液壓氣動系統(tǒng)狀態(tài)監(jiān)測與故障診斷技術(shù)

第1 章　緒論 1

1.1 液壓系統(tǒng)故障診斷技術(shù)的發(fā)展簡史 1

1.2 液壓系統(tǒng)故障診斷技術(shù)的發(fā)展趨勢 3

1.3 液壓系統(tǒng)故障檢測與診斷新方法 4

1.3.1 小波理論方法 5

1.3.2 頻譜細化方法 5

1.3.3 混沌分形理論方法 6

1.3.4 Lyapunov指數(shù)及關(guān)聯(lián)維數(shù)方法 6

1.3.5 信息熵方法 7

1.3.6 貝葉斯網(wǎng)絡(luò)方法 7

1.3.7 Hilbert-Huang變換方法 8

1.3.8 神經(jīng)網(wǎng)絡(luò)方法 8

1.3.9 多源信息融合方法 10

1.3.10 人工免疫方法 11

1.3.11 灰色系統(tǒng)方法 12

1.3.12 核主元分析方法 13

1.3.13 支持向量機方法 14

1.3.14 證據(jù)理論方法 15

1.4 本書的主要內(nèi)容 16

本章參考文獻 17

第2 章　氣動系統(tǒng)的常見故障與排除方法 19

2.1 氣動系統(tǒng)使用中的常見故障 19

2.1.1 氣源質(zhì)量不良 19

2.1.2 氣動元件故障 20

2.2 氣動系統(tǒng)常見故障的排除 21

2.2.1 氣源質(zhì)量不良故障的排除方法 21

2.2.2 氣缸故障的排除方法 23

2.2.3 氣動控制閥故障的排除方法 25

2.2.4 氣動輔助元件故障的排除方法 26

本章參考文獻 27

第3 章　氣動系統(tǒng)的故障診斷技術(shù)與工程應(yīng)用實例 28

3.1 氣動系統(tǒng)故障的基本特征及常用的診斷方法 28

3.1.1 氣動系統(tǒng)故障的基本特征 28

3.1.2 氣動系統(tǒng)常用的診斷方法 28

3.2 氣動系統(tǒng)故障診斷的基本原理及后處理 29

3.2.1 故障診斷的基本原理 29

3.2.2 故障診斷的后處理 31

3.3 氣動系統(tǒng)的故障診斷技術(shù)方法 31

3.3.1 基于CBM 的氣動系統(tǒng)故障診斷技術(shù) 31

3.3.2 基于故障樹的氣動系統(tǒng)故障診斷技術(shù) 35

3.4 氣動系統(tǒng)故障診斷技術(shù)的工程應(yīng)用實例 36

3.4.1 混凝土攪拌站氣動系統(tǒng)故障的排除 36

3.4.2 熱風(fēng)整平機氣動系統(tǒng)常見故障的排除 38

本章參考文獻 41

第4 章　液壓泵多傳感器狀態(tài)監(jiān)測系統(tǒng) 42

4.1 狀態(tài)監(jiān)測試驗系統(tǒng)組成 42

4.2 軸向柱塞泵典型故障及故障特征頻率 43

4.2.1 軸向柱塞泵典型故障機理分析 43

4.2.2 軸向柱塞泵典型故障的特征頻率 44

4.3 振動傳感器及其測點位置的選擇 45

4.3.1 振動傳感器的選型 45

4.3.2 振動傳感器的安裝方式 46

4.3.3 x 和y 方向測點位置的選取 47

4.4 聲級計及其測點的選擇 53

4.4.1 聲級計的選型 53

4.4.2 聲級計測點的確定 53

4.5 軸向柱塞泵狀態(tài)監(jiān)測系統(tǒng) 54

4.6 軸向柱塞泵的故障模擬 55

4.7 試驗數(shù)據(jù)采集 56

4.7.1 信號采集的參數(shù)設(shè)置 56

4.7.2 故障模式下的試驗數(shù)據(jù)采集 56

本章參考文獻 56

第5 章　基于信號多信息域分析的故障特征提取 58

5.1 基于小波包濾波消噪及Hilbert包絡(luò)解調(diào)的信號處理 58

5.1.1 小波包濾波消噪 58

5.1.2 Hilbert變換包絡(luò)解調(diào)方法 60

5.1.3 基于小波包濾波消噪及包絡(luò)解調(diào)的信號處理 62

5.2 信號的時域特征提取 62

5.2.1 有量綱參量 62

5.2.2 無量綱參量 64

5.2.3 振動和聲音信號的時域特征提取 64

5.2.4 壓力信號的時域特征提取 67

5.3 信號的頻域特征提取 69

5.3.1 頻域特征參量 69

5.3.2 聲音信號的頻域特征提取 70

5.3.3 壓力信號的頻域特征提取 71

5.4 信號的時頻域特征提取 72

5.4.1 時頻域特征參量 72

5.4.2 信號的時頻域特征提取 73

5.5 信號的多信息域故障特征向量構(gòu)建 75

本章參考文獻 75

第6 章　灰靶理論在液壓泵故障等級評估中的應(yīng)用 77

6.1 灰色理論及灰靶理論分析方法 77

6.1.1 灰色理論概述 77

