汽车主减速器振动信号非线性特征研究
|
摘要
工业生产和科学技术的发展对车辆运行的可靠性、可用性、可维修性等提出了更高要求，小波、分形和混沌等现代非线性信号处理方法的出现为车辆检测技术提供了新的理论和思路，不同程度地满足了发展的需求。而寻求更好的非线性时间序列分析方法已成为信号处理领域中的前沿课题。论文结合驱动桥、主减速器及差速器等汽车零部件性能试验机课题，将信号小波降噪、分形和混沌等现代非线性理论应用到车辆产品检测和信号处理中，对设备运行时表现出的各种非线性特征进行了深入研究，为分析车辆零部件的振动特性开辟了途径。主要研究内容有：
考虑主减速器运转中主传动锥齿轮齿侧间隙、时变啮合刚度和齿轮副综合误差等齿轮传动中非线性因素的基础上，运用8自由度锥齿轮非线性动力学模型分析主减速器振动特性，仿真研究主减速器周期、拟周期、混沌等三种典型振动形式，并深入分析了不同参数对系统非线性的动态响应特性的影响和关联维数、最大Lyapunov指数等非线性特征量值对于主减速器振动特性的表征能力。
针对现场测量的信号信噪比低，对信号分析影响较大，将基于解析小波变换模极大值的信号消噪技术应用到主减速器振动信号降噪中。解析小波变换仅反映信号的正频率，其模振荡较之实小波变换要小，为此将由Hilbert变换构造的解析小波基引入小波极大模信号降噪中，汽车主减速器振动信号的实例分析证明，与实小波极大模降噪方法相比，该方法具有更好的降噪效果。
基于GP算法的关联维数计算方法简单，但计算量大，且难以实现自动化。论文从降低关联积分计算量、提高关联维数计算速度和无标度区间的自动识别两个方面进行了探索。提出运用关联积分曲线的二阶局部斜率实现无标度区间的自动识别，从而实现关联维数的自动计算，运用该方法对Lorenz系统的分析证明了其有效性。进而分析了不同工作状态下主减速器振动信号的关联维数和最大Lyapunov指数。研究结果表明，不同状态下主减速器信号的关联维数和最大Lyapunov指数有明显的可分性，两者都可以作为识别信号特征和程度的有效量化指标。此外，论文将多个传感器信号的非线性特征量运用遗传编程优化得到复合特征，结果表明与采用传统的统计特征量作为优化终端符相比，非线性特征终端符得到的信号复合特征能够更好
With the development of industry and science technology, higher reliability, usability and maintainability of machinery are expected. Modern non-linear signal processing methods, such as wavelet, fractal and chaos etc, have provided more advanced and reliable theory for vehicle test and satisfy the requirement of industry development to some extent. It is a promising subject in signal processing field to seek better approach for nonlinear time series analysis. Based on the projects of automobile parts performance test bed (such as drive axis, main reducer and differential), this article applies wavelet de-noising, fractal and chaos to product test and signal processing of automobile transmission, studies the nonlinear features of automobile deeply and opens up a new route to signal processing of complex vehicle parts vibration accurately. Main contents as follows:
Thinking of nonlinear factors in gear pairs system: gear backlash, meshing stiffness, gear resultant error, 8 degree of freedom nonlinear kinetics model of main reducer is built, Differential equation is computed by 4-order Runge-Kutta numerical integration method. Three typical vibrations of main reducer are simulated, and the influence of different system parameters on nonlinear dynamic characteristics and the ability of correlation dimension and largest Lyapunov exponent reflecting dynamic performance of gears transmission system are analyzed.
Due to the fact that vibration characteristics of faulty machinery are complex and defect-related vibration signal is normally buried in the wideband noise, de-noising method based on analytic Wavelet Transform Modulus Maximum (WTMM) is introduced into the noise reduction of automobile vibration signals. Analytic wavelet transform (AWT) only reflects positive frequencies of signals and its modulus oscillation is weaker than real wavelet transform (RWT), so signal noise reduction and singularity detect based AWT can be more accurate than RWT for the signal with additive white noise. Analytic wavelet based constructed by Hilbert transform is applied to the noise reduction based on WTMM. Experiment with automobile main reducer results show that noise reduction using modulus maximum of analytic wavelet is better than that of real wavelet.
