深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

提出基于普通变尺度和周期势自适应随机共振理论，检测噪声背景下轴承滚动体的故障特征.在具体实施过程中，首先用普通变尺度的方法满足随机共振中小参数的条件，然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法，同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后，微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比，结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比，并且比双稳态自适应随机共振迭代次数少，用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性，尤其是在工程实际中，故障监测所需的数据量大，计算时间长，如能较早的预警，可以提高诊断效率并减少不必要的损失.因此，这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值

1.1机械可靠性 1.2机械维修性 1.3机械故障的定义、分类及其模式 1.4机械故障特征及其发生规律 1.5机械故障迹象及其特征参量

10.1 概述 10.2 远程监测与诊断系统的设计原则与基本构成 10.2.1 船舶动力机械的远程监测与诊断系统的设计原则 10.2.2 船舶动力机械的远程监测与诊断系统的基本构成 10.3 远程监测与诊断系统的监测方法与测点布置 10.4 船载监测子系统的组成及功能

本书共分五部分：第一部分是第1章绪论，主要说明工况监视与故障诊断的意义，发展概况，研究、设计系统的指导思想；第二部分是第2、3章、主要说明传感器、信号采集及数据处理；第三部分是第4、5、6章，主要说明一般诊断方法原理及其应用场合；第四部分是第7、8章，以旋转机械及机械制造两个性质不同的工程领域的特点说明诊断方法的应用；最后第五部分是第9章，以大型旋转机械为例，说明工况监视与故障诊断系统的结构、主要模块内容，使读者有一完整的概念

预知维修程序包含三项基本内容:检测、分 析和修正。 转子的平衡可以在现场进行,也可以用专用 机器。 不对中也是有害振动的主要原因。对中的修 正也需要特殊的技术。 介绍作为控制共振的适当工具动力吸震器 ( dynamic absorber)的使用方法

分析润滑剂状态,监测设备状态。提高设备 的可靠性,减少意外故障和停机。 磨损机理导致机器零件的劣化。对磨损碎片 的识别和分析可以查明磨损的类型、来源。 用油样分析特别应用于低速重载的机器,例 如柴油发动机。 选择适当的识别异常磨损微粒的试验

预知维修“标准”技术包括振动分析、 超声、油样分析、磨损微粒分析和热像。 许多状态监测技术可以用于监测相同的 状态。例如,由油样分析识别的问题也 可以用振动分析或热像再确认。用超声 识别的电气问题可以通过使用热像来验 证。因此,可以通过不同的预知维修技 术证实诊断。这个事实使预知维修更有 说服力,特别是在涉及关键机器时

5.1 机械振动基础 5.2 简易振动诊断技术 5.3 简易振动诊断的常用仪器设备 5.4 简易振动监测标准及机器状态评价 5.5 简易振动诊断的开展方法与实施 5.6 滚动轴承的简易诊断法 5.7 精密振动诊断技术

2.1 故障的概念 2.2 机器（系统）故障的外因 2.3 故障的分类 2.4 故障规律-典型故障率曲线 2.稳定磨损阶段 2.5 故障模式 2.6 故障机理 2.7 机械系统故障状态标准 2.7.1 损伤程度的极限值 2.7.2 输出系数的极限值 2.7.3 整机的极限状态 2.7.4 经济损失的极限值