机器学习与振动信号处理

图书标准信息

• 作者 杨宏晖
• 出版社 电子工业出版社
• 出版时间 2021-10
• 版次 1
• ISBN 9787121421242
• 定价 59.00元
• 装帧 其他
• 页数 220页

【内容简介】

本书详细地论述人工智能与机器学习的基础知识、振动信号处理基础知识、机器学习在振动信号处理中应用的基本理论和方法，提供各种应用实例，并阐述实现振动信号测试、分析、处理的软硬件系统，给出基于机器学习的振动信号测试、分析、处理的算法。本书内容具有典型的智、机、电跨学科特色。全书共10章，主要包括：绪论、振动测试传感器、振动测试系统、振动信号处理基础、振动信号时域处理、振动信号频域处理、基于虚拟仪器的振动信号测试与处理、机器学习基础、基于机器学习的振动信号识别原理与方法、基于机器学习的机械故障诊断。本书可作为高等院校机械、人工智能、电子信息工程、测控、自动化、计算机科学等专业技术课程的教材，也可作为相关领域的工程技术人员的参考书籍。

【作者简介】

杨宏晖，博士，西北工业大学航海学院副教授，中船重工第***研究所国防科技重点实验室客座专家、电子学会会员，获得西北工业大学教育教学先进个人、奖教金等，主要著作方向为信号与信息处理、自动测试测控、模式识别、环境工程等相关领域。

