在实践中,旋转机器运行条件往往以旋转速度和负载变化为特征,使旋转机器及其关键组件,如齿轮、轴承或轴承很容易失效为了保证操作设备安全,迫切需要检测诊断旋转机初始故障,以便提供准确警告并预排适当维护

近几十年来,人们日益关注故障检测和旋转机器诊断一般来说,故障发生可诱导非线性和非静止特征到测量振荡信号上,因此分析振荡的非线性和非静态性可帮助显示故障特征多重技术开发处理振荡信号,并计及振荡的非线性非静止性能,例如波状变换、实验模式分解、内在时间尺度分解、局部特征分解、变异模式分解和时频分布技术为开发机器状况监控做出了重大贡献严酷工作环境对测量振荡产生更多干扰,大大提高测量振荡信号的复杂性结果是,这代表了故障检测和诊断在可变操作条件下面临的重大挑战,特别是初创故障,如破解或温和穿戴

特题的目的是解决上述问题,促进开发故障诊断方法,用于基于数据处理技术的旋转机器,如自适应模式分解我们希望吸引对弱故障特征提取的广泛研究 基础是各种信号处理方法 局部和复合故障检测 和故障诊断变量工作我们欢迎原创研究文章和评论文章

潜在题目包括但不限于:

• 经验模式分解及其信号处理变异
• 经验模式分解机器故障诊断
• 本地均分分分分解法应用
• 机器故障诊断基于变异模式分解
• 滚动轴承、齿轮和变速箱故障诊断基于固有时间尺度分解及其变异
• 局部特征分解机器故障诊断
• 时频分布理论和应用
• 实战变换机械故障诊断
• 改进信封光谱机械故障诊断
• 小波变换方法故障诊断案例
• 即时放大频率估计机制故障诊断应用
• 引入新适应模式分解法并应用特殊机器