机电设备状态监测与预测

6.5 基于Web的远程机械故障预测系统构建

6.4 风机齿轮箱早期故障征兆在线监测诊断系统构建

6.3 远程在线风机齿轮箱监测诊断系统

6.2 状态在线监测及预测的软件系统设计

6.1 状态在线监测及预测系统的总体设计

第6章 状态在线监测及预测系统

5.10 采用遗传算法进行趋势预测

5.9 人工智能预测方法

5.8 六段频率幅值趋势预测设计

5.7 分离趋势项新型组合预测模型

5.6 烈度序列的趋势项提取

5.5 中心差分灰色模型

5.4 灰色预测方法及其改进

5.3 时序模型与时序预测

5.2 振动级值预测的类型、基本方法和判据

5.1 在线趋势预测概述

第5章 状态在线预测技术

4.6 运行稳定性劣化状态的评价

4.5 大型旋转机组状态自动判别智能专家系统

4.4 状态自动判别技术

4.3 状态在线分析技术

4.2 机组状态评定标准的选择及预警、报警限的设定

4.1 旋转机组状态分析的基本原理及方法

第4章 状态监测分析技术

3.6 计算阶次跟踪及包络解调分析特征提取

3.5 高阶累积量对角切片谱运行状态劣化特征提取

3.4 运行状态劣化的敏感HHT特征提取

3.3 基于CEEMDAN-MFICA的非平稳信号预处理方法

3.2 基于Birgé-Massart阈值的状态特征弱信息预处理方法

3.1 基于μ-SVD和LMD的状态特征弱信息预处理方法

第3章 状态特征弱信息提取

2.5 小波分析

2.4 功率谱信号处理

2.3 振动加速度信号

2.2 振动信号

2.1 传感器

第2章 状态监测信息类型与处理

1.3 大型机电设备状态在线监测及预测技术背景

1.2 机电设备状态预测技术的发展概况

1.1 机电设备状态监测技术的发展概况

第1章 绪论

前言

版权页

内容提要

封面

封面

内容提要

版权页

前言

第1章 绪论

1.1 机电设备状态监测技术的发展概况

1.2 机电设备状态预测技术的发展概况

1.3 大型机电设备状态在线监测及预测技术背景

第2章 状态监测信息类型与处理

2.1 传感器

2.2 振动信号

2.3 振动加速度信号

2.4 功率谱信号处理

2.5 小波分析

第3章 状态特征弱信息提取

3.1 基于μ-SVD和LMD的状态特征弱信息预处理方法

3.2 基于Birgé-Massart阈值的状态特征弱信息预处理方法

3.3 基于CEEMDAN-MFICA的非平稳信号预处理方法

3.4 运行状态劣化的敏感HHT特征提取

3.5 高阶累积量对角切片谱运行状态劣化特征提取

3.6 计算阶次跟踪及包络解调分析特征提取

第4章 状态监测分析技术

4.1 旋转机组状态分析的基本原理及方法

4.2 机组状态评定标准的选择及预警、报警限的设定

4.3 状态在线分析技术

4.4 状态自动判别技术

4.5 大型旋转机组状态自动判别智能专家系统

4.6 运行稳定性劣化状态的评价

第5章 状态在线预测技术

5.1 在线趋势预测概述

5.2 振动级值预测的类型、基本方法和判据

5.3 时序模型与时序预测

5.4 灰色预测方法及其改进

5.5 中心差分灰色模型

5.6 烈度序列的趋势项提取

5.7 分离趋势项新型组合预测模型

5.8 六段频率幅值趋势预测设计

5.9 人工智能预测方法

5.10 采用遗传算法进行趋势预测

第6章 状态在线监测及预测系统

6.1 状态在线监测及预测系统的总体设计

6.2 状态在线监测及预测的软件系统设计

6.3 远程在线风机齿轮箱监测诊断系统

6.4 风机齿轮箱早期故障征兆在线监测诊断系统构建

6.5 基于Web的远程机械故障预测系统构建