●叢書序前言
第1章緒論1
1.1壓縮機在工業中的地位和作用1
1.2壓縮機故障診斷的目標和特點4
1.3壓縮機監測診斷研究及應用現狀6
1.3.1監測信號與傳感技術6
1.3.2故障機理與征兆聯繫7
1.3.3信號處理與特征提取8
1.3.4智能診斷與決策方法9
1.3.5商業化的監測診斷繫統10
參考文獻10
第2章離心壓縮機葉片的葉尖定時監測診斷13
2.1高速旋轉葉片監測技術概述13
2.1.1旋轉葉片監測技術研究現狀13
2.1.2葉尖定時監測技術研究現狀13
2.1.3葉尖定時監測技術存在的問題14
2.2葉尖定時監測技術的原理15
2.2.1葉尖定時監測技術基本原理15
2.2.2葉尖定時傳感器16
2.2.3葉片振動參數辨識方法18
2.3欠采樣葉尖定時信號的稀疏度自適應重構方法20
2.3.1葉尖定時監測繫統采樣模型20
2.3.2欠采樣葉尖定時信號的稀疏度自適應重構方法21
2.3.3數值建模及實驗驗證23
2.4噪聲干擾下葉尖定時信號降噪及方波整形算法25
2.4.1葉尖定時監測繫統誤差分析25
2.4.2噪聲干擾條件下葉尖定時信號準確提取方法30
2.4.3方波整形算法33
2.4.4實驗驗證39
2.5變轉速葉片的多鍵相振動監測方法41
2.5.1變轉速下葉片振動監測存在的挑戰41
2.5.2變轉速下多鍵相振動監測原理42
2.5.3基於多鍵相的葉片振動位移測量方程44
2.5.4基於數值建模及動力學仿真的方法驗證45
參考文獻51
第3章往復壓縮機早期故障的提升小波診斷53
3.1往復壓縮機早期故障診斷的難點53
3.2提升小波的原理54
3.3非抽樣提升小波包的構造59
3.4基於非抽樣提升小波包的頻率混疊消除原理63
3.5基於Volterra級數的邊界振蕩抑制66
3.6非抽樣提升小波包與奇異值分解相結合的信號降噪72
3.7非抽樣提升多小波包變換75
3.7.1提升多小波理論75
3.7.2冗餘提升多小波包變換76
3.8基於提升小波與混沌理論的往復壓縮機狀態評級79
3.8.1往復壓縮機缸套振動信號的混沌特性79
3.8.2往復壓縮機狀態評級91
參考文獻95
第4章壓縮機耦合故障的信息熵融合診斷97
4.1壓縮機常見耦合故障及其特點97
4.1.1壓縮機常見耦合故障97
4.1.2壓縮機耦合故障振動信號特征98
4.2壓縮機耦合故障診斷的難點與思路98
4.2.1壓縮機耦合故障診斷難點98
4.2.2壓縮機耦合故障診斷的思路99
4.3信息熵融合診斷理論101
4.3.1信息熵基本理論101
4.3.2信息熵故障分析方法101
4.4壓縮機振動信號的信息熵特征103
4.4.1時域奇異譜熵103
4.4.2自相關特征熵104
4.4.3頻域功率譜熵104
4.4.4小波空間狀態特征譜熵和小波能譜熵105
4.4.5小波包特征熵106
4.5壓縮機故障信息的盲源分離增強方法106
4.5.1盲源分離的基本數學模型107
4.5.2穩健獨立分量分析方法108
4.5.3基於穩健獨立分量分析的轉子仿真信號與實驗信號分析112
4.5.4工程應用-基於穩健獨立分量分析的離心壓縮機葉輪故障診斷119
4.6壓縮機耦合故障的波動熵診斷模型124
4.6.1波動熵特征敏感變換域的確定125
4.6.2波動度及波動熵特征的計算125
4.6.3基於波動熵的耦合故障診斷方法126
參考文獻127
第5章數據集不均衡下的壓縮機故障診斷129
5.1不均衡數據集的概念129
5.2不均衡數據分類常用方法129
5.3基於互信息的非監督式特征選擇132
5.3.1基於互信息的特征選擇132
5.3.2基於互信息的非監督式特征選擇方法原理133
5.3.3工程應用135
5.4不均衡數據的SMOTE上采樣算法142
5.4.1SMOTE算法142
5.4.2SMOTE算法中采樣率的實驗分析144
5.4.3壓縮機氣閥少數類樣本的采樣率分析148
5.5基於樣本不均衡度的加權C-SVM分類算法156
5.5.1加權C-SVM分類算法簡介156
5.5.2加權C-SVM算法性能分析157
5.6基於PSO和GA算法的加權C-SVM分類模型159
5.6.1粒子群優化算法160
5.6.2基於PSOA的加權C-SVM分類器162
5.6.3遺傳算法166
5.6.4基於PSOA和GA的加權C-SVM分類模型應用168
參考文獻171
第6章變工況下壓縮機故障的遷移診斷173
6.1變工況下壓縮機診斷的難題173
6.2遷移學習與領域自適應學習174
6.3符號近似聚合和關聯規則相結合的變工況下故障特征挖掘方法177
6.3.1關聯規則及其在信號特征挖掘中的應用177
6.3.2適用於信號特征挖掘的Apriori算法178
6.3.3基於等概率關聯規則挖掘方法179
6.3.4特征挖掘案例分析183
6.4基於領域自適應的變工況齒輪箱遷移診斷188
6.4.1邊緣降噪編碼器189
6.4.2卷積神經網絡190
6.4.3AMDA特征學習模型191
6.4.4實驗分析193
