機器學習與振動信號處理

本書詳細地論述人工智能與機器學習的基礎知識、振動信號處理基礎知識、機器學習在振動信號處理中應用的基本理論和方法，提供各種應用實例，並闡述實現振動信號測試、分析、處理的軟硬件系統，給出基於機器學習的振動信號測試、分析、處理的算法。本書內容具有典型的智、機、電跨學科特色。全書共10章，主要包括：緒論、振動測試傳感器、振動測試系統、振動信號處理基礎、振動信號時域處理、振動信號頻域處理、基於虛擬儀器的振動信號測試與處理、機器學習基礎、基於機器學習的振動信號識別原理與方法、基於機器學習的機械故障診斷。本書可作為高等院校機械、人工智能、電子信息工程、測控、自動化、電腦科學等專業技術課程的教材，也可作為相關領域的工程技術人員的參考書籍。

楊宏暉，博士，西北工業大學航海學院副教授，中船重工第***研究所國防科技特色實驗室客座專家、電子學會會員，獲得西北工業大學教育教學優選個人、獎教金等，主要事業方向為 信號與信息處理、自動測試測控、模式識別、環境工程等相關領域。

第1章緒論1
第2章振動測試傳感器3
2．1振動的描述3
2．2質點振動系統4
2．2．1 無振動振動系統的自由振動4
2．2．2有振動振動系統的衰減振動5
2．2．3質點的受迫振動6
2．3工程中的振動測試方法7
2．4常用的振動測試傳感器8
2．4．1電動式傳感器8
2．4．2電渦流式位移傳感器8
2．4．3感應式傳感器9
2．4．4 電容式傳感器9
2．4．5式升級傳感器9
2．4．6力式力傳感器10
2．4．7專屬頭10
2．4．8熱電阻式傳感器10
2．4．9激光測振儀11
2．5島小結11
第3章振動測試系統12
3．1激振系統12
3．1．1激振信號分類12
3．1．2激振器13
3．1．3衝擊鎚14
3．2高級式升級測量系統15
3．3電渦流位移傳感器測量系統15
3．4傳感器的安裝方式16
3．5振動測試儀器恢復17
3．5．1分部發展與系統增強方法17
3．5．2 絕對逆法18
3．5．3相對還原法19
3．6振動測試系統中的常見問題19
3．6．1系統噪聲與抑制 19
3．6．2信號的隔離與屏蔽20
3．6．3信號失真問題20
3．7島小結21
第4章振動信號處理基礎22
4．1振動信號的定義與分類22
4．1．1振動信號的定義22
4．1．2振動信號的特性與分類22
4．2振動信號處理的一般方法24
4．2．1 信號習慣常用方法24
4．2．2振動信號的時域處理方法24
4．2．3振動信號的頻域處理方法24
4．3良好振動信號處理方法24
4．4 軸承振動信號數據25
4．4．1凱斯西儲大學軸承數據採集實驗25
4．4．2 軸承振動數據介紹26
4．5島小結29
第5章振動信號時域處理30
5．1時域統計分析30
5．1．1時域統計分析的概述30
5．1．2時域統計分析常用參數及指標30
5．2相關分析31
5．2．1 自相關分析的原理、算法及實現32
5．2．2自相關消起和周期脫離仿真實驗34
5．3 自我相關消解和生命週期實測實驗37
5．2．4 互相關分析的原理、算法及實現41
5．2．5互相關實測實驗42
5．3積分和微分變換43
5．3．1積分和微分的基本原理44
5．3．2積分和微分在振動信號處理中的應用44
5．4島小結44
第6章振動信號頻率處理45
6．1頻域處理簡介45
6．2傅里葉變換45
6．3功率譜密度函數46
6．3．1 自功率譜分析的原理、算法及實例47
6．3．2互傳譜分析的原理及算法49
頻率響應函數與相干函數50
．1頻率響應函數分析的原理及算法50
．2相干函數分析的原理及算法51
6．5窗函數在振動信號處理中的應用53
6．5．1加窗對振動信號處理的影響53
6．5．2 常用窗函數的特性分析與對比53
6．5．3 窗函數的選擇原則55