The theory of correlation dimension computation based on GP is concise, but the computation burden is heavy, and scaling region recognition automatically is hard. Analyzing the influencing factor of correlation dimension, a method to scaling region recognition and correlation dimension computation automatically based on second local slope of correlation integral is presented. The effectiveness of this method was verified by the analysis of Lorenz attractor. Data, which are sampled in an automobile main reducer performance test bed, is analyzed by this method. Experiments results show correlation dimension and largest lyapunov exponent of different main reducers are different, they can be used as the quantification factor of recognizing signal features and level. Moreover, nonlinear features coming from several sensors are constructed compound signal feature by GP. Compound signal feature based nonlinear features can distinguish various working state more
考虑主减速器运转中主传动锥齿轮齿侧间隙、时变啮合刚度和齿轮副综合误差等齿轮传动中非线性因素的基础上，运用8自由度锥齿轮非线性动力学模型分析主减速器振动特性，仿真研究主减速器周期、拟周期、混沌等三种典型振动形式，并深入分析了不同参数对系统非线性的动态响应特性的影响和关联维数、最大Lyapunov指数等非线性特征量值对于主减速器振动特性的表征能力。
针对现场测量的信号信噪比低，对信号分析影响较大，将基于解析小波变换模极大值的信号消噪技术应用到主减速器振动信号降噪中。解析小波变换仅反映信号的正频率，其模振荡较之实小波变换要小，为此将由Hilbert变换构造的解析小波基引入小波极大模信号降噪中，汽车主减速器振动信号的实例分析证明，与实小波极大模降噪方法相比，该方法具有更好的降噪效果。
基于GP算法的关联维数计算方法简单，但计算量大，且难以实现自动化。论文从降低关联积分计算量、提高关联维数计算速度和无标度区间的自动识别两个方面进行了探索。提出运用关联积分曲线的二阶局部斜率实现无标度区间的自动识别，从而实现关联维数的自动计算，运用该方法对Lorenz系统的分析证明了其有效性。进而分析了不同工作状态下主减速器振动信号的关联维数和最大Lyapunov指数。研究结果表明，不同状态下主减速器信号的关联维数和最大Lyapunov指数有明显的可分性，两者都可以作为识别信号特征和程度的有效量化指标。此外，论文将多个传感器信号的非线性特征量运用遗传编程优化得到复合特征，结果表明与采用传统的统计特征量作为优化终端符相比，非线性特征终端符得到的信号复合特征能够更好
With the development of industry and science technology, higher reliability, usability and maintainability of machinery are expected. Modern non-linear signal processing methods, such as wavelet, fractal and chaos etc, have provided more advanced and reliable theory for vehicle test and satisfy the requirement of industry development to some extent. It is a promising subject in signal processing field to seek better approach for nonlinear time series analysis. Based on the projects of automobile parts performance test bed (such as drive axis, main reducer and differential), this article applies wavelet de-noising, fractal and chaos to product test and signal processing of automobile transmission, studies the nonlinear features of automobile deeply and opens up a new route to signal processing of complex vehicle parts vibration accurately. Main contents as follows:
Thinking of nonlinear factors in gear pairs system: gear backlash, meshing stiffness, gear resultant error, 8 degree of freedom nonlinear kinetics model of main reducer is built, Differential equation is computed by 4-order Runge-Kutta numerical integration method. Three typical vibrations of main reducer are simulated, and the influence of different system parameters on nonlinear dynamic characteristics and the ability of correlation dimension and largest Lyapunov exponent reflecting dynamic performance of gears transmission system are analyzed.
Due to the fact that vibration characteristics of faulty machinery are complex and defect-related vibration signal is normally buried in the wideband noise, de-noising method based on analytic Wavelet Transform Modulus Maximum (WTMM) is introduced into the noise reduction of automobile vibration signals. Analytic wavelet transform (AWT) only reflects positive frequencies of signals and its modulus oscillation is weaker than real wavelet transform (RWT), so signal noise reduction and singularity detect based AWT can be more accurate than RWT for the signal with additive white noise. Analytic wavelet based constructed by Hilbert transform is applied to the noise reduction based on WTMM. Experiment with automobile main reducer results show that noise reduction using modulus maximum of analytic wavelet is better than that of real wavelet.
The theory of correlation dimension computation based on GP is concise, but the computation burden is heavy, and scaling region recognition automatically is hard. Analyzing the influencing factor of correlation dimension, a method to scaling region recognition and correlation dimension computation automatically based on second local slope of correlation integral is presented. The effectiveness of this method was verified by the analysis of Lorenz attractor. Data, which are sampled in an automobile main reducer performance test bed, is analyzed by this method. Experiments results show correlation dimension and largest lyapunov exponent of different main reducers are different, they can be used as the quantification factor of recognizing signal features and level. Moreover, nonlinear features coming from several sensors are constructed compound signal feature by GP. Compound signal feature based nonlinear features can distinguish various working state more