6.1.2 灰色理論診斷方法 78

6.1.3 灰靶理論及灰靶貢獻度 81

6.2 主分量分析及最大熵譜估計 83

6.2.1 信號的譜估計 83

6.2.2 主分量分析與故障信息分離 86

6.2.3 液壓泵故障信號的最大熵譜估計 87

6.3 基于灰靶理論的液壓泵故障模式識別 88

6.3.1 液壓泵故障診斷試驗系統(tǒng) 88

6.3.2 基于灰靶理論的液壓泵故障模式識別步驟 88

6.3.3 振動信號的預(yù)處理 90

6.3.4 故障振動信號功率譜分析及特征提取 91

6.3.5 基于灰靶理論的故障等級評估 94

本章參考文獻 96

第7 章　基于灰色神經(jīng)網(wǎng)絡(luò)的故障診斷方法 97

7.1 灰色神經(jīng)網(wǎng)絡(luò) 97

7.1.1 基于知識的故障診斷方法 97

7.1.2 灰色理論 98

7.1.3 神經(jīng)網(wǎng)絡(luò) 100

7.1.4 灰色理論與神經(jīng)網(wǎng)絡(luò)的結(jié)合 102

7.2 液壓泵狀態(tài)監(jiān)測試驗 104

7.2.1 液壓泵的狀態(tài)監(jiān)測 104

7.2.2 監(jiān)測數(shù)據(jù)的采集 105

7.3 基于灰色神經(jīng)網(wǎng)絡(luò)方法的故障診斷 107

7.3.1 信號處理 108

7.3.2 特征向量提取 112

7.3.3 灰色神經(jīng)網(wǎng)絡(luò)故障診斷 115

本章參考文獻 118

第8 章　基于混沌神經(jīng)網(wǎng)絡(luò)的故障診斷方法 119

8.1 混沌神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ) 119

8.1.1 混沌及其特征 119

8.1.2 混沌的判據(jù) 121

8.1.3 Logistic映射分析 122

8.1.4 神經(jīng)網(wǎng)絡(luò)概述 124

8.1.5 誤差反向傳播神經(jīng)網(wǎng)絡(luò) 125

8.1.6 前向混沌神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法 127

8.2 液壓泵振動信號的分析與處理 131

8.2.1 短時最大熵譜分析 131

8.2.2 小波包帶通濾波和消噪 132

8.2.3 Hilbert包絡(luò)解調(diào) 133

8.3 混沌神經(jīng)網(wǎng)絡(luò)在液壓泵故障診斷中的應(yīng)用 135

8.3.1 基于前向混沌神經(jīng)網(wǎng)絡(luò)的故障診斷過程 135

8.3.2 液壓泵各狀態(tài)振動信號的采集 136

8.3.3 前向混沌神經(jīng)網(wǎng)絡(luò)的設(shè)計 136

8.3.4 液壓泵故障診斷及結(jié)果分析 139

本章參考文獻 144

第9 章　基于聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的故障診斷方法 145

9.1 聯(lián)想記憶神經(jīng)網(wǎng)絡(luò) 145

9.1.1 離散Hopfield神經(jīng)網(wǎng)絡(luò) 145

9.1.2 聯(lián)想記憶 149

9.1.3 聯(lián)想記憶網(wǎng)絡(luò)應(yīng)用舉例 152

9.2 Hopfield網(wǎng)絡(luò)的結(jié)構(gòu)改進和學(xué)習(xí)算法 154

9.2.1 反向傳播網(wǎng)絡(luò) 154

9.2.2 聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)改進 157

9.2.3 粒子群優(yōu)化算法 158

9.2.4 PSO算法對Hopfield網(wǎng)絡(luò)權(quán)值的優(yōu)化 160

9.3 基于聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的液壓泵故障診斷 161

9.3.1 振動信號的采集 161

9.3.2 信號預(yù)處理及故障特征提取 162

9.3.3 聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置 164

9.3.4 基于聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的液壓泵故障識別 168

9.3.5 基于聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的樣本交叉循環(huán)訓(xùn)練的故障識別 172

