●前言
第1章 緒論
1.1 滾動軸承故障診斷與健康維護的研究背景及意義
1.2 滾動軸承故障診斷與健康維護國內外研究現狀
1.2.1 滾動軸承異常狀態檢測
1.2.2 滾動軸承故障診斷
1.2.3 滾動軸承性能退化評估
1.2.4 滾動軸承剩餘壽命預測
1.3 本書的主要內容
參考文獻
第2章 基於隨機矩陣理論的滾動軸承早期異常檢測與性能退化評估
2.1 隨機矩陣理論簡介
2.1.1 常見隨機矩陣
2.1.2 M-P律
2.1.3 半圓律
2.1.4 單環理論
2.2 滾動軸承監測數據隨機矩陣構造
2.2.1 IMS滾動軸承全壽命數據構造實例
2.2.2 XJTU-SY滾動軸承全壽命數據構造實例
2.3 基於優選最小特征值之比的滾動軸承早期異常檢測
2.3.1 基於優選最小特征值之比的滾動軸承異常檢測算法
2.3.2 應用研究
2.4 基於隨機矩陣綜合特征指標的滾動軸承早期異常檢測
2.4.1 隨機矩陣特征向量
2.4.2 基於綜合特征指標的滾動軸承早期異常檢測算法
2.4.3 應用研究
2.5 基於優選最小特征值之差的滾動軸承早期異常檢測
2.5.1 基於優選最小特征值之差的早期異常檢測算法
2.5.2 應用研究
2.6 基於隨機矩陣單環理論的滾動軸承性能退化評估
2.6.1 基於單環理論的滾動軸承性能退化評估算法
2.6.2 應用研究
2.7 基於隨機矩陣與主成分分析融合的滾動軸承性能退化評估
2.7.1 基於隨機矩陣指標的滾動軸承退化特征提取
2.7.2 基於隨機矩陣理論與PCA的滾動軸承性能退化評估算法
2.7.3 應用研究
2.8 本章小結
參考文獻
第3章 基於形態學濾波和噪聲輔助增強的滾動軸承早期故障診斷
3.1 形態學濾波理論及算法
3.1.1 數學形態學概述
3.1.2 數學形態學基本原理及算法
3.1.3 自適應形態學濾波器
3.1.4 仿真信號分析
3.2 變分模態分解算法
3.2.1 變分模態分解基本原理
3.2.2 經驗模態分解和變分模態分解對比分析
3.3 隨機共振理論
3.4 基於VMD的自適應形態學滾動軸承早期故障診斷
3.4.1 峭度-均方根優化準則優化形態素
3.4.2 基於VMD的自適應形態學濾波算法
3.4.3 仿真信號分析
3.4.4 應用研究
3.5 基於噪聲輔助特征增強的滾動軸承早期故障診斷
3.5.1 噪聲強度對Duffing振子隨機共振的影響分析
3.5.2 基於Duffing振子繫統隨機共振的信號特征增強算法
3.5.3 應用研究
3.6 本章小結
參考文獻
第4章 基於非參數貝葉斯和HMM的滾動軸承性能退化評估
4.1 隱馬爾可夫模型的介紹
4.1.1 隱馬爾可夫模型基本參數
4.1.2 隱馬爾可夫模型初始化
4.1.3 隱馬爾可夫模型的三個基本問題
4.2 基於CHMM的滾動軸承運行狀態識別
4.2.1 基於CHMM算法的滾動軸承性能退化評估算法
4.2.2 應用研究
4.3 非參數貝葉斯基本理論簡介
4.3.1 貝葉斯統計學理論
4.3.2 非參數貝葉斯模型
4.4 基於DPMM的滾動軸承退化狀態數研究
4.4.1 狄利克雷過程混合模型與算法
4.4.2 應用研究
4.5 基於HDP-HMM的滾動軸承性能退化評估研究
4.5.1 HDP-HMM
4.5.2 基於HDP-HMM的軸承退化狀態數確定
4.5.3 基於HDP-HMM的滾動軸承性能退化評估算法
4.5.4 應用研究
4.6 本章小結
參考文獻
第5章 基於K-S檢驗和數據驅動的滾動軸承性能退化評估與壽命預測
5.1 K-S檢驗基本理論
5.1.1 經驗分布函數型檢驗
5.1.2 經驗分布函數的應用
5.1.3 K-S檢驗原理
5.2 基於K-S檢驗的滾動軸承性能退化評估
5.2.1 基於K-S檢驗性能退化評估概述
5.2.2 基於K-S檢驗設備性能退化評估算法
5.2.3 置信度水平的確定
5.2.4 應用研究
5.3 基於K-S檢驗和LS-SVM的滾動軸承剩餘壽命預測
5.3.1 最小二乘支持向量機理論
5.3.2 最小二乘支持向量機算法
5.3.3 基於K-S檢驗和LS-SVM的滾動軸承壽命預測算法
5.3.4 應用研究
5.4 基於K-S距離的GM(1,1)的滾動軸承剩餘壽命預測
5.4.1 灰色模型基本理論
5.4.2 灰色模型建模方法
5.4.3 基於K-S距離和GM(1,1)的壽命預測算法
……

狀態監測和故障診斷對於保障機械設備服役安全具有重要作用和意義。本書面向滾動軸承的安全運行和預知維護，繫統開展了基於數據驅動的滾動軸承故障診斷理論與應用研究，著重闡述了基於隨機矩陣理論的早期異常檢測、基於形態學濾波和噪聲輔助增強的早期故障診斷、基於非參數貝葉斯和隱馬爾可夫模型的性能退化評估、基於K-S檢驗和數據驅動的性能退化評估與壽命預測、基於改進HMM和相似性分析的壽命預測等，涵蓋了滾動軸承全周期、全鏈條故障診斷與健康維護的新理論、新方法及新技術。本書介紹的內容及成果有利於實現軸承故障早期檢測與預報、構建智能運維繫統，有助於預防機械設備事故的發生。 本書可供高等院校、科研機構及企業中從事滾動軸承狀態監測、故障診斷與壽命預測等相關領域研究的科技人員使用參考，也可作為機械工程及相關學科專業教師、研究生和高年級本科生參考書。