1 概論

1.1 設備故障診斷的目的和意義

1.2 設備故障的類型和狀態監測技術

1.3 設備故障狀態的識別方法

參考文獻

2 故障診斷的信號處理方法

2.1 信號處理基礎知識

2.2 旋轉機械常用的振動信號處理圖形

2.3 信號的時頻分析

參考文獻

3 旋轉機械故障診斷

3.1 轉子不平衡故障診斷

3.2 轉子不對中故障診斷

3.3 滑動軸承故障診斷

3.4 轉子摩擦故障診斷

3.5 浮動環密封故障診斷

3.6 葉片式機器中流體激振故障診斷

3.7 高速旋轉機械不穩定自激振動故障的分析方法

參考文獻

4 往復式壓縮機的故障分析和管道振動

4.1 往復式壓縮機的故障類型與故障原因

4.2 示功圖及閥片運動規律的測量與故障分析

4.3 壓縮機的氣流壓力脈動與管道振動

參考文獻

5 齒輪故障診斷

5.1 齒輪常見故障

5.2 齒輪故障振動的診斷

5.3 齒輪故障噪聲的診斷

參考文獻

6 滾動軸承故障診斷

6.1 滾動軸承的故障形式與故障原因

6.2 滾動軸承故障的檢測方法

6.3 滾動軸承故障振動的診斷

參考文獻

7 無損檢測技術在設備診斷中的應用

7.1 油樣分析技術在設備診斷中的應用

7.2 聲發射檢測技術在設備診斷中的應用

參考文獻

8 現代智能診斷技術的應用

8.1 故障診斷專家系統

8.2 模糊數學在故障診斷中的應用

8.3 神經網絡在故障診斷中的應用

參考文獻 2100433B

本書以化工、石化、電力、鋼鐵和航空等部門中使用的各類旋轉機器和往復式壓縮機為主要對象，比較全面、系統地闡述了機器故障類型、產生機理、表現特征以及故障防治方法。重點介紹了各類高參數旋轉機器的故障，以振動故障診斷為主線，細分了各種故障類型，如：不平衡故障、不對中故障、滑動軸承的油膜不穩定故障、轉子摩擦故障、浮環密封故障、流體激振故障以及高速轉子自激振動故障，從理論和實踐經驗兩方面詳述了它們的故障機理和特征。對往復式壓縮機的故障振動和管道振動提出了診斷分析方法和防治措施。對齒輪和滾動軸承，詳細地分析了它們的故障原理、信號特征和故障檢測方法。另外，介紹了振動信號的分析技術；無損檢測中的油液分析技術和聲發射技術在故障診斷中的應用；現代智能診斷技術中的模糊數學、神經網絡和專家系統在故障診斷中的應用。

