●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