引文
1．刘惟信．驱动桥[M]．北京：人民交通出版社，1987
2．J．D．史密斯著．吴佩江，潘家强，译．齿轮振动与噪声[M]．北京：中国计量出版社，1989
3．董学朱．摆线齿锥齿轮及准双曲面齿轮设计和制造[M]．北京：机械工业出版社，2002
4．小林明．汽车振动学[M]．北京：机械工业出版社，2003
5．常明．汽车底盘构造[M]．北京：国防工业出版社，2005
6．汤姆·德恩顿著，鲁植雄，黄学勤译．汽车故障诊断高级教程[M]．江苏科学出版社，2005
7．方泳龙．汽车制动理论与设计[M]．北京：国防工业出版社，2005
8．韩振南．齿轮传动系统的故障诊断方法的研究[D]．太原：太原理工大学，2003
9．时文刚．往复机械的振动信号处理与故障诊断方法研究[D]．哈尔滨：哈尔滨工业大学，2003
10．王立华．汽车螺旋锥齿轮传动耦合非线性振动研究[D]．重庆：重庆大学，2003
11．刘耀宗．碰摩转子混沌振动识别与控制技术研究[D]．长沙：国防科技大学，2001
12．陈予恕．非线性振动[M]．大津：天津科学技术出版社，1983
13．陈予恕．非线性振动系统的分叉和混沌婵论[M]．北京：高等教育出版社．1993
14．程耀东．机械振动学，非线性·弹性系统[M]．杭州：浙江大学出版社，1990
15．蒋伟．机械动力学分析[M]．北京：中国传媒大学出版社，2005
16．陆同兴．非线性物理概论[M]．合肥：中国科学技术大学出版社，2002
17. Kantz H, Thomas S. Nonlinear time series analysis[M]. Cambridge: Cambridge University Press, 1997.
18．石博强，申焱华．机械故障诊断的分形方法—理论与实践[M]．北京：冶金工业出版社，2001
19．孟庆华．基于小波免疫的车辆在线检测方法及其应用技术研究[D]．杭州：浙江大学，2005
20．潘明清．基于支持向量机的机械故障模式分类研究[D]．杭州：浙江大学，2005
21．郑金学．面向在线检测的汽车驱动桥状态监测和故障诊断技术研究及系统开发[D]．杭州：浙江大学，2004
22．林军，周晓军．汽车驱动桥总成在线自动检测系统[J]．机械与电子．2000(4)：20-21
23．林军，陈子辰，周晓军．基于车桥总成的制动性能在线检测试验研究[J]．机械工程学报．2002，38(1)：142-145
24．林军，陈庆春．驱动桥总成在线检测计算机测控系统研究．汽车工程．2002，24(1)：56-569
25．庞茂，孟庆华，潘明清等．模块化方法在驱动桥测试系统开发中的应用研究[J]．组合机床与自动化加工技术，2004(6)：35-36
26．庞茂，周晓军，孟庆华．在线噪声检测方法及基于声信号的故障诊断技术研究．传感技术学报，2006，19(1)：142-145
27．王良模，王和福．IVECO汽车驱动桥试验台的研制．南京理工大学学报(自然科学版)．1997，21(2)：189-192
28．王铁．驱动桥设计与分析若干理论问题的研究[D]．沈阳：东北大学，2004
29．张国忠．现代设计方法在汽车设计中的应用[M]．沈阳：东北大学出版社，2002
30．王新晴，王根华，陈六海等．驱动桥轴承故障振动诊断[J]．起重运物机械．2001，(3)
31．王铁，张国忠，侯荣涛．基于倒谱和小波变换的驱动桥故障特征提取[J]．计算机测量与控制．2003，11(8)：580-582
32．虞和济，韩庆大等．振动诊断的工程应用[M]．北京：冶金工业出版社．1990
33．肖健华．机械设备运行状态特征提取与模式分类中的智能方法研究[D]．武汉：华中科技大学，2002
34．王立忠．提高机械诊断质量的若干方法[D]．西安：西安交通大学，2002
35．Rudolf Limpert编 张蔚林等译．Analysis and Design of Automotive Brake Systems[M]．北京：机械工业出版社，1985
36．陈朝阳，张代胜，任佩红．汽车故障诊断专家系统的现状与发展趋势．机械工程学报．2003，39(11)：1-6
37．闻邦椿，武新华，丁千等．故障旋转机械非线性动力学的理论与试验[M]．北京：科学出版社，2004
38．汪慰军．分岔与混沌理论在旋转机械非线性故障诊断中的应用研究[D]．杭州：浙江大学，2002
39．滕丽娜．基于分形的信号处理技术在设备故障诊断中的应用研究[D]．上海：上海交通大学，2002
40．李后强，汪富泉．分形理论及其在分子科学中的应用[M]．北京：科学出版社，1993
41．Falconer K．J著，曾文曲等译．分形几何—数学基础及其应用[D]．沈阳：东北大学出版社，1991
42．孙博文．分形算法与程序设计-Visual Basic实现[M]．北京：科学出版社，2004
43．吕金虎，陆均安，陈士华．混沌时间序列分析及其应用[M]．武汉：武汉大学出版社，2002
44．王兴元．复杂非线性系统中的混沌[M]．北京：电子工业出版社．2003
45．张琪昌，王洪礼，竺致文，等．分岔与混沌理论及应用[M]．天津：天津大学出版社，2005
46．侯荣涛．基于现代非线性理论的复杂机械故障诊断技术研究[D]．沈阳：东北大学，2004
47．侯祥林．非线性系统故障的分形和神经网络智能诊断方法研究[D]．沈阳：东北大学，2000
48．李永强．高速旋转机械故障的若干非线性动力学问题及故障诊断方法的研究[D]．沈阳：东北大学，2003
49．王冠宇．混沌振了微弱信号检测的理论研究及实践[D]．杭州：浙江大学，2000
50．吕勇．非线性时间序列分析在设备故障诊断中应用研究[D]．北京：北京科技大学，2004
51．金文光．小信号混沌动力学测量研究[D]．杭州：浙江大学，2003
52．曹树谦．高维复杂转子系统非线性动力学的若干现代问题研究[D]．天津：天津大学，2003
53．孙保苍．轴承—转子系统非线性动力学若干问题研究[D]．南京：南京航空航天大学，2002
54．C．格里博格，J．A．约克．著，杨立，刘巨斌等译．混沌对科学和社会的冲击[M]．长沙：湖南科学技术出版社，2001
55．候荣涛，闻邦椿，周飙．基于现代非线性理论的汽轮发电机组故障诊断技术研究[J]．机械工程学报．2005，41(2)：142-147
56. P. Velex, M. Maatar et al. Some Numerical Methods for the Simulation of Geared Transmission Dynamic Behavior formulation and Assessment[A]. ASME Power Transmission and Gearing Conference, 1996(88):29～38
57. Andersson A, VedmarL. A dynamic model to determine vibrations in involute helical gears[J]. Journal of Sound and Vibration, 2003, 260(2):195-212
58. Baud S, Velex P. Static and dynamic tooth loading in spur and helical geard systems——experiments and model validation[J]. ASME Journal of mechanical design, 2002, 124(2):334-346
59. Li M, Hu H. Y. Dynamic analysis of a spiral bevel-geared rotor-bearing system[J]. Journal of Sound and Vibration, 2003, 259(3): 605-624.