第1章 設備故障診斷概述

1.1 設備故障診斷的基本概念和特點

1.1.1 設備故障的基本概念

1.1.2 設備故障診斷的內容及特點

1.2 故障診斷的基本問題

1.2.1 故障分類

1.2.2 故障診斷的任務

1.2.3 評價故障診斷系統的性能指標

1.3 設備故障診斷的知識構成和求解過程

1.3.1 設備故障診斷的知識構成

1.3.2 設備故障診斷的求解過程

1.4 設備故障診斷的基本方法及研究現狀

1.4.1 基于解析模型的故障診斷方法

1.4.2 基于知識的故障診斷方法

1.4.3 基于信號處理的故障診斷方法

1.4.4 其他故障診斷方法

1.4.5 設備故障診斷技術研究的熱點

1.5 設備故障診斷技術的發展趨勢

復習思考題

第2章 故障診斷中的數據處理

2.1 數據處理的有關知識

2.1.1 動態測試數據的分類

2.1.2 隨機過程的基本概念

2.1.3 測試數據處理方法

2.1.4 數據檢驗

2.1.5 數據分析流程

2.2 隨機數據統計參量的數值分析

2.2.1 估計理論的基本概念

2.2.2 均值和方差的計算

2.3 離散傅里葉變換（DFT）

2.3.1 采樣與混疊

2.3.2 截斷與泄漏

2.3.3 頻率采樣（延拓）

2.4 小波分析的基本原理

2.4.1 小波變換

2.4.2 小波變換的直觀理解及其工程解釋

2.4.3 小波包分析

2.4.4 適合故障信號分析的小波函數選擇

復習思考題

第3章 基于統計理論的診斷方法

3.1 Bayes決策診斷方法

3.1.1 概述

3.1.2 基于最大后驗概率的Bayes診斷

3.1.3 基于最小風險的Bayes診斷

3.2 時序模型診斷法

3.2.1 ARMA，All和MA模型

3.2.2 故障診斷時序方法的步驟

3.2.3 故障診斷時序方法的內容

3.2.4 ARMA模型的建模

3.2.5 根據模型參數進行故障診斷

3.2.6 距離判別函數故障診斷法

3.3 序貫模式分類故障診斷法

3.3.1 概述

3.3.2 序貫分類原理及步驟

3.3.3 Bayes序貫判別步驟

3.4 主分量分析法

3.4.1 引言

3.4.2 主分量分析

3.5 線性判別函數法

3.5.1 引言

3.5.2 Fisher判別式分析（FDA）

3.6 灰色系統的關聯分析診斷方法

3.6.1 概述

3.6.2 關聯度分析法在故障診斷模式識別中的應用

3.6.3 灰色預測在設備狀態趨勢預報中的應用

3.7 基于支持向量機的故障診斷方法

3.7.1 支持向量機的基本原理

3.7.2 多類支持向量機

3.7.3 支持向量機的故障診斷方法

3.7.4 實例

復習思考題

第4章 基于模糊理論的診斷方法

4.1 模糊集合理論基礎

4.1.1 模糊集與隸屬函數

4.1.2 隸屬函數的確定

4.1.3 常用的隸屬函數圖表

4.1.4 模糊集的表示方法及其運算

4.2 基于模糊模式的故障診斷方法

4.2.1 模糊模式識別的直接方法

4.2.2 模糊模式識別的間接方法

4.3 故障診斷的模糊綜合評判原則

4.3.1 綜合評判的數學原理

4.3.2 模糊綜合評判的五種具體模型

4.3.3 綜合評判模型的故障診斷應用實例

4.3.4 幾種綜合評判模型的適用范圍

4.3.5 故障診斷的多級模糊綜合評判方法

4.4 故障診斷的模糊聚類分析方法

復習思考題

第5章 故障樹分析診斷方法

5.1 故障樹分析概述

5.1.1 故障樹分析及其特點

5.1.2 故障樹分析使用的符號

5.2 故障樹分析的一般步驟及表述

5.2.1 故障樹分析的步驟

5.2.2 故障樹建造的一般方法

5.2.3 故障樹的結構函數

5.3 故障樹的分析

5.3.1 故障樹的定性分析

5.3.2 故障樹的定量分析

5.4 診斷實例

復習思考題

第6章 專家系統故障診斷方法

6.1 專家系統概述

6.1.1 專家系統的基本概念

6.1.2 專家系統的結構

6.1.3 專家系統的特點

6.2 專家系統的知識表示

6.2.1 知識的層次結構

6.2.2 公共知識和私有知識

6.2.3 陳述性知識與過程性知識

6.2.4 對知識表示的要求

6.3 知識的產生式表示

6.3.1 產生式規則的形式

6.3.2 產生式系統

6.3.3 產生式表示的優缺點

6.4 知識的框架表示

6.4.1 框架表示的形式

6.4.2 框架表示下的推理

6.5 故障診斷專家系統的推理方式與控制策略

6.5.1 基于規則的診斷推理

6.5.2 基于模型的診斷推理

6.5.3 基于案例的診斷推理

6.5.4 不精確推理

6.6 故障診斷專家系統知識的獲取

6.6.1 間接獲取方式

……

第7章 神經網絡故障診斷方法

第8章 數據融合故障診斷方法

第9章 集成技術的故障診斷方法

參考文獻2100433B

本書是“十二五”職業教育國家規劃教材，經全國職業教育教材審定委員會審定。本書有7個項目、35個任務，主要內容有設備故障診斷基礎、設備故障診斷、機械設備的拆卸清洗與檢查、機械修理中的零件測繪、機械零件的修復、機械設備裝配及檢查、數控機床故障診斷與維修等。