本章參考文獻 174

第10 章　基于免疫危險理論的故障診斷方法 175

10.1 人工免疫系統(tǒng)與免疫危險理論 175

10.1.1 生物免疫系統(tǒng) 175

10.1.2 人工免疫系統(tǒng) 177

10.1.3 人工免疫系統(tǒng)的求解算法 178

10.1.4 免疫危險理論 180

10.2 液壓泵各狀態(tài)振動信號的采集與預(yù)處理 182

10.2.1 振動信號的采集 182

10.2.2 共振信號的解調(diào) 183

10.2.3 液壓泵故障狀態(tài)特征信息的提取 188

10.3 免疫危險理論在特征降維與故障診斷中的應(yīng)用 191

10.3.1 基于免疫危險理論的液壓泵振動信號特征選擇算法 191

10.3.2 基于免疫危險理論的故障診斷算法 197

本章參考文獻 205

第11 章　基于HHT 和模糊C 均值聚類的故障診斷方法 207

11.1 基于Hilbert-Huang變換的軸向柱塞泵振動信號分析 207

11.1.1 Hilbert-Huang變換 207

11.1.2 軸向柱塞泵狀態(tài)信號的采集 210

11.1.3 滑靴磨損故障振動信號分析 211

11.1.4 松靴故障振動信號分析 214

11.1.5 中心彈簧失效故障振動信號分析 216

11.2 基于Hilbert-Huang變換的軸向柱塞泵壓力信號分析 219

11.2.1 正常狀態(tài)壓力信號分析 219

11.2.2 滑靴磨損故障壓力信號分析 221

11.2.3 松靴故障壓力信號分析 224

11.2.4 中心彈簧失效故障壓力信號分析 226

11.3 基于HHT的故障特征向量提取 229

11.3.1 局部邊際能量譜及特征能量 229

11.3.2 振動信號的特征提取 229

11.3.3 壓力信號的特征提取 233

11.4 基于模糊C 均值聚類的模式識別 236

11.4.1 模式識別和模糊聚類 236

11.4.2 模糊C 均值聚類算法 237

11.4.3 基于FCMC算法和振動信號的軸向柱塞泵故障識別 238

11.4.4 基于FCMC算法和壓力信號的軸向柱塞泵故障識別 239

本章參考文獻 242

第12 章　信息熵理論在健康狀態(tài)評估中的應(yīng)用 243

12.1 信號在不同分析域中的信息熵特征 243

12.1.1 信息系統(tǒng)的分析模型 243

12.1.2 信息熵的概念 243

12.1.3 信息熵的性質(zhì) 244

12.1.4 振動信號時域信息熵特征提取 245

12.1.5 振動信號的頻域信息熵特征提取 246

12.1.6 振動信號時頻域信息熵特征提取 247

12.2 滑靴油膜理論 248

12.2.1 滑靴的磨損形式 249

12.2.2 油膜的熱楔效應(yīng) 249

12.2.3 圓盤的油膜擠壓效應(yīng) 250

12.2.4 靜壓支承油膜理論 250

12.2.5 滑靴斜盤摩擦副受力分析 253

12.2.6 滑靴偏磨 255

12.3 液壓泵健康狀態(tài)評估的試驗研究 256

12.3.1 液壓泵健康評估試驗系統(tǒng) 256

12.3.2 試驗步驟 257

12.3.3 試驗結(jié)果分析 257

本章參考文獻 266

第13 章　基于聲音信號的核主元分析故障診斷方法 268

13.1 PCA的基本原理 268

13.1.1 PCA模型 268

13.1.2 統(tǒng)計量的確定 269

13.2 KPCA的基本原理 270

13.2.1 KPCA模型 270

13.2.2 核函數(shù)的選取 271

13.2.3 統(tǒng)計量的確定 272

13.3 基于聲音信號的KPCA故障診斷方法 272

