●1 緒論
1. 1 機械故障診斷的發展與現狀
1.1. 1 國外研究現狀
1.1.2 故障診斷技術的發展趨勢
1. 2 故障診斷方法與技術概述
1.2.1 信息融合故障診斷
1.2. 2 信號預處理技術
1.2.3 神經網絡故障診斷
1.2.4 盲源分離故障診斷
1.2.5 故障診斷專家繫統
1.3 本書的研究意義與應用前景
1.4 本書的主要內容與結構安排
2 自適應提升小波信號處理方法研究
2.1 排煙風機信號預處理問題的提出
2.2 小波去噪閾值函數設計
2. 2.1 現有閾值函數分析
2.2.2 本書設計的改進閾值函數
2.2.3 閾值函數去噪性能比較
2. 3 提升小波自適應去噪算法研究
2.3.1 信號局部特征的時域估計方法設計
2.3.2 基於信號局部特征的小波函數選擇
2.3.3 信號突變點的平滑遞變階次提升小波函數設計
2.3.4 基於信號局部特征的自適應小波閾值選擇
2.3.5 仿真與實驗
2.4 信號頻域特征的小波消混校正方法設計
2.4.1 小波分析的頻域特征提取
2. 4. 2 小波分解中頻率混淆的校正方法設計
2.4.3 消除小波分析頻率混淆算法設計
2. 4.4 小波混頻改進算法應用
2. 5 本章小結
3 動態故障源數估計的自適應盲源分離方法研究
3.1 數據層融合診斷問題的提出
3.2 動態故障源的源數估計算法研究
3. 2.1 現有信號源數估計方法
3.2.2 基於拓展四階累積量矩陣與奇異值分解的
源數估計算法研究
3.2.3 拓展四階累積量矩陣源數估計實驗
3.3 基於動態故障源數估計的自適應盲源分離算法研究
3. 3.1 分析的超定盲源分離算法
3.3.2 基分析的欠定盲源分離算法
3.3. 3 自適應盲源分離算法
3.4 盲源分離實驗分析
3.5 本章小結
4 綜合BP與ART2網絡的改進型神經網絡故障診斷方法研究
4.1 神經網絡故障診斷的不足
4.2 改進型BP-ART2神經網絡設計
4.2.1 引入非線性映射的BP-ART2神經網絡結構設計
4.2.2 ART2神經網絡自適應警戒參數與聚類設計
4.3 改進型BP-ART2神經網絡故障診斷繫統的計算方法
4.3.1 參數及權值初始化
4. 3.2 訓練過程的計算步驟
4.3.3 診斷過程計算步驟
4.4 實驗分析
4.5 本章小結
5 黑板型多專家機電融合故障診斷方法研究
5.1 多專家診斷問題的提出
5.2 排煙風機故障診斷的黑板型多專家融合繫統結構設計
5.3 黑板型多專家機電融合診斷方法研究
5.3.1 排煙風機機電融合診斷方法研究
5.3.2 多專家機電信息融合診斷算法
5.4 實驗與診斷
5.5 本章小結
6 多傳感器與多診斷方法的決策融合診斷
6.1 排煙風機全局決策融合診斷結構設計
6.2 多傳感器加權激勵融合診斷方法研究
6.2.1 多傳感器之間的相關加權繫數設計
6.2.2 不同位置傳感器在融合診斷中的權重設計
6.2.3 多傳感器加權繫數的激勵
6.2.4 多傳感器兩兩加權激勵的綜合融合
6. 2.5 多傳感器加權激勵融合診斷步驟
6.3 多診斷方法局部診斷結果的決策融合設計
6.3.1 決策融合規則
6.3.2 排煙風機故障診斷決策融合算法設計
6.4 決策融合實驗與診斷
6.4.1 對兩兩傳感器加權激勵融合
6.4.2 多局部診斷方法的決策融合
6.5 本章小結
7 排煙風機狀態監測與故障診斷繫統設計
7.1 排煙風機監測點與傳感器設置
7.2 微機集中監測式與DSP分布式監測繫統硬件設計
7.2.1 微機集中監測與故障診斷繫統
7.2.2 DSP分布式實時監測與故障診斷繫統
7.3 排煙風機監測與故障診斷繫統軟件設計
7.3.1 微機集中監測繫統數據采集軟件設計
7.3.2 DSP分布式監測繫統軟件設計
7.3.3 上位機監測與管理軟件設計
7.4 繫統調試與現場應用實例
7.4.1 繫統分析、設計與調試
7.4.2 現場應用實例
7.5 本章小結
參考文獻