6．5．4 窗口函數選擇實驗55
6． 6 魏倍頻程分析的原理、算法、實現與應用57
6．6．1 膨脹倍頻程分析的原理57
6．6．2 狄倍頻程分析的算法57
6．3高斯白噪聲的倍頻程分析實驗58．3高斯白噪聲的
6．7倒思維分析的原理、算法、實現與應用60
6．7．1實倒譜分析的原理、算法與實現61
6．7．2复倒譜分析的原理及算法61
6．7．3倒轉分析進行故障檢測的仿真實驗62
6．7．4實測振動信號的倒分析實驗
6．8島小結66
第7章基於虛擬儀器的振動信號測試與處理67
7．1虛擬儀器67
7．1．1 虛擬儀器的概念67
7．1．2實驗室虛擬儀器工程平台68
7．2基於處理虛擬儀器的振動信號時域69
7．2．1時域統計分析69
7．2．2相關分析71
7．3基於處理虛擬儀器的振動信號域79
7．3．1加窗處理79
7．3．2 魏倍頻處理處理82
7．3．3倒譜處理85
7．4所有參數測試88
7．4．1機械理論88
7．4．2隔振器參數測試原理88
7．4．3隔振器參數測試系統及振動信號採集89
7．4．基於虛擬儀器的隔振器4測試平台91
7．5高峰測試98
7．5．1溫度測試原理98
7．5．2溫度測試系統及振動信號採集99
7．5．3方法方法的信號處理101
7．5．4瞬態方法的信號處理104
7．6島小結108
第8章機器學習基礎110
8．1 機器學習概念110
8．1．1機器學習問題1​​10
8．1．2機器學習算法的分類110
8．2回歸分析的意義、分類及應用110
8．3一元線性回歸111
8．3．1一元線性回歸模型111
8．3．2損失函數111
8．3．3一元線性回歸及分析112
8．4梯度下降法114
8．4．1隨機數降法114
8．4．2 奇蹟下降法115
8．4．3 小小棋下降法115
8．5多元線性回歸116
8．5．1多元線性回歸原理116
8．5．2多元線性回歸應用實例117
8．6邏輯回歸118
8．6．1邏輯回歸原理118
8．6．2邏輯回歸算法應用實例120
8．7島小結121
第9章基於機器學振動信號識別原理與方法122
9．1基於機器學振動信號識別原理122
9．2支持軸機122
9．2．1線性支持矢量機122
9．2．2 牽引支持矢量機124
9．2．3SVM多類分類算法125
9．2．4SVM分類器的分類性能估計125
9．3淺層神經網絡126
9．3．1神經網絡概述126
9．3．2BP神經網絡算法129
9．4深度學經網絡132
9．4．1深度置信網絡132
9．4．2神經神經網絡136
9．5島小結139
第10章基於機器學機械故障診斷140
10．1機械故障診斷140
10．1．1建立機械故障診斷需求140
10．1．2機械故障診斷調查的步驟140
10．1．3故障模式症狀分析141
10．1．4 評級指南141
10．1．5 用於診斷的數據與信息144
10．1．6 機器故障診斷方法145
10．2滾動軸承概述150
10．2．1 軸承的分類150
10．2．2滾動軸承的基本結構150
10．2．3滾動軸承的主要振動來源151
10．3 軸承振動信號特性153
10．3．1時域特性153
10．3．2頻域特性158
10．3．3軸承狀態的簡易診斷163
10．4基於CNN軸承故障類型的診斷165
10．4．1CNN基本結構分析165
10．4．2 診斷流程166
10．4．3 故障軸承數據改造166
10．4．4CNN結構設計167
10．4．5 診斷結果與分析167
10．5島小結168
附錄A振動測試相關標準169
附錄B熱處理材料性能測試GB/T 1828―2000171
附錄C振動與衝擊機械導納的實驗確定178
附錄D聲學與振動振動振動方式振動——聲傳遞特性192
參考文獻210