態特征弱信息預處理方法的基本原理071
3.2.2Birgé-Massart懲罰策略下的閾值確定方法073
3.2.3狀態特征弱信息預處理方法的實現074
3.2.4仿真驗證075
3.2.5實驗驗證077
3.3基于CEEMDAN-MFICA的非平穩信號預處理方法080
3.3.1盲源分離081
3.3.2基于CEEMDAN-MFICA的變工況非平穩信號預處理方法083
3.3.3實驗驗證085
3.4運行狀態劣化的敏感HHT特征提取093
3.4.1HHT基本理論094
3.4.2基于劣化敏感IMF選擇的HHT特征提取方法099
3.4.3仿真驗證100
3.4.4實驗驗證102
3.5高階累積量對角切片譜運行狀態劣化特征提取110
3.5.1高階累積量的基本理論110
3.5.21.5維譜運行穩定性劣化特征提取方法115
3.5.3四階累積量對角切片譜運行穩定性劣化特征提取方法117
3.5.4特征提取方法的趨勢預測適用性118
3.6計算階次跟蹤及包絡解調分析特征提取119
3.6.1振動信號的計算階次跟蹤120
3.6.2振動信號的包絡解調125
3.6.3增速齒輪箱實測信號的計算階次跟蹤及包絡解調130
第4章狀態監測分析技術/138
4.1旋轉機組狀態分析的基本原理及方法138
4.1.1旋轉機組的狀態分類及狀態分析過程138
4.1.2旋轉機組狀態分析的構成139
4.1.3旋轉機組狀態分析的基本方法140
4.2機組狀態評定標準的選擇及預警、報警限的設定141
4.2.1機組狀態評定的有關標準及選擇141
4.2.2機組工作狀態的預警限及報警限的設定142
4.3狀態在線分析技術143
4.3.1機組狀態六測點烈度分析技術143
4.3.2機組狀態時域分析技術144
4.3.3機組狀態頻域分析技術145
4.4狀態自動判別技術146
4.4.1機組狀態六段頻率幅值自動判別技術147
4.4.2機組狀態譜展寬窄帶自動判別技術148
4.5大型旋轉機組狀態自動判別智能專家系統148
4.5.1機組狀態自動判別智能專家系統的結構148
4.5.2智能專家系統實現機組狀態自動判別的方法150
4.5.3振動量的有關智能化處理152
4.5.4機組狀態智能專家系統全頻段自動判別技術152
4.6運行穩定性劣化狀態的評價153
4.6.1劣化演化矩陣的建立153
4.6.2運行穩定性劣化程度的表征參數155
4.6.3運行穩定性劣化狀態的評價方法157
4.6.4基于現場實驗數據的運行穩定性劣化狀態的評價158
第5章狀態在線預測技術/164
5.1在線趨勢預測概述164
5.2振動級值預測的類型、基本方法和判據165
5.2.1機組狀態發展趨勢與振動級值預測165
5.2.2振動級值趨勢預測的類型166
5.2.3振動級值趨勢預測的基本方法166
5.2.4振動級值趨勢預測的判據和評定方法168
5.3時序模型與時序預測168
5.4灰色預測方法及其改進169
5.4.1灰色預測方法169
5.4.2干涉因子灰色預測改進模型171
5.4.3GMAR組合預測改進模型171
5.5中心差分灰色模型173
5.5.1中心差分基本原理173
5.5.2中心差分灰色模型建模174
5.5.3CDGM（1,1）模型烈度預測175
5.6烈度序列的趨勢項提取176
5.6.1預測模型的烈度趨勢項提取176
5.6.2線性規劃法進行烈度趨勢項提取177
5.6.3烈度趨勢提取的精度校驗179
5.7分離趨勢項新型組合預測模型180
5.7.1分離趨勢項組合預測模型的設計181
5.7.2分離趨勢項組合模型的烈度預測182
5.7.3兩種時區聯合預測的實用方法184
5.8六段頻率幅值趨勢預測設計185
5.9人工智能預測方法185
5.9.1人工神經網絡趨勢預測186
5.9.2人工神經網絡的結構和模型187
5.9.3網絡的拓撲結構及類型188
5.9.4誤差反傳訓練算法（BP算法）189
5.9.5神經網絡預測原理及模型的建立189
5.9.6神經網絡趨勢預測方法193
5.10采用遺傳算法進行趨勢預測198
5.10.1遺傳算法與機組狀態預測198
5.10.2遺傳算法進行預測的方案198
5.10.3遺傳預測的適合度選擇及步驟199
第6章狀態在線監測及預測系統/201
6.1狀態在線監測及預測系統的總體設計201
6.1.1狀態在線監測及預測系統的技術路線201
6.1.2大型旋轉機組狀態在線監測及預測系統的技術特點202
6.1.3狀態在線監測及預測系統的類型203
6.2狀態在線監測及預測的軟件系統設計205
6.2.1在線監測軟件系統設計原則205
6.2.2軟件模塊結構及其功能206
6.2.3面向對象程序設計（OOP）207
6.3遠程在線風機齒輪箱監測診斷系統208
6.3.1嵌入式數據采集系統設計209
6.3.2數據服務器軟件開發215
6.3.3數據存儲數據庫設計216
6.3.4網頁服務器軟件開發217
6.4風機齒輪箱早期故障征兆在線監測診斷系統構建219
6.5基于Web的遠程機械故障預測系統構建223
6.5.1遠程故障預測系統構建223
6.5.2系統中非線性非平穩故障預測模塊開發227
參考文獻230
展開全部
書友推薦
- >
我與地壇
- >
朝聞道
- >
李白與唐代文化
- >
煙與鏡
- >
有舍有得是人生
- >
伊索寓言-世界文學名著典藏-全譯本
- >
月亮與六便士
- >
月亮虎
本類暢銷
