機(jī)械故障診斷的復(fù)雜性理論與方法

定　價(jià)：￥59.00

作　者：	鄭近德潘海洋童靳于
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

當(dāng)當(dāng)網(wǎng) (￥41.30)

ISBN：	9787111730873	出版時(shí)間：	2023-07-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	179	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)對(duì)復(fù)雜性理論與方法及它們?cè)跈C(jī)械故障診斷領(lǐng)域的應(yīng)用進(jìn)行系統(tǒng)論述。全書(shū)共7章，主要介紹包括多尺度模糊熵、多尺度排列熵、多尺度散布熵、自適應(yīng)多尺度熵等在內(nèi)的多尺度復(fù)雜性理論，以及它們?cè)跈C(jī)械故障特征提取與診斷中的應(yīng)用等內(nèi)容。本書(shū)是在自然科學(xué)基金、重點(diǎn)研發(fā)計(jì)劃和安徽省自然科學(xué)基金等課題的支持下完成的，研究?jī)?nèi)容是目前外信號(hào)處理和故障診斷研究的新方向。本書(shū)的特點(diǎn)為理論研究、仿真和試驗(yàn)驗(yàn)證相結(jié)合，內(nèi)容新穎，在信號(hào)處理和機(jī)械故障診斷學(xué)科中具有較高的學(xué)術(shù)前沿性；在系統(tǒng)研究多尺度復(fù)雜性理論的基礎(chǔ)上，提出一系列基于多尺度復(fù)雜性理論的機(jī)械故障診斷方法，內(nèi)容由淺入深、體系完整。所提出的方法皆通過(guò)了試驗(yàn)驗(yàn)證，有的已被應(yīng)用到實(shí)際工程中。本書(shū)既可供各類(lèi)院校教師、研究生和高年級(jí)學(xué)生閱讀，又可供從事信號(hào)處理和機(jī)械故障診斷的技術(shù)人員參考。

作者簡(jiǎn)介

暫缺《機(jī)械故障診斷的復(fù)雜性理論與方法》作者簡(jiǎn)介

圖書(shū)目錄

前言第1章緒論11.1 非線性動(dòng)力學(xué)方法21.2 基于熵的復(fù)雜性理論發(fā)展歷程31.3 復(fù)雜性理論在機(jī)械故障診斷領(lǐng)域的應(yīng)用現(xiàn)狀5參考文獻(xiàn)8第2章基于熵的復(fù)雜性理論方法132.1 香農(nóng)熵132.2 近似熵132.3 樣本熵152.4 模糊熵162.5 排列熵172.6 散布熵192.7 仿真試驗(yàn)分析20參考文獻(xiàn)30第3章基于多尺度模糊熵的機(jī)械故障診斷方法323.1 多尺度模糊熵323.1.1 多尺度熵算法323.1.2 多尺度模糊熵算法333.2 復(fù)合多尺度模糊熵333.2.1 復(fù)合多尺度模糊熵算法333.2.2 仿真試驗(yàn)分析353.2.3 CMFE在滾動(dòng)軸承故障診斷中的應(yīng)用393.3 廣義精細(xì)復(fù)合多尺度模糊熵463.3.1 廣義精細(xì)復(fù)合多尺度模糊熵算法463.3.2 仿真試驗(yàn)分析473.3.3 GRCMFE在滾動(dòng)軸承故障診斷中的應(yīng)用513.4 多變量多尺度模糊熵593.4.1 多變量多尺度模糊熵算法603.4.2 仿真試驗(yàn)分析623.4.3 MMFE在行星齒輪箱故障診斷中的應(yīng)用64參考文獻(xiàn)71第4章基于多尺度排列熵的機(jī)械故障診斷方法734.1 多尺度排列熵734.2 復(fù)合多尺度排列熵744.2.1 復(fù)合多尺度排列熵算法744.2.2 CMPE參數(shù)選取及影響754.2.3 CMPE在滾動(dòng)軸承故障診斷中的應(yīng)用764.3 廣義復(fù)合多尺度排列熵804.3.1 廣義復(fù)合多尺度排列熵算法804.3.2 GCMPE參數(shù)選取及影響824.3.3 GCMPE在滾動(dòng)軸承故障診斷中的應(yīng)用844.4 復(fù)合多元多尺度排列熵874.4.1 多元多尺度排列熵算法874.4.2 復(fù)合多元多尺度排列熵算法884.4.3 仿真試驗(yàn)分析884.4.4 CMMPE在滾動(dòng)軸承故障診斷中的應(yīng)用90參考文獻(xiàn)99第5章基于多尺度散布熵的機(jī)械故障診斷方法1015.1 多尺度散布熵1015.1.1 多尺度散布熵算法1015.1.2 MDE參數(shù)選取及影響1025.1.3 MDE在滾動(dòng)軸承故障診斷中的應(yīng)用1035.2 復(fù)合多尺度散布熵1055.3 精細(xì)復(fù)合多尺度散布熵1065.3.1 精細(xì)復(fù)合多尺度散布熵算法1065.3.2 RCMDE在滾動(dòng)軸承故障診斷中的應(yīng)用1075.4 多元多尺度散布熵1105.4.1 多元散布熵算法1115.4.2 多元多尺度散布熵算法1125.5 精細(xì)復(fù)合多元多尺度散布熵1125.5.1 精細(xì)復(fù)合多元多尺度散布熵算法1125.5.2 仿真試驗(yàn)分析1135.5.3 RCMMDE和MCFS在滾動(dòng)軸承故障診斷中的應(yīng)用114參考文獻(xiàn)124第6章基于自適應(yīng)多尺度熵的機(jī)械故障智能診斷方法1266.1 粗?；c自適應(yīng)多尺度化分析1266.2 自適應(yīng)復(fù)合多尺度模糊熵1276.2.1 基于VMD的自適應(yīng)復(fù)合多尺度模糊熵算法1276.2.2 自適應(yīng)復(fù)合多尺度模糊熵在滾動(dòng)軸承故障診斷中的應(yīng)用1296.3 自適應(yīng)多尺度散布熵1346.3.1 自適應(yīng)多尺度散步熵算法1356.3.2 仿真試驗(yàn)分析1356.4 改進(jìn)經(jīng)驗(yàn)小波變換與散布熵138參考文獻(xiàn)147第7章其他復(fù)雜性理論與方法1497.1 余弦相似熵1497.1.1 余弦相似熵算法1507.1.2 CSE參數(shù)選取及影響1517.1.3 CSE與SE、FE對(duì)比分析1547.2 微分符號(hào)熵1567.2.1 微分符號(hào)熵算法1577.2.2 DSE參數(shù)選取及影響1587.2.3 軸承實(shí)測(cè)數(shù)據(jù)分析1647.3 多尺度時(shí)不可逆1687.3.1 多尺度時(shí)不可逆算法1697.3.2 仿真試驗(yàn)分析1707.4 動(dòng)力學(xué)符號(hào)熵1727.5 增量熵1747.6 時(shí)頻熵1757.7 反向散布熵175參考文獻(xiàn)177