第1章 绪论
1．1传统的故障特征提取方法
1．1．1时域分析方法
1．1．2频域分析方法
1．2现代信号处理方法
1．2．1盲信号分离
1．2．2短时傅里叶变换
1．2．3小波变换
1．2．4双线性时间-频率分布
1．2．5双线性时间-频率变换的快速计算
1．3本书内容安排

第2章 信号源特征分析及提取
2．1引言
2．2齿轮振动信号特征分析
2．2．1齿轮的振动
2．2．2齿轮振动数学模型
2．2．3齿轮典型故障信号特征
2．2．4齿轮故障对运动参数的影响
2．3轴承振动信号特征分析
2．3．1正常轴承的振动信号特征
2．3．2故障轴承的振动信号特征
2．3．3轴承振动信号的频谱结构分析
2．4齿轮箱振动信号的传播与测量
2．4．1振动信号的传播
2．4．2振动信号的测量
2．4．3齿轮箱状态信号的特点
2．5传统故障特征提取方法及工程应用
2．5．1时域平均技术［31,126］
2．5．2包络分析技术［1,31］
2．5．3倒频谱分析［1,31］

第3章 盲信号分离技术
3．1引言
3．2盲信号分离的基本问题
3．2．1线性瞬时混合模型
3．2．2卷积混合模型
3．2．3盲分离的不确定性［33,39］
3．3独立分量分析
3．3．1独立性的判定——目标函数
3．3．2独立分量分析的实现
3．4卷积混合模型的盲分离
3．4．1测量信号的短时傅里叶变换
3．4．2频率域盲分离
3．4．3频域分离信号的调整
3．4．4逆短时傅里叶变换
3．4．5数字仿真
3．5盲信号分离技术的应用
3．5．1齿轮箱振动信号特征及数学模型
3．5．2齿轮箱振动信号的频域特征及其分离
3．5．3齿轮箱实验装置
3．5．4实验数据分析

第4章 小波包络分析技术
4．1引言
4．2小波变换的基本理论
4．2．1小波变换的定义［88］
4．2．2小波变换的特点［60］
4．2．3小波变换的反演及对基本小波的要求［88］
4．2．4离散小波变换
4．2．5多分辨率分析与二尺度方程
4．2．6Mallat算法…………………
4．3连续小波变换与包络分析
4．3．1Morlet小波
4．3．2Model：小波与包络检波［31］
4．3．3复Morlet小波包络检波快速算法
4．4工程应用
4．4．1Morlet小波包络检波算法在滚动轴承故障诊断中的应用
4．4．2Morlet小波包络检波算法在齿轮故障诊断中的应用

第5章 小波奇异性检测技术
5．1引言
5．2小波变换的奇异性检测原理
5．2．1奇异性的定义
5．2．2小波变换的卷积表达
5．2．3小波变换的极值点、过零点与信号奇异性的关系［31,60］
5．2．4几种检测局部性能常用的小波［31］
5．3二进小波变换的基本理论
5．3．1二进小波及二进小波变换［60］
5．3．2基于B样条的二进小波函数与尺度函数
5．3．3小波多孔算法
5．4小波变换模极大值与奇异性检测
5．5小波变换的模极大值去噪算法
5．6小波奇异性检测原理的应用

第6章 双线性时间一频率变换探测技术
6．1引言
6．2双线性时间一频率变换的基本理论
6．2．1双线性时间一频率分布的定义［87］
6．2．2时频分布的性质
6．2．3多分量信号的时频分布
6．2．4减小交叉项核设计［97］
6．2．5常用时频分布［83-85］
6．2．6离散时间Cohen类分布［96,101］
6．3核函数设计与选择
6．3．1常用时频分布特点分析［98,130］
6．3．2核函数设计［130］
6．4应用仿真与实验分析
6．4．1数字仿真
6．4．2故障检测实例

第7章 双线性时间一频率变换的快速计算
7．1引言
7．2离散时间时频分布
7．2．1连续时间时频分布简介［83,87］
7．2．2离散时间时频分布
7．2．3无混叠离散时间时频分布的基本性质
7．3离散时频分布的快速算法
7．3．1离散时频分布的快速算法概述
7．3．2双线性时间一频率分布的核分解
7．4快速算法的应用
7．4．1仿真算例
7．4．2齿轮箱早期故障信号处理
参考文献

　　第1章 绪 论
　　现代机械设备功能越来越多，结构越来越复杂，长期运行在高速、高温、重载等恶劣环境下。一旦关键设备发生故障，不仅会使设备受损、产品质量下降或生产线停工，造成巨大的经济损失，还可能危及职工安全，引发环境污染，带来严重的社会问题。因此，设备状态监测与故障诊断技术的研究对现代工业发展具有重要意义，目前已经形成了一门既有理论基础、又有实际应用背景的交叉性学科。状态监测与故障诊断的实质是监控机械设备的运行状态，预测设备的可靠性，及早发现设备故障，预报故障发展趋势，并提供维修意见和措施。由此可见，设备状态监测与故障诊断技术应包括识别设备状态和预测发展趋势两方面内容。诊断过程一般分为三个步骤：①获取诊断信息；②提取故障特征；③状态识别和故障诊断。获取诊断信息是在设备运行过程中，对设备特征信息进行检测、分析处理并显示、存储，是设备故障诊断的基础性工作。由传感器获取的信息往往特征不明显、不直观，需要通过信号分析处理方法把获得的信息进行变换处理，从多重分析域、多个角度分析观察检测信息，提取故障特征信息。信号处理方法的选择、处理过程的准确性，以及表达的直观性都会对结果产生较大影响。状态识别和故障诊断是根据信息获取和信号分析处理所提供的反映设备运行状态的征兆或特征参数的变化情况，来判断设备工作是否正常。如果存在故障，还要诊断故障的性质、产生原因和发生部位，提出处理意见。因此，故障诊断的关键是从设备动态测量信号中提取故障特征，借助信号处理等手段从传感器测量数据中提取特征信息和特征量，准确地进行故障监测与诊断。而信号处理、特征提取是故障诊断中必不可少的重要环节。
　　1.1传统的故障特征提取方法
　　传统的信号处理方法主要是傅里叶分析，傅里叶变换与反变换建立了信号在时间域与频率域之间相互变换的桥梁，提供了信号的时域分析和频域分析两种方法。因此，传统的故障特征提取方法有时域分析方法和频域分析方法。
　　1.1.1时域分析方法
　　在设备状态监测中，直接利用时域振动信号进行分析并给出结果，是最简单最直接的振动监测方法，特别是当信号中明显含有简谐成分、周期成分或瞬时脉冲成分时更为有效。但这种方法要求分析人员具有比较丰富的实际经验。