● 篇基礎篇
章認識MATLAB
1.1MATLAB簡介
1.1.1MATLAB概述
1.1.2MATLAB的功能特點
1.2MATLAB的用戶界面
1.3MATLAB矩陣運算
1.3.1MATLAB中的變量
1.3.2基本矩陣的操作
1.3.3稀疏矩陣
1.3.4矩陣的運算
1.4MATLAB的編程基礎
1.4.1編程概述
1.4.2流程控制
1.4.3腳本文件
1.4.4函數文件
1.4.5M文件調試
1.5MATLAB繪圖及實用技巧
1.5.1繪圖
1.5.2實用技巧
第二篇信號處理篇
第2章信號處理分析基礎
2.1信號的分類和采樣定理
2.2常用信號的產生
2.2.1基本信號的產生
2.2.2仿真信號的生成
2.3實際信號的采集
2.3.1數據采集繫統設計的基本原則與一般步驟
2.3.2柴油發動機非穩態振動信號采集繫統
2.4信號的基本分析方法
2.4.1信號的時域分析
2.4.2信號的頻域分析
第3章時頻分析方法的MATLAB實現及應用研究
3.1短時Fourier變換的MATLAB實現
3.1.1短時Fourier變換基本原理
3.1.2短時Fourier變換的MATLAB函數及舉例
3.2Gabor變換的MATLAB實現
3.2.1Gabor變換
3.2.2Gabor變換的MATLAB函數及舉例
3.3Wignei-Ville時頻分布的MATLAB實現
3.3.1Wigner-Ville時頻分布
3.3.2wigner-Ville時頻分布的MATLAB函數及舉例
3.4時頻分布在機械故障診斷中的應用實例
第4章小波分析的MATLAB實現及應用研究
4.1小波分析的基本理論
4.1.1連續小波變換
4.1.2離散小波變換
4.1.3多分辨率分析
4.1.4小波包分析
4.2小波分析的主要函數介紹
4.2.1一維連續小波變換
4.2.2一維離散小波變換
4.2.3小波包變換
4.2.4信號的小波消噪
4.3小波分析在機械故障診斷中的應用實例
4.3.1基於小波降噪預處理的時頻分布診斷柴油機斷油故障
4.3.2小波頻帶能量累加法分析柴油機氣門磨損故障
4.3.3小波包-AR譜分析變速器軸承故障
第5章Hilbert-Huang變換的MATLAB實現及應用研究
5.1Hilbert-Huang變換的基本理論
5.1.1固有模態函數(IMF)
5.1.2EMD原理
5.1.3Hilbert譜與Hilbert邊際譜
5.1.4EMD的局限性
5.2Hilbert-Huang變換的MATLAB主要函數及實現
5.2.1Hilbert-Huang變換主要函數
5.2.2Hilbert-Huang變換仿真實例
5.3Hilbert-Huang變換在機械故障診斷中的應用實例
5.3.1EMD-AR譜提取柴油機活塞、活塞銷故障特征
5.3.2EMD-包絡譜變速器故障診斷
5.3.3基於EMD預處理的偽wVD時頻分布提取信號特征
5.3.4基於EMD-SVD變換的柴油機曲軸軸承故障特征提取
第6章分數階Fourier變換的MATLAB實現及應用研究
6.1分數階Fourier變換的基本理論
6.2分數階Fourier變換的特點
6.3分數階Fourier變換的應用
6.4分數階Fourier變換的基本理論
6.4.1基本定義
6.4.2主要性質
6.5分數階濾波的MATLAB函數實現
6.5.1FRFT自適應濾波原理
6.5.2FRFT自適應濾波階次確定
6.5.3FRFT自適應濾波的MATLAB實現
6.6基於分數階濾波的應用實例
6.6.1實驗臺設置
6.6.2機械故障診斷實例
