《融合质差异挖掘的智能故障诊断》详细介绍了有关旋转机械智能故障诊断领域的新进展、发展趋势及主要方法。针对旋转机械轴系故障耦合性越来越强、故障风险增大、故障后果严重等问题，全面系统地介绍了智能故障诊断的信号提取、信号分析、故障识别的基本原理。在此基础上，从轴系信号分析、轴心轨迹分析、故障智能识别3个方面进行深入研究：一是提出了一种基于无失真端点极值化的经验模态分解方法，并将其应用于旋转机械轴系信号的分析和特征提取；二是提出了模仿人眼的轴心轨迹识别方法，它以直观特征为人眼，实现对轴心轨迹形状的宏观准确表征，以智能分类方法为人脑，实现轴心轨迹的智能识别；三是设计了关联特征向量和模糊关联特征向量的特征选择和组织机制，能够充分挖掘每一项特征对故障分类的zui大贡献，有效抑制每一项特征对故障分类可能产生的干扰，同时还可以通过无效项放大不同类别之间的差异，提高故障识别的准确率。
　　《融合质差异挖掘的智能故障诊断》可供从事机械智能故障及相关专业领域的科研技术人员阅读参考，也可作为该领域高年级本科生和研究生的参考用书。

第1章 绪论
1.1 研究背景及意义
1.2 旋转机械振动故障机理与特征分析
1.3 旋转机械振动信号分析方法研究现状
1.4 故障特征选择技术研究现状
1.5 旋转机械故障识别方法研究进展
1.6 主要研究内容与结构

第2章 基于无失真端点极值化经验模态分解的故障特征提取
2.1 引言
2.2 经验模态分解基本原理
2.3 端点效应
2.4 UEE-EMD方法的基本原理
2.5 UEE-EMD仿真实验效果
2.6 故障诊断应用实例
2.7 本章小结

第3章 基于分类树的分层特征选择方法
3.1 引言
3.2 特征选择的基本思想和研究现状
3.3 基于分类树的分层特征选择方法的提出
3.4 基于分类树的分层特征选择方法的基本原理和算法
3.5 实例应用
3.6 本章小结

第4章 基于关联特征向量的故障诊断方法
4.1 引言
4.2 常用的特征组织模式
4.3 关联特征向量的提出
4.4 关联特征向量的应用
4.5 基于关联特征向量的故障诊断
4.6 本章总结

第5章 基于模糊关联特征向量的故障诊断方法
5.1 引言
5.2 模糊逻辑概述
5.3 模糊关联特征向量的提出
5.4 模糊关联特征向量的应用
5.5 基于模糊关联特征向量的故障诊断
5.6 本章总结

第6章 轴心轨迹的直观特征及模仿人眼的轴心轨迹识别
6.1 引言
6.2 轴心轨迹特征和识别研究现状
6.3 直观特征和模仿人眼的轴心轨迹识别方法的提出
6.4 轴心轨迹直观特征的定义和计算
6.5 基于直观特征融合的轴心轨迹形状表征
6.6 模仿人眼的轴心轨迹识别
6.7 本章小结

第7章 结论与展望
7.1 研究结论
7.2 进一步研究展望

参考文献