《基于时间序列标度分析的直升机齿轮箱故障诊断》研究了齿轮和滚动轴承振动信号的标度转折特性，提出了基于时间序列多标度指数特征的机械故障特征提取方法；研究了齿轮和滚动轴承振动信号的多重分形特征，提出了基于多重分形去趋势波动分析方法和马氏距离判别法的机械故障诊断方法；研究了齿轮和滚动轴承振动信号增量序列的标度特征，发现了一种有趣的“故障线”现象，阐述了该现象的成因，提出了一种新的旋转机械状态评估准则；利用仿真数据和实验数据对所提出理论方法的性能进行了验证。
　　《基于时间序列标度分析的直升机齿轮箱故障诊断》可供高等院校从事机械、能源动力、航空和船舶专业的教师、研究生和高年级本科生阅读，也可供从事信号处理、机械设备状态监测与故障诊断、设备管理与维护等工作的科技人员参考。

前言

第1章 绪论
1．1 直升机齿轮箱故障诊断技术的研究意义和研究现状
1．1．1 研究意义
1．1．2 研究现状
1．2 机械故障诊断技术的研究意义和研究现状
1．2．1 研究意义
1．2．2 研究现状
1．3 基于信号分析和处理技术的机械故障诊断方法
1．3．1 短时傅里叶变换
1．3．2 Winger-Ville分布
1．3．3 小波变换
1．3．4 经验模式分解
1．3．5 局部均值分解
1．3．6 盲源分离
1．3．7 循环平稳信号分析
1．4 基于模型的机械故障诊断方法
1．4．1 时间序列模型
1．4．2 隐Markov模型
1．4．3 协整理论模型
1．5 基于人工智能的机械故障诊断方法
1．5．1 神经网络
1．5．2 专家系统
1．5．3 模糊理论
1．5．4 粗糙集理论
1．5．5 支持向量机
1．6 基于非线性理论的机械故障诊断方法
1．6．1 随机共振
1．6．2 流形
1．6．3 混沌和分形
1．6．4 去趋势波动分析

第2章 复杂系统的标度行为及其动力学机制
2．1 复杂系统的标度行为
2．2 复杂标度行为的动力学机制
2．2．1 Barabasi-Albert模型
2．2．2 自组织临界理论
2．2．3 高度最优化容限理论
2．3 分形
2．3．1 分形的定义
2．3．2 分形产生的物理机制
2．3．3 复杂系统的自相似性和标度不变性
2．3．4 分形维数
2．3．5 多重分形
2．4 传统的标度分析方法
2．4．1 相关函数分析法
2．4．2 功率谱密度分析法
2．4．3 重标极差分析法
2．4．4 小波变换和经验模式分解分析法

第3章 基于时间序列多标度指数特征的机械故障特征提取
3．1 去趋势波动分析
3．1．1 去趋势波动分析方法
3．1．2 标度指数的物理意义
3．2 基于时间序列多标度指数特征的机械故障特征提取方法
3．3 实验验证
3．3．1 齿轮箱故障诊断
3．3．2 滚动轴承故障诊断
3．3．3 滚动轴承损伤程度识别

第4章 基于增量序列标度特征的机械故障诊断
4．1 增量序列的动力学特征
4．1．1 增量序列与原序列的波动特征之间的关系
4．1．2 数据的重排和替代
4．1．3 增量序列的符号分量和幅值分量及其动力学特征
4．2 基于增量序列标度特征的机械故障诊断方法
4．3 实验验证
4．3．1 齿轮箱故障诊断及其“故障线”
4．3．2 滚动轴承故障诊断及其“故障线”
4．4 “故障线”现象及其成因研究

第5章 基于时间序列多重分形特征的齿轮箱故障特征提取
5．1 多重分形去趋势波动分析
5．1．1 多重分形去趋势波动分析方法
5．1．2 多重分形去趋势波动分析方法与经典多重分形理论的关系
5．1．3 时间序列多重分形类型的确定方法
5．2 基于时间序列多重分形特征的齿轮箱故障特征提取方法
5．3 实验验证
5．4 齿轮箱振动数据出现多重分形的原因

第6章 基于多重分形去趋势波动分析方法和马氏距离判别法的滚动轴承故障诊断
6．1 基于多重分形去趋势波动分析方法和马氏距离判别法的滚动轴承故障诊断方法
6．1．1 马氏距离判别法
6．1．2 基于多重分形去趋势波动分析方法和马氏距离判别法的机械故障诊断方法
6．2 实验验证
6．3 滚动轴承振动数据出现多重分形的原因
6．4 多重分形去趋势波动分析方法与其他故障特征提取方法的比较
6．5 马氏距离判别法和神经网络在轴承故障特征分类中的性能比较
参考文献
彩图