13.3.1 核主元模型的構(gòu)建步驟 272

13.3.2 在線檢測的步驟 272

13.4 試驗研究 273

13.4.1 聲音信號分析 273

13.4.2 聲音信號的特征向量提取 274

13.4.3 基于聲音信號的KPCA故障診斷方法的診斷結(jié)果 277

13.4.4 基于聲音信號的PCA故障診斷方法的診斷結(jié)果 278

13.4.5 基于振動信號的KPCA故障診斷方法的診斷結(jié)果 279

13.4.6 診斷結(jié)果比較 279

本章參考文獻 280

第14 章　指數(shù)加權(quán)動態(tài)核主元分析的故障診斷方法 281

14.1 指數(shù)加權(quán)動態(tài)自回歸統(tǒng)計模型 281

14.1.1 指數(shù)加權(quán)主元分析模型 281

14.1.2 基于滑動時間窗口的數(shù)據(jù)更新 281

14.1.3 指數(shù)加權(quán)核主元分析模型 282

14.1.4 指數(shù)加權(quán)核主元分析模型的特點 282

14.2 指數(shù)加權(quán)動態(tài)核主元分析法的建模與故障診斷 283

14.2.1 第1個時間窗口的建模與故障診斷 283

14.2.2 第1個時間窗口以后各窗口的建模與故障診斷 283

14.3 試驗研究 285

14.3.1 振動信號分析 285

14.3.2 振動信號的特征向量提取 286

14.3.3 指數(shù)加權(quán)動態(tài)核主元分析的故障診斷方法的診斷結(jié)果 287

本章參考文獻 289

第15 章　SVM 與證據(jù)理論集成的多源信息融合故障診斷方法 291

15.1 證據(jù)理論 291

15.1.1 證據(jù)理論中的幾個重要概念 291

15.1.2 證據(jù)區(qū)間的描述 292

15.1.3 信度函數(shù)的融合規(guī)則 292

15.2 基于矩陣分析的融合算法 293

15.2.1 置信度分配矩陣 293

15.2.2 算法描述 293

15.3 基本概率分配的確定方法 294

15.3.1 基于BP神經(jīng)網(wǎng)絡(luò)確定基本概率分配 294

15.3.2 基于SVM 確定基本概率分配 295

15.4 基于證據(jù)理論的多源信息融合故障診斷方法 297

15.4.1 故障特征參量的提取 297

15.4.2 故障診斷過程的實現(xiàn) 298

15.5 試驗研究 298

15.5.1 信號處理 299

15.5.2 基本概率分配的確定 300

15.5.3 試驗結(jié)果分析 303

本章參考文獻 305 2100433B

本書系統(tǒng)地闡述了近年來液壓氣動系統(tǒng)故障診斷領(lǐng)域新發(fā)展的各種理論方法,并通過液壓系統(tǒng)的故障診斷實驗進行了有效的驗證。分析了液壓氣動系統(tǒng)常見故障產(chǎn)生的機理,介紹了相關(guān)的工程應(yīng)用實例,并總結(jié)了行之有效的故障排除方法,為機械設(shè)備健康狀態(tài)評估提供了新的思路。

全書理論聯(lián)系工程實際,各章內(nèi)容均為作者長期從事液壓設(shè)備狀態(tài)監(jiān)測與故障診斷研究工作的成果。適用于從事設(shè)備狀態(tài)監(jiān)測和故障診斷工作的工程技術(shù)人員閱讀,也可供高等學(xué)校相關(guān)專業(yè)師生參考。

前言

第1章 緒論

1.1 設(shè)備狀態(tài)監(jiān)測與故障診斷

1.1.1 設(shè)備狀態(tài)監(jiān)測

1.1.2 設(shè)備診斷技術(shù)