60．徐颖强，何大为，刘更．螺旋锥齿轮动态响应的分析[J]．机械科学与技术，1996，15(1)：105-110
61．郜志英，沈允文，蕈海军等．齿轮系统倍周期分岔和混沌层次结构的研究[J]．机械工程学报．2005，41(4)：44-48
62．郜志英．间隙非线性齿轮系统周期解结构及其稳定性研究[J]．机械工程学报．2004，40(5)
63．罗冠炜，谢建华．碰撞振动系统的周期运动和分岔[M]．北京：科学出版社，2004
64．Arieh Iserles著，刘晓艳，刘学深等译．微分方程数据分析基础教程[M]．北京：清华大学出版社，2005
65．王安良，杨春信．小波变换方法评价曲线的分形特征[J]．机械工程学报．2002，38(5)
66．訾艳阳，何正嘉，张周锁．小波分形技术及其在非平稳故障诊断中的应用[J]．西安交通 大学学报．2000，34(9)：82-87
67．郑海波，李志远，陈心昭．基于连续小波变换的齿轮故障诊断方法研究[J]．机械工程学报，2002，3 8(3)：69-73
68. Pemujin Gautama, Danilo P. Mandic Marc M. Van Hulle. A differential entropy based method for determining the optimal embedding parameters of a signal[A]. IEEE of ICASSP(2003):29-32
69. Francis C. Moon. Chaotic and fractal dynamics: an introduction for applied scientists and engineers[M]. New York: JOHN WILEY & SONS, INC. 1992
70. Vladimir V. Filaretov, Alexey N. Zhirabok, Sergey A. Usoltsev. Fault Diagnosis for Nonlinear Mechanical Systems[A]. IEEE International Conference on Advanced Intelligent Mechatronics Proceedings, 2001(7), Italy
71. Yu Tao, Ernest C. M. Lam, Yuan Y. Tang. Feature extraction using wavelet and fractal[J]. Pattern recognition letters. 2001(22):271-287
72．《振动与冲击手册》编辑委员会．振动与冲击(第二卷：测试技术)[S]．北京：国防工业出版社，1992
73．靳晓雄，张立军．汽车噪声的预测与控制[M]．上海：同济大学出版社．2004
74．盛兆顺，尹畸岭．设备状态监测与故障诊断技术及应用[M]．北京：化学工业出版社，2002
75．温广瑞，张西宁，屈梁生．奇异值分解技术在声音信息分离中的应用[J]．西安交通大学学报．2003，37(1)：36-39
76．李崇晟，屈梁生．基于混沌和符号序列统计的滚动轴承故障诊断[J]．西安交通大学学报．2005，39(3)：261-265
77. Y. D. CHEN and R. DU. Fault Features of Large Rotating Machinery and Diagnosis Using Sensor[J]. Journal of Sound and Vibration. 1995. 188(2):227-242
78. R. H. Lyon. Machinery Noise and Diagnostics[M]. Butterworths. 1987
79. Wen-Xian Yang, Peter W. Tse. Development of an Advanced Noise Reduction Method for Vibration Analysis Based on Singular Value Decomposition[A]. NDT&E International 2003,36:419-432
80. John L. Maryak. Lawrence W. Hunter and Stanley Favin. Automated System Monitoring and Diagnosis via Singular Value Decomposition. Automation[J]. 1997, 33 (11):2059-2063
81. Huang N E, Shen Z, Long S R et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear non-stationary time series analysis[A]. Proc Royal London, 1998,A454:903-995
82. Jionghua Jin. Feature extraction of waveform signals for stamping process monitoring and fault diagnosis[D]. The University of Michigan, 1999
83. Levent Eren. Bearing damage detection via wavelet packet decomposition of stator current[D]. University of Missouri-Columbia, 2002
84. Chen Ji. Analysis of complex faulting: Wavelet transform, multiple datasets and realistic fault geometry[D]. California institute of technology, 2002
85. Hui-Ming Hung. Diagnosis of gear pair system vibration by hybrid analysis method[D]. Case western Reserve University, 1999
86. LEO HAO-TIEN CHIANG. Fault detection and diagnosis for large-scale systems[D]. University of Minois at Urbana-Champaign, 2001
87. XINSHENG LOU. Fault detection and diagnosis for rolling element bearing[D]. Case Western Reserve University, 2000
