第1章 绪论

1.1滚动轴承简介

1.1.1滚动轴承的特点

1.1.2滚动轴承的结构

1.2滚动轴承故障诊断

1.2.1常见失效形式

1.2.2故障诊断方法

1.3滚动轴承寿命预测

1.3.1滚动轴承寿命预测

1.3.2寿命预测方法

1.4研究现状

1.4.1故障诊断研究现状

1.4.2寿命预测研究现状

参考文献

第一部分 降噪方法

第2章EMD降噪方法

2.1 EMD的基本原理和性质

2.1.1 EMD的基本原理

2.1.2 EMD的完备性和正交性

2.2基于阈值处理的EMD降噪

2.3基于滤波处理的EMD降噪

2.4两种EMD降噪方法的性能比较

2.5应用实例

参考文献

第3章 双树复小波域隐Markov树模型降噪方法

3.1小波变换的理论基础与性质

3.1.1离散小波变换

3.1.2复小波变换

3.1.3双树复小波变换

3.1.4 DT-CWT的滤波器设计

3.1.5 DT-CWT的平移不变性分析实例

3.2小波域隐Markov树模型

3.2.1隐Markov模型

3.2.2 HMT模型的原理

3.3双树复小波域隐Markov树降噪模型

3.3.1 DTCWT HMT1法

3.3.2 DTCWT HMT2法

3.4应用实例

3.4.1仿真信号

3.4.2实际信号

参考文献

第4章 对偶树复小波流形域降噪方法

4.1理论基础

4.2对偶树复小波流形域降噪

4.2.1对偶树复小波流形域降噪原理

4.2.2 DTCWT MVU降噪方法步骤

4.3应用实例

4.3.1 DTCWT MVU方法仿真验证

4.3.2 DTCWT MVU方法性能讨论

4.3.3 DTCWT MVU方法的工程应用

参考文献

第二部分 特征提取

第5章 基于振动信号的特征提取

5.1时域和频域特征参数提取

5.1.1时域特征参数提取

5.1.2频域特征参数提取

5.2时频域特征参数提取

5.2.1小波包理论

5.2.2 EMD理论

5.3样本熵的特征参数提取

参考文献

第6章Morlet小波和自相关增强特征提取

6.1 Morlet小波滤波器的优化问题

6.1.1连续小波变换

6.1.2 Morlet小波滤波器

6.1.3最优参数选择策略

6.2遗传算法

6.2.1染色体表示

6.2.2初始化种群

6.2.3适应度函数

6.2.4遗传操作

6.3自相关增强算法

6.3.1自相关运算

6.3.2自相关包络功率谱

6.3.3扩展Shannon熵函数

6.3.4方法

6.4应用实例

6.4.1仿真结果

6.4.2试验台数据结果

6.4.3实际故障轴承结果

参考文献

第7章 张量流形特征提取

7.1理论基础

7.1.1 HHT时频谱

7.1.2张量流形理论

7.2张量流形时频故障特征提取

7.2.1方法的原理及步骤

7.2.2时频特征参数的定义

7.3应用实例

7.3.1故障信号的HHT时频特征

7.3.2张量流形时频特征参数提取

参考文献

第8章 小波包样本熵特征提取

8.1理论基础

8.1.1熵概念的发展及泛化

8.1.2样本熵

8.1.3小波包分解

8.2小波包样本熵的特征提取

8.2.1小波包样本熵的特征提取方法

8.2.2实际信号分析

参考文献

第三部分 故障诊断

第9章 谱峭度故障诊断方法

9.1谱峭度的定义

9.2谱峭度故障诊断方法

9.2.1谱峭度检测轴承故障的物理解释

9.2.2峭度图

9.2.3 EMD降噪和谱峭度法的滚动轴承故障诊断步骤

9.3工程实例

参考文献

第10章 相空间ICA故障诊断方法

10.1基本理论

10.2相空间重构ICA方法

10.2.1相空间重构ICA的详细步骤

10.2.2相空间重构及参数选择

10.3应用实例

10.3.1传统信号处理方法提取早期故障的能力

10.3.2相空间ICA提取早期故障特征信息

参考文献

第11章 深度学习故障诊断方法

11.1理论基础

11.1.1卷积神经网络

11.1.2受限玻尔兹曼机

11.1.3自动编码器模型

11.1.4深度自动编码网络

11.2结合核函数与自动编码器的深度学习

11.2.1基于核函数的自动编码器

11.2.2核函数选择

11.2.3方法流程

11.3航空发动机中介轴承诊断实例

11.3.1试验台

11.3.2试验结果分析

参考文献

第四部分 寿命预测

第12章 流形和模糊聚类轴承性能退化监测

12.1理论基础

12.1.1模糊C均值聚类

12.1.2 LLE流形算法

12.2流形和模糊聚类轴承性能退化监测

12.2.1监测方法的流程及步骤

12.2.2监测方法的关键问题分析

12.3仿真验证

12.3.1滚动轴承性能特征提取

12.3.2流形特征的本征维数

12.3.3流形特征的性能讨论

12.3.4内环性能退化评估

12.4应用实例

12.4.1滚动轴承性能退化实验台介绍

12.4.2滚动轴承全寿命周期时域特征监测结果

12.4.3基于流形和模糊聚类的滚动轴承性能退化监测

参考文献

第13章 基于威布尔比例故障率模型的寿命预测

13.1威布尔比例故障率模型

13.1.1威布尔比例故障率模型

13.1.2威布尔比例故障率模型的参数估计

13.1.3剩余寿命预测

13.2趋势预测理论

13.2.1灰色系统理论的原理及应用

13.2.2 GM（1，1）预测模型的建模过程

13.2.3 GM（1，1）模型适用要求

13.3可靠性评估

13.4寿命预测

13.4.1趋势预测方法研究

13.4.2趋势预测

13.4.3剩余寿命预测

13.5应用实例

13.5.1滚动轴承试验台介绍

13.5.2滚动轴承性能退化高维特征集构建

13.5.3滚动轴承核主元的性能退化评估

13.5.4剩余寿命预测

参考文献

第14章 基于改进Logistic回归模型的寿命预测

14.1 Logistic回归模型

14.1.1二项分类Logistic回归模型

14.1.2多项分类Logistic回归模型

14.1.3回归参数的估计

14.1.4改进Logistic回归模型

14.2改进 Logistic回归模型轴承寿命预测

14.2.1特征量选取

14.2.2主元分析（PCA）

14.2.3基本算法流程

14.3应用实例

14.3.1试验设备

14.3.2获取有效特征值和相对特征值

14.3.3 PCA降维与退化趋势分析

14.3.4可靠性评估与剩余寿命预测

参考文献

第15章 基于长短期记忆网络的寿命预测

15.1基础理论

15.1.1循环神经网络RNN

15.1.2 LSTM神经网络预测模型

15.2方法步骤

15.3滚动轴承特征参数集的构建

15.3.1滚动轴承试验台介绍

15.3.2轴承特征参数评价指标

15.3.3轴承特征参数提取

15.3.4寿命预测结果分析

参考文献