本书以内燃机振动谱图像表征与理解为主线，提出一套基于振动谱时频图像分析识别的内燃机故障诊断方法，分析了机械设备可视化图像诊断的可行性和优势，建立了内燃机缸盖振动的信息模型并进行仿真，明确了缸盖振动情况和气门间隙故障间的关系；给出了内燃机振动谱图像诊断相关基础理论，介绍了潜在的内燃机振动谱图像表征与理解方法。在此基础上，重点围绕内燃机振动谱图像表征、特征提取、模式识别等方法开展研究，深入研究了振动谱可视化图像诊断的新方法、新途径和应用案例。本书研究工作均采用内燃机实测信号进行验证，所提出的方法对于内燃机故障诊断具有一定的指导意义和实际参考价值。
样章试读
目录
- 目录
第1章 绪论 1
1.1 内燃机故障诊断意义 1
1.2 内燃机可视化故障诊断基本原理 3
1.3 机械设备可视化图像诊断技术研究现状 8
第2章 内燃机缸盖振动机理及建模仿真 11
2.1 内燃机缸盖振动信息模型 11
2.2 内燃机配气机构动力学分析及气缸压力仿真 12
2.2.1 内燃机配气机构动力学仿真 12
2.2.2 内燃机气缸压力仿真 15
2.3 内燃机缸盖模态及瞬态动力学分析 17
2.3.1 有限元模型的建立 17
2.3.2 缸盖振动的瞬态动力学分析 21
2.4 实验验证 22
2.4.1 多工况模拟实验 22
2.4.2 模型实验验证分析 24
第3章 内燃机振动谱图像诊断基础理论 27
3.1 信号数图映射内积机理 27
3.2 振动谱图像表征 29
3.2.1 线性时频分析 30
3.2.2 双线性时频分析 31
3.2.3 希尔伯特黄变换 34
3.3 振动谱图像特征提取方法 36
3.3.1 代数特征 37
3.3.2 视觉特征 41
3.4 振动谱图像识别方法 45
3.4.1 最近邻分类器 46
3.4.2 支持向量机 46
3.4.3 神经网络 49
3.5 振动谱图像识别诊断一般流程 50
第4章 基于EWD SST的内燃机振动谱图像表征方法 52
4.1 传统时频分析方法的不足 52
4.2 基于EWD SST的内燃机振动信号时频分析 55
4.2.1 改进经验小波分解 55
4.2.2 同步压缩变换时频分析 60
4.2.3 EWD SST时频分析 62
4.3 仿真信号分析 62
4.4 内燃机振动谱图像表征实例 67
4.4.1 内燃机振动数据采集 67
4.4.2 内燃机振动谱图像表征结果 68
第5章 内燃机振动改进型VMD MHD时频图像表征方法 74
5.1 二次型时频分析方法不足 74
5.2 基于改进型VMD的MHD时频图像表征方法 76
5.2.1 改进的VMD算法 76
5.2.2 多分量仿真信号的分解对比 79
5.2.3 改进型VMD MHD时频分析方法 81
5.3 内燃机振动谱图像表征实例 82
5.3.1 内燃机振动数据采集 82
5.3.2 内燃机振动谱图像表征结果 85
第6章 基于改进LBP的内燃机振动谱图像纹理特征提取 95
6.1 LBP算法 95
6.1.1 基本LBP算法 96
6.1.2 圆域LBP算法 97
6.1.3 旋转不变模式LBP算法 100
6.1.4 统一模式LBP算法 100
6.2 LBP 改进算法 102
6.3 基于改进LBP的内燃机故障识别 104
6.3.1 故障识别流程 104
6.3.2 故障识别结果分析 105
6.3.3 计算效率对比 109
第7章 基于纹理特征增强的内燃机振动谱图像诊断方法 111
7.1 LBP算法与非负矩阵分解 111
7.1.1 LBP纹理分析 111
7.1.2 非负矩阵分解 113
7.2 纹理增强的二维非负矩阵分解算法 113
7.3 基于TE 2DNMF算法的内燃机振动谱图像诊断方法 117
7.3.1 振动数据的可视化特征提取 117
7.3.2 结果分析 118
7.3.3 图像尺寸的影响分析 121
第8章 基于改进HOG的内燃机振动谱图像边缘特征提取 123
8.1 方向梯度直方图 123
8.2 改进HOG算法 127
8.3 改进“二叉树”支持向量机 128
8.3.1 多分类SVM 128
8.3.2 改进“二叉树”SVM 130
8.3.3 性能测试 132
8.4 基于改进HOG 的内燃机故障识别 133
8.4.1 故障识别结果分析 133
8.4.2 计算效率对比 138
第9章 内燃机振动谱图像多维度信息特征提取方法 140
9.1 图像降维处理 140
9.2 基于LNMF的特征参数提取方法 143
9.2.1 NMF算法 143
9.2.2 基于LNMF的图像特征提取 144
9.3 内燃机振动谱图像的S2DLNMF特征提取 147
9.3.1 改进强化二维局部非负矩阵分解算法 147
9.3.2 内燃机振动谱图像的S2DLNMF特征提取方法 148
9.4 基于多维度特征融合的内燃机振动特征提取 151
9.4.1 振动时域参数提取 151
9.4.2 内燃机振动特征融合方法 154
第10章 基于图正则化双向NMF的内燃机振动谱图像诊断方法 156
10.1 自适应VMD Rihaczek分布 156
10.1.1 变分模态分解 156
10.1.2 VMD和Rihaczek分布的结合 157
10.2 图正则化双向非负矩阵分解算法 160
10.3 基于GBiNMF算法的内燃机振动谱图像识别诊断 162
第11章 基于多尺度卷积网络的内燃机振动谱图像诊断方法 168
11.1 深度卷积神经网络 168
11.1.1 卷积运算 169
11.1.2 池化运算 170
11.1.3 结构化输出 170
11.2 基于多尺度CNN的内燃机振动谱图像诊断模型 171
11.3 振动谱图像多尺度CNN诊断实验 172
参考文献 180
京公网安备 11010102004214号