6.5遷移診斷模型穩定性和適應性定量分析199
6.5.1目標工況正常樣本不同比例輔助數據性能分析200
6.5.2目標工況三類狀態數據樣本輔助數據性能分析204
6.5.3遷移率定義和計算208
參考文獻210
第7章壓縮機故障的振動與紅外融合診斷212
7.1振動與紅外融合的目的與意義212
7.2紅外圖像用於故障診斷的機理212
7.2.1紅外成像原理212
7.2.2紅外圖像特點213
7.2.3紅外圖像特征提取214
7.2.4實例分析217
7.3紅外圖像故障信息的非下采樣輪廓變換增強方法223
7.3.1非下采樣輪廓變換方法223
7.3.2基於NSCT的紅外圖像增強方法228
7.3.3基於粒子群優化的增強參數確定方法230
7.3.4實例分析232
7.4圖像分割與故障敏感區域選擇235
7.4.1基於網格劃分的圖像分割方法235
7.4.2基於離散度分析的敏感區域選取238
7.4.3實例分析239
7.5基於卷積神經網絡的壓縮機振動與紅外融合診斷方法243
7.5.1基於相關分析的異類信息融合244
7.5.2卷積神經網絡247
7.5.3基於相關分析與卷積神經網絡結合的故障診斷251
7.5.4基於紅外圖像與振動信號融合的故障診斷實例分析252
參考文獻256
第8章壓縮機診斷標準的自適應建立方法258
8.1壓縮機診斷標準的適應性問題258
8.2壓縮機組故障模式庫的建立259
8.2.1壓縮機組故障模式庫的內容259
8.2.2故障模式庫制定依據259
8.2.3壓縮機組故障模式庫的建立261
8.3壓縮機個性化標準庫的建立方法261
8.3.1個性化標準庫的建立步驟261
8.3.2離心壓縮機個性化標準庫的建立262
8.4壓縮機診斷標準庫的動態更新方法266
8.5變速壓縮機振動閾值報警模型267
8.5.1RVM基本理論267
8.5.2基於RVM的閾值模型構建268
8.6變工況壓縮機診斷標準建立與驗證269
8.6.1丙烷壓縮機工作原理和現狀統計269
8.6.2變工況丙烷壓縮機組振動標準建立272
8.6.3實例分析與驗證275
8.7壓縮機狀態的區間特征根-模糊評估方法278
8.7.1往復壓縮機狀態評估指標體繫的建立279
8.7.2區間數模糊分析評估模型279
8.7.3往復壓縮機狀態評估實例分析283
參考文獻287
第9章壓縮機狀態退化預測和故障預後方法289
9.1壓縮機狀態預測的現狀與不足289
9.1.1壓縮機狀態預測技術研究現狀289
9.1.2壓縮機狀態預測技術的不足290
9.2壓縮機軸承性能退化的累積變換預測方法291
9.2.1累積損傷理論與累積變換算法291
9.2.2軸承性能退化的累積變換預測方法294
9.2.3軸承性能退化預測實例296
9.3大數據環境下壓縮機故障的高斯-深度玻爾茲曼機預測模型306
9.3.1高斯-深度玻爾茲曼機模型的預測原理306
9.3.2大數據環境下的數據清洗規則307
9.3.3高斯-深度玻爾茲曼機的預測模型構建307
9.3.4高斯-深度玻爾茲曼機預測模型應用312
9.4融合特征趨勢進化的壓縮機故障預後方法323
9.4.1故障預後融合特征指標的提取324
9.4.2壓縮機漸變性故障的預後方法324
參考文獻329
第10章壓縮機關鍵部件故障的仿真診斷技術331
10.1壓縮機仿真診斷的目的與意義331
10.2關鍵部件載荷-強度干涉模型定量可靠性分析與優化331
10.2.1載荷-強度干涉模型定量可靠性理論331
10.2.2可靠性定量分析與優化理論研究334
10.2.3基-蒙特卡洛模擬法的可靠性分析與優化理論336
10.3壓縮機關鍵部件的潛在失效模式及後果分析評價方法337
10.3.1壓縮機的可靠性、平均無故障時間、失效率指標分析方法337
10.3.2壓縮機潛在失效模式及後果分析可靠性評價模型的建立339
10.3.3壓縮機關鍵部件的潛在失效模式及後果分析可靠性分析方法研究340
10.4壓縮機關鍵部件故障的仿真診斷實例分析343
10.4.1固有特性分析在壓縮機關鍵部件故障診斷中的應用343
10.4.2靜力強度分析在壓縮機關鍵部件故障診斷中的應用348
10.4.3基於固有特性分析的壓縮機機組振動異常診斷354
10.4.4基於瞬態動力學分析的壓縮機機組振動異常診斷361
參考文獻367
第11章壓縮機智能診斷369
11.1智能診斷概述369
11.2壓縮機故障的深度學習智能診斷方法369
11.2.1深度學 369
……

《壓縮機故障現代診斷理論、方法及應用》基於作者團隊在壓縮機故障診斷方面積累的近20餘年研究成果與*新研究進展編寫而成。內容包括離心壓縮機葉片的葉尖定時監測診斷、往復壓縮機早期故障的提升小波診斷、壓縮機耦合故障的信息熵融合診斷、數據集不均衡下的壓縮機故障診斷、變工況下壓縮機故障的遷移診斷、壓縮機故障的振動與紅外融合診斷、壓縮機診斷標準的自適應建立、壓縮機狀態退化預測和故障預後、壓縮機關鍵部件故障的仿真診斷、壓縮機智能診斷，以及監測診斷技術在壓縮機上的典型應用。