88. Abdulrahman, Abdallah, Al-Khalidy. Health monitoring of dynamic systems using wavelet analysis[D]. Corneil University, 2002
89. M. El-Ghamry, J. A. Steel, R. L. Reuben et al. Indirect measurement of cylinder pressure from diesel engines using acoustic emission[J]. Mechanical systems and signal processing. 2005(19):751-765
90. F. Bonnardot, M. El Badaoui, R. B. Randall et al. Use of the acceleration signal of a gearbox in order to perform angular resampling (with limited speed fluctuation)[J]. Mechanical systems and signal processing. 2005(19):766-785
91．马军海．复杂非线性系统的重构技术[M]．天津：天津大学出版社，2005
92．谢和平，薛秀谦．分形应用中的数据基础与方法[M]．北京：科学出版社，2005
93．刘天雄，华宏星，李中付，等．基于分形几何状态监测方法的应用研究[J]．机械工程学报．2001，37(5)：100-104
94．靳伍银，徐健学．基于关联积分的非线性降噪和故障诊断技术[J]．西安交通大学学报．2003，37(11)：1167-1170
95．徐玉秀，杨文平，任立义．关联维数及其在故障诊断中的应用研究[J]．振动、测试与诊断．2001，21(4)：275-280
96．肖方红，阎桂荣，韩宇航．混沌时序相空间重构参数确定的信息论方法[J]．物理学报．2005，54(2)：550-556
97．游荣义，陈忠，徐慎初等．基于小波变换的混沌信号相空间重构研究[J]．物理学报．2004，53(9)：2882-2888
98．姜万录，张淑清，王益群．混沌运动特征的数值试验分析[J]．机械工程学报，2000，36(10)：13-17
99．郁俊莉，王其文，韩文秀．经济时间序列相空间重构与混沌特性判定研究[J]．武汉大学学报(理学版)[J]．2004，50(1)：33-37
100．杨绍清．两种实用的相空间重构方法[J]．物理学报．2002，51(11)：2452-2458
101．修春波，刘向东，张宇河．相空间重构延迟时间与嵌入维数的选择[J]．北京理工大学学报．2003，23(4)：219-224
102．杨积东，郑铁生，张文． 一种确定混沌时序重构相空间维数的新方法[J]．振动与冲 击．2002，21(4)：85-86
103．杨绍清，章新华，赵长安．一种最大李雅普诺夫指数估计的稳健算法[J]．物理学报．2000，49(4)：636-640
104．陈关荣，吕金虎．Lorenz系统的动力学分析、控制与同步[M]．北京：科学出版社，2003
105．郑会永，肖田元，韩向利，等．心电信号的混沌分形特性研究[J]．清华大学学报(自然科学版)．1999，39(9)
106．柳景青．用水量时间观测序列中的分形和混沌特性[J]．浙江大学学报(理学版)．2004，31(2)：236-240
107．杨文平，陈国定，石博强，等．基于李雅谱指数的汽车发动机故障诊断研究[J]．振动工程学报，2002，15(4)：476-478
108．张涛，文学章．吸引子维数计算的几点改进[J]．浙江大学学报(自然科学版)．1993，27(5)：673-679
109. Wolf Alan, et al. Determining Lyapunov exponent from a time series[J]. Phys D, 1985(16)
110. Smith L. A, Intrinsic limits on dimension calculation[J]. Phys, Lett A, 1988,133(6).
111. T. S. Kim, S. Kim. Singularity spectra of fractional Brownian motions as a multi-fractal[J]. Chaos, Solitons and Fractals, 19 (2004):613-619
112. PousefAl-Assaf, Reyad El-Khazali, Wajdi Ahmad. Identification of fractional chaotic system parameters[J]. Chaos, Solitons and Fractals, 22 (2004):897-905
113. D. Logan, J. Mathew. Using de correlation dimension for vibration fault diagnosis of rolling element bearings—Ⅰ. Basic concepts[J]. Mechanical systems and signal processing 1999(10):241-250
114. D. Logan, J. Mathew. Using de correlation dimension for vibration fault diagnosis of rolling element bearings—Ⅱ. Selection of experimental parameters[J]. Mechanical systems and signal processing 1999(10):251-264
115. C. Craig, R. D. Neilson, J. Penman. The use of correlation dimension in condition monitoring of systems with clearance[J], Journal of Sound and Vibration. 2000(231): 1-17
116. W. J. Wang, J. Chen, X. K Wu, et al. The application of some non-linear methods in rotating machinery fault diagnosis[J]. Mechanical Systems and Signal Processing, 15(2001):697-705.