第7章圖像處理技術的MATLAB實現及應用研究
7.1圖像處理的基本知識
7.1.1圖像的類別與數據格式
7.1.2圖像讀入、顯示和保存的MATLAB實現
7.1.3圖像格式轉換的MATLAB實現
7.1.4常用圖像處理方法的MATLAB實現
7.2基於對稱極坐標圖像的生成方法
7.2.1基於對稱極坐標圖像的生成
7.2.2對稱極坐標方法參數的選擇
7.2.3基於對稱極坐標方法的振動信號圖像的生成
7.3基於灰度共生矩陣的方法提取振動圖像特征
7.3.1灰度圖像生成方法
7.3.2灰度共生矩陣及特征參數
7.3.3振動信號灰度圖像的特征提取代碼實現
第三篇模式識別篇
第8章人工神經網絡的MATLAB實現及應用研究
8.1人工神經網絡的基本概念
8.1.1人
8.1.2傳遞函數
8.1.3人工神經網絡的分類和特點
8.2BP人工神經網絡
8.2.1BP人工神經網絡算法簡介
8.2.2BP人工神經網絡的MATLAB函數
8.2.3BP人工神經網絡在機械故障診斷中的應用
8.3徑向基函數神經網絡
8.3.1徑向基函數神經網絡算法簡介
8.3.2徑向基函數神經網絡的MATLAB函數
8.3.3徑向基函數神經網絡在機械故障診斷中的應用
第9章模糊理論的MATLAB實現及應用研究
9.1模糊理論基礎
9.1.1模糊集合
9.1.2模糊關繫
9.1.3模糊變換與模糊綜合評判
9.1.4If…then規則
9.1.5模糊推理
9.2模糊聚類分析
9.2.1模糊聚類基本概念
9.2.2模糊聚類分析的MATLAB實現
9.2.3模糊聚類分析在機械故障診斷中的應用
9.3模糊神經網絡
9.3.1模糊神經網絡的MATLAB實現
9.3.2模糊神經網絡在機械故障診斷中的應用
0章遺傳算法的MATLAB實現及應用研究
10.1遺傳算法簡介
10.1.1遺傳算法的基本原理
10.1.2遺傳算法分析
10.2遺傳算法的MATLAB實現
10.2.1編碼
10.2.2解碼
10.2.3選擇
10.2.4交叉
10.2.5變異
10.3遺傳算法在機械故障診斷中的應用
10.3.1診斷問題的數學描述
10.3.2遺傳算法在機械故障診斷中的應用實例
1章粒子群算法的MATLAB實現及應用研究
11.1粒子群算法的基本原理
11.2粒子群算法在機械故障診斷中的應用
11.2.1基於改進PS0的BP混合算法
11.2.2粒子群算法在機械故障診斷中的應用實例
2章支持向量機的MATLAB實現及應用研究
12.1支持向量機
12.1.1統計學習理論
12.1.2最優分類面
12.1.3支持向量機模型
12.2支持向量機的MATLAB實現
12.2.1支持向量分類的相關函數
12.2.2支持向量回歸的相關函數
12.2.3SVM工具箱中的其他函數
12.2.4數據的導入方法
12.2.5SVM工具箱的應用實例
12.3支持向量機在機械故障診斷中的應用
參考文獻
內容簡介
本書以MATLAB為學習工具和手段,將機械故障診斷中信號處理(特征提取)、模式識別的關鍵技術與工程應用有效結合,共分為基礎篇、信號處理篇和模式識別篇三篇內容。其中,靠前篇為MATLAB簡介,便於讀者掌握MATLAB的基本用法;後兩篇按照先介紹基本理論,再列出相關的MATLAB函數,很後結合車輛故障診斷案例的順序,采用MATLAB編程實現的架構進行講述,使讀者能夠有效掌握目前機械故障診斷領域優選實用的信號處理和模式識別方法。本書可作為高等院校機械工程、載運工具運用工程等學科的研究生、本科生的教材或參考書,對信號處理相關領域的科研人員亦有較大的幫助和參考價值。