1.1.3 設(shè)備狀態(tài)維修

1.2 電機狀態(tài)監(jiān)測與故障診斷

1.2.1 電機故障

1.2.2 電機故障的分析方法

1.2.3 電動機狀態(tài)監(jiān)測與故障診斷

1.2.4 發(fā)電機狀態(tài)監(jiān)測與故障診斷

第1篇 交流電機故障的分析方法

第2章 異步電機繞組故障的穩(wěn)態(tài)分析方法

2.1　概述

2.2　多回路分析的回路電氣參數(shù)計算

2.3　諧波對電感參數(shù)計算的影響

2.4　異步電動機回路方程及穩(wěn)態(tài)分析方法

2.5　定子繞組匝間短路故障的仿真與實驗分析

2.6　轉(zhuǎn)子繞組故障的特征量分析

2.7　轉(zhuǎn)子斷條故障分析

2.8　轉(zhuǎn)子端環(huán)斷裂的分析

2.9　轉(zhuǎn)子繞組故障對電機轉(zhuǎn)矩、轉(zhuǎn)速的影響

2.10　負(fù)載狀態(tài)的影響

第3章 異步電機繞組故障的暫態(tài)分析方法

3.1　概述

3.2　電機內(nèi)部故障的暫態(tài)分析模型

3.3　電機轉(zhuǎn)子繞組故障對起動電源時域波形的影響

3.4　轉(zhuǎn)子繞組故障與電機起動時間、起動轉(zhuǎn)矩及轉(zhuǎn)子電流的關(guān)系

3.5　陰抗中的諧波對電機故障暫態(tài)分析的影響

第4章 同步電機繞組故障的分析方法

第2篇 電機狀態(tài)監(jiān)測與故障診斷的理論及方法

第5章 狀態(tài)監(jiān)測與故障診斷中的數(shù)據(jù)采集

第6章 狀態(tài)監(jiān)測與故障診斷系統(tǒng)常用的傳感器

第7章 故障診斷中的信號處理技術(shù)

第8章 診斷理論與智能診斷方法

第9章 電機壽命預(yù)測技術(shù)

第3篇 電機故障診斷應(yīng)用技術(shù)與實例

第10章 電機溫度與紅外診斷技術(shù)

第11章 電機絕緣監(jiān)測與診斷

第12章 電機振動的監(jiān)測與診斷

第13章 電機噪聲的測量與診斷

第14章 電機軸承的故障診斷

第15章 電動機的監(jiān)測與診斷技術(shù)

第16章 發(fā)電機故障診斷技術(shù) 2100433B

《機械設(shè)備狀態(tài)監(jiān)測與故障診斷》共十三章，主要內(nèi)容分為：①診斷基礎(chǔ)知識，包括測試系統(tǒng)特性，故障探測傳感器、中間變換裝置、顯示記錄裝置以及信號分析與處理。②機械設(shè)備的振動及噪聲監(jiān)測與故障診斷。③其他診斷技術(shù)，包括潤滑油磨粒檢測、溫度監(jiān)測、超聲波和射線探傷及聲發(fā)射技術(shù)。

《機械設(shè)備狀態(tài)監(jiān)測與故障診斷》對機械設(shè)備狀態(tài)監(jiān)測與故障診斷作了較全面的介紹。在編寫中注重理論聯(lián)系實際，使內(nèi)容通俗易懂，并收集了一定的診斷實例，還考慮了適合中等專科層次的教學(xué)特點。

第1章 緒 論

第2章 故障診斷理論與方法

第3章 狀態(tài)監(jiān)測系統(tǒng)

第4章 電力變壓器的監(jiān)測與故障診斷

第5章 發(fā)電機的監(jiān)測與故障診斷

第6章 GIS和高壓開關(guān)設(shè)備的監(jiān)測與故障診斷

第7章 電容型設(shè)備的在線監(jiān)測與診斷

第8章 避雷器的在線監(jiān)測與故障診斷

第9章 電力電纜與互感器的故障診斷

第10章 遠程故障診斷技術(shù)

第11章 電力設(shè)備事故與故障統(tǒng)計分析

第12章 智能電網(wǎng)

附錄 2100433B