大型旋轉機械運行狀態趨勢預測（簡體書）

機械系統運行狀態的趨勢預測技術是一種在故障發生前進行早期故障預示的現代技術。《大型旋轉機械運行狀態趨勢預測》面向大型旋轉機械的安全運行，特別針對其長歷程、變工況、非平穩狀態，著重闡述了大型旋轉機械運行狀態趨勢預測技術的新進展、新理論、新方法及新技術，對所提出的相關理論方法進行了實驗研究和應用研究，并給出了一些相關的工程應用實例。《大型旋轉機械運行狀態趨勢預測》所介紹的內容有利于預防設備事故發生，有助于實現設備科學維護。《大型旋轉機械運行狀態趨勢預測》可供高等院校、研究院所以及企業中從事機電系統運行狀態監測、故障診斷與故障趨勢預測等相關研究領域的科技人員使用參考，也可作為機械工程以及相關學科專業的教師、研究生和高年級本科生的教材或參考書。

徐小力，北京信息科技大學教授，博士生導師，中國機械工業科技專家，全國優秀教師，享受國務院特殊津貼。畢業于清華大學機械系，工學博士。現任現代測控技術教育部重點實驗室主任。機電系統測控北京市重點實驗室學術委員會主任，北京理工大學、中國農業機械化科學研究院兼職博士生導師，日本國立福井大學客座教授，中國機械工程學會設備與維修工程分會副主任兼設備監測與診斷技術學術委員會主任，中國設備管理協會安全生產技術委員會副主任等。研究方向為機電系統測控技術，主要包括設備狀態監測、故障診斷和故障預測等。主持國家級，省部級以及與企業合作的科研項目六十多項，在國內外發表學術論文二百余篇，研究成果應用于制造業、機械電子、儀器儀表以及能源開發和環境保護等領域。主持完成的研究成果獲國家科學技術進步獎二等獎、中國機械工業科學技術獎一等獎等科學技術獎項共十項。
王紅軍，北京信息科技大學教授。北京市普通高等學校青年骨干教師。1993年畢業于西北工業大學獲工學碩士學位，2005年畢業于北京理工大學獲工學博士學位。現任現代測控技術教育部重點實驗室副主任，中國振動學會機械動力學學會理事。主要研究方向為機電系統狀態監測、故障診斷預測、數控裝備及制造信息化。近年來主持和作為主要完成人承擔了國家自然科學基金項目、北京市自然科學基金項目、國家科技重大專項項目、北京市科技計劃項目等科研項目數十項。出版教材五部。在國內外學術刊物上發表論文八十余篇。研究成果獲得國家機械工業局科學技術進步獎等。

序
前言
第1章 緒論
1.1 大型旋轉機械運行狀態及故障趨勢預測的研究意義
1.2 大型旋轉機械運行狀態及故障趨勢預測的相關研究進展
1.3 大型旋轉機械運行狀態及故障趨勢預測的研究現狀
1.4 本書研究的主要內容
參考文獻

第2章 大型旋轉機械運行狀態及故障趨勢預測的信號處理方法
2.1 狀態及故障趨勢預測中的平穩信號分析方法
2.2 狀態及故障趨勢預測中的非平穩信號分析方法
2.2.1 短時傅里葉變換
2.2.2 小波分析
2.2.3 經驗模態分析的基本原理
2.2.4 短時傅里葉變換、小波分析和Hilbert_Huang變換的比較
2.3 基于數學形態譜的趨勢預測特征提取方法
2.4 基于循環平穩度的趨勢預測特征提取方法
2.5 基于無量綱參數的趨勢預測特征提取方法
2.5.1 重復性描述因子Rf
2.5.2 相似性描述因子Ff
2.5.3 跳躍性描述因子Jf
2.6 基于經驗模態分解的趨勢預測特征提取方法
2.6.1 基于經驗模態分解的Hilbert-Huang變換
2.6.2 經驗模態分解中的端點效應及其抑制方法
2.6.3 幾種經驗模態分解端點效應抑制方法的比較
2.6.4 基于經驗模態分解的典型旋轉機械趨勢預測特征提取驗證
參考文獻

第3章 基于模型的大型旋轉機械運行狀態及故障的趨勢預測
3.1 基于模型的趨勢預測研究描述
3.2 灰色預測
3.2.1 灰色預測模型
3.2.2 灰色預測特點
3.2.3 干涉因子灰色預測改進模型
3.2.4 GMAR組合預測改進模型
3.2.5 中心差分灰色模型
3.3 分離趨勢項組合預測模型
3.3.1 分離趨勢項組合預測模型的設計
3.3.2 分離趨勢項組合模型的烈度預測
3.3.3 分離趨勢項組合模型預測結果分析
3.4 基于振動頻率分量敏感因子的趨勢預測模型
3.4.1 振動頻率分量基本概念
3.4.2 振動頻率分量敏感因子趨勢預測方法
3.4.3 振動頻率分量敏感因子趨勢預測結果分析
3.5 基于隱馬爾可夫模型的預測技術及其優化
3.5.1 隱馬爾可夫模型的理論基礎
3.5.2 基于隱馬爾可夫模型預測的三個基本問題
3.5.3 基于隱馬爾可夫模型預測的三個基本問題的求解方法
3.5.4 基于遺傳算法的隱馬爾可夫預測模型
3.5.5 基于隱馬爾可夫預測模型的水泵機組狀態趨勢預測
3.6 設備趨勢預測若干工程應用模型
3.6.1 六段頻率幅值趨勢預測模型
3.6.2 兩種時區聯合預測模型
3.7 分整差分函數系數自回歸預測模型和三次Holt指數平滑預測模型
3.7.1 分數階差分
3.7.2 分整差分函數系數自回歸預測模型
3.7.3 分整差分函數系數自回歸預測模型應用
3.7.4 三次Holt指數平滑預測模型
3.7.5 三次Holt指數平滑預測模型應用
參考文獻

第4章 基于人工智能的大型旋轉機械運行狀態及故障的趨勢預測
4.1 基于人工智能的趨勢預測研究描述
4.2 人工神經網絡及其趨勢預測問題
4.2.1 人工神經網絡的基本構成
4.2.2 人工神經網絡的典型模型
……
第5章 基于支持向量機的大型旋轉機械運行狀態及故障的趨勢預測
第6章 基于混沌時間序列的大型旋轉機械運行狀態及故障的趨勢預測
第7章 基于粗糙集和數據挖掘的大型旋轉機械運行狀態及故障的趨勢預測
第8章 基于數據的多變換域大型旋轉機械運行狀態及故障的趨勢預測
第9章 大型旋轉機械趨勢預測的實驗研究及系統集成
第10章 大型旋轉機械運行狀態及故障的監測預測應用研究