《机械传动部件故障诊断与性能退化评估方法研究》针对多工况机械系统旋转部件的运行状态监测与故障诊断问题，通过采集机械设备的振动信号作为数据源，围绕振动信号的去噪、多域特征提取、状态监测以及故障识别方法开展了详细的理论及应用研究。本书详细阐述了小波理论、流形学习以及深度学习理论在机械故障诊断中的应用现状，介绍了这些方法在实际故障诊断中存在的问题。本书立足于状态监测和故障诊断技术的研究，通过对上述方法进行改进，提高诊断的精确性。

佘博，2012年于北京理工大学获得学士学位，2015年于海军大连舰艇学院获得硕士学位，现为海军工程大学兵器工程学院博士研究生，主要研究方向为机械设备状态监测与故障诊断。发表及录用论文9篇，国家发明专利1项，其中SCI1篇EI5篇，中文核心3篇。梁伟阁，分别在2003年、2009年、2013年于海军工程大学获得学士、硕士和博士学位，现为海军工程大学兵器工程学院讲师，主要研究方向为信号处理及武器系统故障诊断。发表论文10余篇，其中EI收录7篇。田福庆，分别在1982年、1987年、2006年于海军工程大学获得学士、硕士和博士学位，现为海军工程大学兵器工程学院教授、博士研究生导师，主要研究方向为信号处理及武器系统故障诊断。在国内外期刊发表论文40余篇，其中EI收录14篇，授权国家发明专利2项，获得军队科技进步二等奖1项和三等奖5项。

前言 机械传动部件是机电装备中起承载和传动作用的关键部件，一旦传动部件出现损伤，就会引起装备振动加剧。若没有及时检测出装备的异常状态，随着故障程度的恶化，就可能引起机电装备长时间停机导致经济损失，甚至引发安全事故。为避免因机械传动部件的故障而造成巨大损失，对传动部件的状态进行故障诊断、监测以及性能退化评估具有重要的意义。机电装备的振动特性反映装备当前的状态，利用振动信号进行分析是近年来机械故障诊断领域中研究的热点和难点。由于机电装备结构复杂、工况波动、随机干扰等因素的影响，机械振动信号具有非线性、非平稳性、强噪声的特点，导致传动部件早期的微弱损伤容易被忽视，当检测到异常时，传动部件往往已严重损伤。因此，本书以机电装备中的机械传动部件为研究对象，结合信号处理、流形学习和深度学习等理论方法，研究故障诊断、状态监测与性能退化评估方法。 本书共分9章，主要内容如下。 第1章： 针对机电装备中机械传动部件的故障诊断问题，在绪论中阐明了本书研究的背景与意义，并分析了当前国内外在机械故障诊断领域研究的热点以及部分诊断方法的不足。 第2章： 分析机电装备中典型传动部件如轴承、齿轮、轴的振动机理以及故障特征，为基于数据驱动的故障诊断奠定了理论基础。 第3章： 介绍机械故障诊断领域常用的故障特征构造方法，包括时域特征、频域特征、时频域特征，以及基于小波分析、经验模态分解的多尺度特征构造方法。为获取敏感判别性强的特征，阐述了常用的特征选择方法，以及基于流形学习和深度学习的非线性特征提取方法，为故障诊断、状态监测与性能退化评估提供技术支撑。 第4章： 论述基于Teager能量谱...