内燃机振动谱图像表征与理解

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。

本书可作为高校相关专业研究生、高年级本科生的教材和相关专业教师的教学参考书，也适合从事相关研究的科研人员和工程师等阅读，还可供内燃机、机械、石油、化工、冶金、电力、船舶等行业中的机械设备故障诊断研究人员和工程技术人员参考。

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EWDSST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EWDSST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

4.2.3EWDSST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VMDMHD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VMDMHD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

6.1LBP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

6.2LBP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

7.1LBP算法与非负矩阵分解111

7.1.1LBP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TE2DNMF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SVM128

8.3.2改进“二叉树”SVM130

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

9.2.1NMF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VMDRihaczek分布156

10.1.1变分模态分解156

10.1.2VMD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