117. W. J. Wang, J Chen. The application of pseudo-phase portrait in machine condition monitoring[J], Journal of Sound and Vibration. 259(2003): 1-16
118. D. V. Pisarenko, V. F. Pisarenko. Statistical estimation of the correlation dimension[J]. Physics Letter A. 1995(197): 31-39
119. R. Hegger, H. Kantz, T. Schreiber. Practical implementation of nonlinear time series methods: the TISEAN package[J], Chaos 9(1999)413
120. C. L. Philip, van den Brock, Jan van Egmond et al. Feasibility of real-time calculation of correlation integral derived statistics applied to EEG time series[J]. Physica D 203(2005): 198-208
121．费斌，蒋庄德，王海容．基于遗传算法求解分形无标度区的方法[J]．西安交通大学学报[J]．1998，32(7)：179-184
122．党建武，王瑞玲，黄建国．基于GP算法的关联维计算中无标度区的识别[J]．弹箭与制导学报．2003，23(1)：35-38
123．彭召意，蒋伟进．非线性复杂系统特征抽取算法的研究[J]．微机发展．2004，14(5)：69-71
124．于青．关联维数计算的分析研究[J]．天津理工学院学报．2004，20(4)：60-62
125．赵贵兵，石炎福，段文锋，等．从混沌序列同时计算关联维和Kolmogrov熵[J]．计算物理，1999，16(5)：309-315．
126．彭志科，何永勇，卢青，等．小波多重分形及其在振动信号分析中的应用研究[J]．机械工程学报．2002，38(8)：59-63
127．杜恩祥，李科杰．基于多重分形和小波变换的声目标信号特征提取[J]．自动化学报．2004，30(5)：742-746
128．党建武，黄建国．基于GP算法的关联维数计算中的参数取值的研究[J]．计算机应用研究，2004(1)：48-51
129．周越，杨杰．求解关联维数的快速算法研究[J]．电子学报．2002，30(10)：1526-1529
130．刘海峰，代正华，陈峰，等．混沌动力系统小波变换模数的关联维数[J]．物坪学报，2002，51(6)：1186-1193
131．党建武，黄建国．一种计算时间序列关联维的逐步递归法[J]．电子与信息学报．2005，27(6)：879-883
132．温晓通，孟丽艳，朱劲松，等．一种非线性时间序列的关联维数快速算法[J]．北京师范大学学报(自然科学版)．2005，41(4)：358-361
133. Angelo Corana. Parallel computation of the correlation dimension from a time series[J]. Parallel computing. 25(1999):639-666
134. R. M. Fuchslin, Y. Shen, P. E. Meier. An efficient algorithm to determine fractal dimension of point sets[J]. Physics Letter A. 285(2001):69-75
135. James Theiler. Spurious dimension from correlation algorithm applied to limited time-series data[J]. Pysical Review A. 1986,34(3):2427-2432
136. Angeline Wong, Leejay Wu, Phillip B. Gibbons, et al. Fast estimation of fractal dimension and correlation integral on streem data[J]. Information processing letters. 93(2005):91-97
137. H. Kantz. A robust method to estimate the maximal Lyapunov exponent of a time series. Phys. Lett. A. 1994,185, 77 (1994).
138. M.T. Rosenstein, J.J. Collins, C.J. De Luca. A practical method for calculating largest Lyapunov exponents from small data sets. Physica D. 1993, 65(7):117-134
139. Barana G, Tsuda I. A new method for computing Lyapunov exponent. Phys. Lett A, 1993,175(6):421-427
140. Kim H S, Eykholt R, Salas J D. Nonlinear dynamics, delay times, and embedding windows[J]. Physica D, 1999, 127 (1-2): 48-60.
141. T. Schreiber, A. Schmitz. Surrogate time series[J]. Physica D, 2000, 142(3-4)
142. Shin K, Hammond j k. The instantaneous Lyapunov exponent and its application to chaotic dynamical systems[J]. Journal of Sound and Vibration, 1998,218(3)
143. Wolf J A, Swift B, Swinney H L J, et al. Determining Lyapunov exponents from a time series[J]. Physical, 16D, 1985:285-317
144. Ying-Cheng Lai, David Lerner. Effective scaling regime for computing the correlation dimension from chaotic time series[J]. Physica D, 1998(115): 1-18.
145．余英林，谢胜利，蔡汉添．信号处理新方法导论[M]．北京：清华大学出版社，2004
146．胡广书．现代信号处理教程[M]．北京：清华大学出版社，2004
147．成礼智，王红霞，罗永．小波的理论与应用[M]．北京：科学出版社，2004
148．杨福生．小波变换的工程分析与应用[M]．北京：科学出版社，1999
149．周晓军．突变信号相平面特征小波分析及其检测声学中的应用[D]．杭州：浙江大学1993
150．徐伯勋，白旭滨，傅孝毅．信号处理中的数学变换与估计方法[M]．北京：清华大学出版社，2004
151．Ingrid Daubechies著，李建平，杨万年译．小波十讲[M]．国防工出版社，2004
152．庞峰，徐美华，冉峰．基于小波变换的ECG信号消噪[J]．上海大学学报(自然科学版)，2002，8(4)：302-304
153．林京，屈梁生．基于连续小波变换的奇异性检测与故障诊断．振动工程学报[J]，2000，13(4)：523-530
154．杨文献，任兴民，姜节胜．基于奇异熵的信号降噪技术研究[J]．西北工业大学学报．2001，19(3)：368-371
155．石爱业，徐立中．由小波变换模极大值重构信号的改进解析迭代算法[J]．数据采集与处理，2004，19(2)：199-204
156. Donald B. Percival, Andrew T. Walden. Wavelet methods for time series analysis[M]. Beijing: China Machine Press, 2004
157. GuiCai Zhang, RuXu Du, TieLin Shi. Extracting Gear Fault Features Using Integrated Bispectrum. Proc. 2003 IEEE International Conference on Robotics[J], Intelligent Systems and Signal Processing. 2003(10): 548～553
