機(jī)械傳動部件是機(jī)電裝備中起承載和傳動作用的關(guān)鍵部件，一旦傳動部件出現(xiàn)損傷，就會引起裝備振動加劇。若沒有及時檢測出裝備的異常狀態(tài)，隨著故障程度的惡化，就可能引起機(jī)電裝備長時間停機(jī)導(dǎo)致經(jīng)濟(jì)損失，甚至引發(fā)安全事故。為避免因機(jī)械傳動部件的故障而造成巨大損失，對傳動部件的狀態(tài)進(jìn)行故障診斷、監(jiān)測以及性能退化評估具有重要的意義。機(jī)電裝備的振動特性反映裝備當(dāng)前的狀態(tài)，利用振動信號進(jìn)行分析是近年來機(jī)械故障診斷領(lǐng)域中研究的熱點和難點。由于機(jī)電裝備結(jié)構(gòu)復(fù)雜、工況波動、隨機(jī)干擾等因素的影響，機(jī)械振動信號具有非線性、非平穩(wěn)性、強(qiáng)噪聲的特點，導(dǎo)致傳動部件早期的微弱損傷容易被忽視，當(dāng)檢測到異常時，傳動部件往往已嚴(yán)重?fù)p傷。因此，本書以機(jī)電裝備中的機(jī)械傳動部件為研究對象，結(jié)合信號處理、流形學(xué)習(xí)和深度學(xué)習(xí)等理論方法，研究故障診斷、狀態(tài)監(jiān)測與性能退化評估方法。

本書共分9章，主要內(nèi)容如下。

第1章： 針對機(jī)電裝備中機(jī)械傳動部件的故障診斷問題，在緒論中闡明了本書研究的背景與意義，并分析了當(dāng)前國內(nèi)外在機(jī)械故障診斷領(lǐng)域研究的熱點以及部分診斷方法的不足。

第2章： 分析機(jī)電裝備中典型傳動部件如軸承、齒輪、軸的振動機(jī)理以及故障特征，為基于數(shù)據(jù)驅(qū)動的故障診斷奠定了理論基礎(chǔ)。

第3章： 介紹機(jī)械故障診斷領(lǐng)域常用的故障特征構(gòu)造方法，包括時域特征、頻域特征、時頻域特征，以及基于小波分析、經(jīng)驗?zāi)�態(tài)分解的多尺度特征構(gòu)造方法。為獲取敏感判別性強(qiáng)的特征，闡述了常用的特征選擇方法，以及基于流形學(xué)習(xí)和深度學(xué)習(xí)的非線性特征提取方法，為故障診斷、狀態(tài)監(jiān)測與性能退化評估提供技術(shù)支撐。

第4章： 論述基于Teager能量譜多尺度信號分解的故障診斷方法。針對應(yīng)用集合經(jīng)驗?zāi)�態(tài)分解方法難以提取強(qiáng)噪聲背景下滾動軸承微弱故障特征的問題，提出將最小熵反褶積和小波閾值去噪與EEMD結(jié)合的改進(jìn)方法。采用最小熵反褶積對滾動軸承振動信號降噪，增強(qiáng)沖擊特征； 然后利用基于EEMD的小波閾值去噪方法處理降噪后信號得到一組固有模態(tài)分量，并依據(jù)相關(guān)系數(shù)準(zhǔn)則剔除虛假分量； 對重構(gòu)信號進(jìn)行Teager能量算子解調(diào)分析，提取其微弱故障特征。

第5章： 討論基于雙樹復(fù)小波包主流形重構(gòu)的故障診斷方法。針對采集的機(jī)電裝備振動信號具有非線性、非平穩(wěn)性和噪聲干擾的特點，提出基于雙樹復(fù)小波包主流形重構(gòu)的去噪方法，凸顯典型譜特征進(jìn)行診斷。

第6章： 介紹基于自適應(yīng)流形學(xué)習(xí)的故障診斷方法。該方法的特征是可反映裝備狀態(tài)的指標(biāo)，針對敏感特征選擇方法存在去除有用信息、健壯性和通用性不強(qiáng)等不足，采用局部切空間排列流形學(xué)習(xí)方法進(jìn)行特征的非線性融合，以挖掘原始振動信號中的本質(zhì)信息。但局部切空間排列算法中鄰域圖的近鄰參數(shù)難以合理選擇，動態(tài)增加的數(shù)據(jù)影響算法的計算效率。為此，分別提出了自適應(yīng)鄰域參數(shù)選擇的局部切空間排列算法和增量式監(jiān)督局部切空間排列算法。

第7章： 闡述基于深度卷積變分自編碼的故障診斷方法。針對轉(zhuǎn)速和負(fù)載變化情況下的故障診斷，采用一般機(jī)器學(xué)習(xí)的診斷方法難以自動適應(yīng)工況變化的影響。深度學(xué)習(xí)可利用網(wǎng)絡(luò)深度優(yōu)勢挖掘更強(qiáng)健壯性的特征，基于自編碼和卷積神經(jīng)網(wǎng)絡(luò)理論，提出一種深度卷積變分自編碼網(wǎng)絡(luò)。針對小樣本有標(biāo)簽信息的故障診斷和大樣本無標(biāo)簽信息的故障診斷，利用遷移學(xué)習(xí)理論，提出基于小樣本的監(jiān)督模型遷移和基于標(biāo)簽傳遞的無監(jiān)督模型遷移。結(jié)合多傳感器能多角度反映機(jī)械傳動部件的狀態(tài)，相較于單傳感器的故障診斷，多傳感器多模型的選擇性集成學(xué)習(xí)更能多方位表征傳動部件的狀態(tài)，為平衡模型的差異性和準(zhǔn)確度進(jìn)行模型選擇，提出基于多傳感器多模型的選擇性集成學(xué)習(xí)模型，以提升模型診斷性能。

第8章： 介紹基于流形特征增強(qiáng)的狀態(tài)監(jiān)測與性能退化評估方法。監(jiān)測指標(biāo)和監(jiān)測模型是狀態(tài)監(jiān)測的核心，針對能保持?jǐn)?shù)據(jù)結(jié)構(gòu)全局特性或者局部結(jié)構(gòu)特性的流形學(xué)習(xí)方法分別構(gòu)造監(jiān)測模型，在一定程度上損失了部分?jǐn)?shù)據(jù)信息，并不能全面地反映數(shù)據(jù)中潛在結(jié)構(gòu)的敏感性，影響監(jiān)測指標(biāo)的靈敏度。為此，綜合優(yōu)化樣本局部和全局結(jié)構(gòu)關(guān)系，提出了非局部核正交保持嵌入算法，為改善參數(shù)選擇依賴人工經(jīng)驗的不足，提出了自適應(yīng)k參數(shù)非局部核正交保持投影算法。

第9章： 總結(jié)與展望。歸納總結(jié)本書的研究內(nèi)容和成果，對存在的問題、研究的不足以及本書后續(xù)的研究進(jìn)行展望。

由于本書作者水平和學(xué)識有限，書中難免存在不足之處，懇請廣大讀者批評與指正。

作者

2020年2月