【目录】

目    录

第1章  绪论1

第2章  振动测试传感器3

2.1  振动的描述3

2.2  质点振动系统4

2.2.1  无阻尼振动系统的自由振动4

2.2.2  有阻尼振动系统的衰减振动5

2.2.3  质点的受迫振动6

2.3  工程中的振动测试方法7

2.4  常用的振动测试传感器8

2.4.1  电动式传感器8

2.4.2  电涡流式位移传感器8

2.4.3  电感式传感器9

2.4.4  电容式传感器9

2.4.5  压电式加速度传感器9

2.4.6  压电式力传感器10

2.4.7  阻抗头10

2.4.8  电阻应变式传感器10

2.4.9  激光测振仪11

2.5  本章小结11

第3章  振动测试系统12

3.1  激振系统12

3.1.1  激振信号分类12

3.1.2  激振器13

3.1.3  冲击锤14

3.2  压电式加速度传感器测量系统15

3.3  电涡流位移传感器测量系统15

3.4  传感器的安装方式16

3.5  振动测试仪器校准17

3.5.1  分部校准与系统校准方法17

3.5.2  校准法18

3.5.3  相对校准法19

3.6  振动测试系统中的常见问题19

3.6.1  系统噪声与抑制19

3.6.2  信号的隔离与屏蔽20

3.6.3  信号失真问题20

3.7  本章小结21

第4章  振动信号处理基础22

4.1  振动信号的定义与分类22

4.1.1  振动信号的定义22

4.1.2  振动信号的特性与分类22

4.2  振动信号处理的一般方法24

4.2.1  信号预处理常用方法24

4.2.2  振动信号的时域处理方法24

4.2.3  振动信号的频域处理方法24

4.3  高级振动信号处理方法24

4.4  轴承振动信号数据25

4.4.1  凯斯西储大学轴承数据采集实验25

4.4.2  轴承振动数据介绍26

4.5  本章小结29

第5章  振动信号时域处理30

5.1  时域统计分析30

5.1.1  时域统计分析的概述30

5.1.2  时域统计分析常用参数及指标30

5.2  相关分析31

5.2.1  自相关分析的原理、算法及实现32

5.2.2  自相关消噪和周期提取仿真实验34

5.2.3  自相关消噪和周期提取实测实验37

5.2.4  互相关分析的原理、算法及实现41

5.2.5  互相关实测实验42

5.3  积分和微分变换43

5.3.1  积分和微分的基本原理44

5.3.2  积分和微分在振动信号处理中的应用44

5.4  本章小结44

第6章  振动信号频域处理45

6.1  频域处理简介45

6.2  傅里叶变换45

6.3  功率谱密度函数46

6.3.1  自功率谱分析的原理、算法及实例47

6.3.2  互功率谱分析的原理及算法49

6.4  频率响应函数与相干函数50

6.4.1  频率响应函数分析的原理及算法50

6.4.2  相干函数分析的原理及算法51

6.5  窗函数在振动信号处理中的应用53

6.5.1  加窗对振动信号处理的影响53

6.5.2  常用窗函数的特性分析与对比53

6.5.3  窗函数的选择原则55

6.5.4  窗函数选择实验55

6.6  三分之一倍频程分析的原理、算法、实现与应用57

6.6.1  三分之一倍频程分析的原理57

6.6.2  三分之一倍频程分析的算法57

6.6.3  高斯白噪声的三分之一倍频程分析实验58

6.7  倒频谱分析的原理、算法、实现与应用60

6.7.1  实倒谱分析的原理、算法与实现61

6.7.2  复倒谱分析的原理及算法61

6.7.3  倒频谱分析进行故障检测的仿真实验62

6.7.4  实测轴承振动信号的倒频谱分析实验64

6.8  本章小结66

第7章  基于虚拟仪器的振动信号测试与处理67

7.1  虚拟仪器67

7.1.1  虚拟仪器的概念67

7.1.2  实验室虚拟仪器工程平台68

7.2  基于虚拟仪器的振动信号时域处理69

7.2.1  时域统计分析69

7.2.2  相关分析71

7.3  基于虚拟仪器的振动信号频域处理79

7.3.1  加窗处理79

7.3.2  三分之一倍频程处理82

7.3.3  倒谱处理85

7.4  阻抗参数测试88

7.4.1  机械阻抗理论88

7.4.2  隔振器阻抗参数测试原理88

7.4.3  隔振器阻抗参数测试系统及振动信号采集89

7.4.4  基于虚拟仪器的隔振器阻抗测试平台91

7.5  阻尼测试98

7.5.1  阻尼测试原理98

7.5.2  阻尼测试系统及振动信号采集99

7.5.3  稳态方法的信号处理101

7.5.4  瞬态方法的信号处理104

7.6  本章小结108

第8章  机器学习基础110

8.1  机器学习概念110

8.1.1  机器学习问题110

8.1.2  机器学习算法的分类110

8.2  回归分析的含义、分类及应用110

8.3  一元线性回归111

8.3.1  一元线性回归模型111

8.3.2  损失函数111

8.3.3  一元线性回归算法及分析112

8.4  梯度下降法114

8.4.1  随机梯度下降法114

8.4.2  批量梯度下降法115

8.4.3  小批量梯度下降法115

8.5  多元线性回归116

8.5.1  多元线性回归原理116

8.5.2  多元线性回归应用实例117

8.6  逻辑回归118

8.6.1  逻辑回归原理118

8.6.2  逻辑回归分类算法应用实例120

8.7  本章小结121

第9章  基于机器学习的振动信号识别原理与方法122

9.1  基于机器学习的振动信号识别原理122

9.2  支持向量机122

9.2.1  线性支持向量机122

9.2.2  非线性支持向量机124

9.2.3  SVM多类分类算法125

9.2.4  SVM分类器的分类性能估计125

9.3  浅层神经网络126

9.3.1  神经网络概述126

9.3.2  BP神经网络算法129

9.4  深度学习神经网络132

9.4.1  深度置信网络132

9.4.2  深度卷积神经网络136

9.5  本章小结139

第10章  基于机器学习的机械故障诊断140

10.1  机械故障诊断140

10.1.1  建立机械故障诊断需求140

10.1.2  机械故障诊断调查的步骤140

10.1.3  故障模式症状分析141

10.1.4  评级指南141

10.1.5  用于诊断的数据与信息144

10.1.6  机器故障诊断方法145

10.2  滚动轴承概述150

10.2.1  轴承的分类150

10.2.2  滚动轴承的基本结构150

10.2.3  滚动轴承的主要振动来源151

10.3  轴承振动信号特性153

10.3.1  时域特性153

10.3.2  频域特性158

10.3.3  轴承状态的简易诊断163

10.4  基于CNN的轴承故障类型的诊断165

10.4.1  CNN基本结构分析165

10.4.2  诊断流程166

10.4.3  故障轴承数据预处理166

10.4.4  CNN结构设计167

10.4.5  诊断结果与分析167

10.5  本章小结168

附录A  振动测试相关标准169

附录B  阻尼材料  阻尼性能测试方法GB/T 18258—2000171

附录C  振动与冲击  机械导纳的实验确定178

附录D  声学与振动  弹性元件振动——声传递特性实验室测量方法192

参考文献210