158. S MALLAT. A wavelet tour of signal processing[M]. Beijing: China Machine Press, 2003
159. BAYDAR N, BALL A. Case study: detection of gear failures via vibration and acoustic signals using wavelet transform[J]. Mechanical Systems and Signal Processing. 2003,17(4): 787-804
160. SUN Q, TNAG Y. Singularity analysis using continuous wavelet transform for bearing fault diagnosis[J]. Mechanical Systems and Signal Processing. 2002,16(6): 1025- 1041
161. TU C, HWANG W and J HO. Analysis of Singularities from Modulus Maxima of Complex Wavelets[A]. IEEE Trans on Information Theory. 2005, 51(3):1049-1062
162. S. MALLAT and S. ZHONG. Characterization of signals from multiscale edges[A]. IEEE Trans. Pattern Analysis and Machine Intelligence. 1992,14(7):710-732
163. S. MALLAT and W HWANCG. Singularity Detection and Processing with Wavelets[A]. IEEE Trans. Information Theory, 1992, 38(2):617-643
164．李敏强，寇纪淞，林丹，等．遗传算法的基本理论与应用[M]]．北京：科学出版社，2002
165．孙庆伟．复杂十扰环境下多传感器数据融合方法及应用研究[D]．哈尔滨：哈尔滨工业大学，2002
166．潘泉，于昕，程咏梅，等．信息融合理论的基本方法与进展[J]．自动化学报．2003，29(4)：599-615
167．何友，王国宏，，陆大缙，等．多传感器信息融合及应用[M]．北京：电子工业出版社，2000
168. Ajith H. Gunatilaka, Brian A. Baertlein. Feature-Level and Decision-Level Fusion of Noncoincidently Sampled Sensors for Land Mine Detection[A]. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2001,23(6)
169．刘大有，卢奕甫，王飞 等．遗传程序设计方法综述[J]．计算机研究与发展．2001，38(2)
170．Banzhaf w. genetic programming. Intelligent Systems[A]. IEEE．2000, 15(3)：74—84
171．李良敏，屈梁生．基于遗传编程和支持向量机的故障诊断模型[J]．西安交通大学学报．2004，38(3)：239-242
172．李良敏，屈梁生．遗传编程在无量纲指标构建中的应用[J]．西安交通大学学报．2002，36(7)：736-739
173．史东锋，屈梁生．遗传算法在故障特征选择中的应用研究[J]．振动、测试与诊断，2000，20(3)：171-176
174．王锋，屈梁生．用遗传编程方法提取和优化机械故障的声音特征[J]．西安交通大学学报．2002，36(12)：1307-1310
175. PANG Mao, ZHOU Xiao-jun, MEN Qing-hua. Study on the Information Fusion Based on Genetic-Programming with Application to Driving Axles Fault Diagnosis. 仪器仪表学报，2006(5)
176. Liang Zhang, Lindsay B. Jack, and Asoke K. Nandi. Fault detection using genetic programming[J]. Mechanical systems and signal processing. 2005(19):271-289
177. Peng Chen and Toyota. T. Failure diagnosis method for machinery in unsteady operating condition by instantaneous power spectrum and genetic programming[A]. Mechanical systems and signal processing. 2005(19):175-194
178. Peng Chen, Tomoyoshi and Toshio, et al. Intelligent Diagnosis Method for Plant Machinery Using Wavelet Transform, Genetic Programming and Possibility Theory[A]. Proc IEEE TENCON. 2002:632～636
179. Hong Guo, Lindsay B. Jack, Asoke K. Nandi. Feature generation using genetic programming with application to fault classification[A]. IEEE Transactions on System, Man and Cybernetics-part B: Cybernetics. 2005, 35(1):89-99
180. Zhang Zheng, Huang Wei-hua, Xiao Deng-ming, et al. Fault detection of power transformers using genetic programming method[A]. Shanghai: Proceedings of the third international conference on Machine Learning and Cybernetics. 2004,:3018-3022
181. YiXin Diao, Kevin M. Passino. Intelligent fault-tolerant control using adaptive and learning methods[J]. Control Engineering Practice. 2002(10) 801-817
182．姚文斌，宗绪国，杨孝宗．基于模糊重用库的容错软件开发[J]．计算机研究与发展．2002，39(12)：1533-1542
183．阴晓峰，谭晶星等．软件容错技术在AMT控制系统开发中的应用[J]．汽车工程．2004，26(1)：85-89
184．童时钟．模块化原理、设计、方法与应用[M]．北京：中国标准出版社，2000
185．庞茂，周晓军，胡宏伟．基于模块化的容错技术在检测系统软件开发中的应用研究．传感技术学报，2006，19(2)：537-540
186．郑荣，庞茂，张亮有．模块化设计与参数化绘图[J]．太原重型机械学院学报．2003，24(1)：27-30
187．刑文华．汽车检测与诊断技术[M]．北京：国防工业出版社，2004
188．屈梁生，吴松涛．统计模拟在工程诊断中的一些应用[J]．振动，测试与诊断．2001(3)：157-167
189．M．P．诺顿著，盛元生，顾伟豪，韩建民等译．工程噪声和振动分析基础[M]．北京：航空工业出版社，1994
190．吴晓如，杨浩广，张平，等．强背景噪声卜声信号的测量[J]．中国科学技术大学学报．1999(12)：696-701
191. Alberto R. N, Maria-Elena Montesino-Otero. A method of the correlation dimension for on-line condition monitoring of large rotating machinery[J]. Mechanical Systems and Signal Processing. 19(2005):939-954.
