滚动轴承广泛应用于机械设备中，对其进行有效的设备状态监测与故障诊断研究，及时确地预测设备运行趋势和剩余寿命，对保障系统平稳运行、减少甚至避免重大安全事故发生具有相当重要的意义。
《滚动轴承故障信息提取与寿命预测》以滚动轴承为研究对象，结合信号处理与人工智能等学科的成果，系统地介绍了旋转机械智能故障诊断与剩余寿命预测中的理论基础与前沿成果。该书的主要内容有：振动信号降噪，Cabor滤波器的轴承状态监控方法，小波变换与特征信息提取，经验模式分解（EMD）和变分模态分解（VMD）理论与应用，基于支持向量机的剩余寿命预测等。
《滚动轴承故障信息提取与寿命预测》适合机械专业研究生使用。
滚动轴承是旋转机械中最基础且易发生故障的零部件之一，其运行状态对于保障关键设备安全可靠运行意义重大。对滚动轴承进行状态监测，当设备出现劣化特征时，准确判断其故障及预测其剩余寿命对于合理安排设备的维修决策至关重要。随着信号处理技术的不断发展，例如，小波变换、经验模式分解（EMD）和变分模态分解（VMD）等，这些新方法都有效地应用到了故障诊断中，推动了故障诊断技术的发展。本书以滚动轴承为研究对象，结合信号处理与人工智能等学科的成果，系统地介绍了智能故障诊断与剩余寿命预测中的理论基础与前沿成果。
本书内容主要参考了山东省自然科学基金项目“滚动轴承故障信息提取与寿命预测研究（ZR2016EEM20）”和“滚动轴承故障的特征提取与诊断方法研究（ZR2012EEL06）”的研究成果，同时也参考了国内外相关学科领域有关的研究成果和专著。
全书共分5章，第1章综述滚动轴承故障诊断和剩余寿命预测的意义和研究进展。第2章介绍轴承几何尺寸结构、故障特征频率和目前最经典的共振解调技术。第3章介绍多种轴承信号降噪方法和VMD理论在振动信号分析中的应用。第4章介绍多种故障信息提取方法，包括小波变换法、最优GABOR滤波器法、经验模态分解法和模糊C均值算法（FCM）。第5章介绍剩余寿命预测的方案，包括特征提取与约减和支持向量机预测方法。
本书是笔者对所承担的山东省自然科学基金项目的研究成果经过认真筛选、取舍后而成稿。非常感谢加拿大湖首大学的Wilson Wang教授在课题研究过程中给予的帮助。编著本书目的是为机械故障诊断领域的研究者、工程技术人员及相关专业的研究生提供参考，但是由于笔者水平有限，书中不当和错误之处在所难免，恳请读者批评指正。
章 绪论
1．1 滚动轴承故障诊断的意义
1．2 滚动轴承故障的特征提取方法
1．3 滚动轴承故障的模式识别方法
1．4 滚动轴承的剩余寿命预测
第2章 滚动轴承结构和共振解调
2．1 滚动轴承的几何形状和特征频率
2．2 共振解调技术
第3章 振动信号的预处理和降噪
3．1 引言
3．2 基于平稳小波变换的降噪
3．3 总变差降噪方法在轴承故障诊断中的应用
3．4 VMD分解理论及其在轴承信号中的应用
3．5 小结
第4章 故障信息提取与诊断
4．1 引言
4．2 基于子小波布置和系数融合的轴承故障诊断
4．3 基于最优Gabor滤波器的轴承状态监控方法
4．4 基于EMD和MKD的滚动轴承故障诊断方法
4．5 基于加权FCM算法的轴承故障诊断
第5章 剩余寿命预测
5．1 引言
5．2 特征提取与约简
5．3 SVR预测理论
5．4 预测流程
5．5 实验验证
参考文献
新书资讯