192. G. Widman, K. Lehnertz, P. Jansen, et al. A fast general purpose algorithm for the computation of auto- and cross-correlation integrals from single channel data[J]. Physica D. 121(1998):65-74
193. X. C. Jin, S. H. Ong, Jayasooriah. A practical method for estimating fractal dimension[J]. Pattern Recognition Letters. 16(1995):457-464
194．孟庆华，周晓军，庞茂．Bootstrap法在车辆故障检测中的研究及应用[J]．汽车工程．2005，27(4)：498-501
195. C. Radhakrishna Rao, P. K. Pathak, V.I. Koltchinskii. Bootstrap by sequential resampling[J]. Journal of statistical planning and inference. 64(1997):257-281
196. Kenny Y. F. Chan, Stephen M. S. Lee. An exact iterated bootstrap algorithm for small-sample bias reduction[J]. Computational statistics & data analysis. 36(2001):1-13
197．卢文祥，杜润生．机械工程测试·信息·信号分析[M]．武汉：华中理工大学出版社，1999
198．李国辉，周世平，徐得名．时间序列最大Lyapunov指数的计算[J]．应用科学学报，2003，21(2)：127-131
199．李华，沈允文，刘梦军，等．用Lyapunov指数研究单对齿轮间隙非线性系统的动力学行为[J]．中国机械工程，2002，13(12)：1040-1044
200．黄胜伟，郑天柱，王德信．可视化分析非线性强迫振动的混沌现象[J]．河海大学学报，2002，30(3)：42-46
201．陈照波，焦映厚，陈明等．非线性转子—轴承系统动力学分叉及稳定性分析[J]．哈尔滨工业大学学报，2002，34(5)：587-590
202. Yu Tao, Ernest C. M. Lain, Yuan Y.Tang. Feature extraction using wavelet and fractal[J]. Pattern recognition letters, 22(2001):271-287
203. http://www.mpipks-dresden.mpg.de/～tisean
204. http://www-stat.stanford.edu/～wavelab
2．J．D．史密斯著．吴佩江，潘家强，译．齿轮振动与噪声[M]．北京：中国计量出版社，1989
3．董学朱．摆线齿锥齿轮及准双曲面齿轮设计和制造[M]．北京：机械工业出版社，2002
4．小林明．汽车振动学[M]．北京：机械工业出版社，2003
5．常明．汽车底盘构造[M]．北京：国防工业出版社，2005
6．汤姆·德恩顿著，鲁植雄，黄学勤译．汽车故障诊断高级教程[M]．江苏科学出版社，2005
7．方泳龙．汽车制动理论与设计[M]．北京：国防工业出版社，2005
8．韩振南．齿轮传动系统的故障诊断方法的研究[D]．太原：太原理工大学，2003
9．时文刚．往复机械的振动信号处理与故障诊断方法研究[D]．哈尔滨：哈尔滨工业大学，2003
10．王立华．汽车螺旋锥齿轮传动耦合非线性振动研究[D]．重庆：重庆大学，2003
11．刘耀宗．碰摩转子混沌振动识别与控制技术研究[D]．长沙：国防科技大学，2001
12．陈予恕．非线性振动[M]．大津：天津科学技术出版社，1983
13．陈予恕．非线性振动系统的分叉和混沌婵论[M]．北京：高等教育出版社．1993
14．程耀东．机械振动学，非线性·弹性系统[M]．杭州：浙江大学出版社，1990
15．蒋伟．机械动力学分析[M]．北京：中国传媒大学出版社，2005
16．陆同兴．非线性物理概论[M]．合肥：中国科学技术大学出版社，2002
17. Kantz H, Thomas S. Nonlinear time series analysis[M]. Cambridge: Cambridge University Press, 1997.
18．石博强，申焱华．机械故障诊断的分形方法—理论与实践[M]．北京：冶金工业出版社，2001
19．孟庆华．基于小波免疫的车辆在线检测方法及其应用技术研究[D]．杭州：浙江大学，2005
20．潘明清．基于支持向量机的机械故障模式分类研究[D]．杭州：浙江大学，2005
21．郑金学．面向在线检测的汽车驱动桥状态监测和故障诊断技术研究及系统开发[D]．杭州：浙江大学，2004
22．林军，周晓军．汽车驱动桥总成在线自动检测系统[J]．机械与电子．2000(4)：20-21
23．林军，陈子辰，周晓军．基于车桥总成的制动性能在线检测试验研究[J]．机械工程学报．2002，38(1)：142-145
24．林军，陈庆春．驱动桥总成在线检测计算机测控系统研究．汽车工程．2002，24(1)：56-569
25．庞茂，孟庆华，潘明清等．模块化方法在驱动桥测试系统开发中的应用研究[J]．组合机床与自动化加工技术，2004(6)：35-36
26．庞茂，周晓军，孟庆华．在线噪声检测方法及基于声信号的故障诊断技术研究．传感技术学报，2006，19(1)：142-145
27．王良模，王和福．IVECO汽车驱动桥试验台的研制．南京理工大学学报(自然科学版)．1997，21(2)：189-192
28．王铁．驱动桥设计与分析若干理论问题的研究[D]．沈阳：东北大学，2004
29．张国忠．现代设计方法在汽车设计中的应用[M]．沈阳：东北大学出版社，2002
30．王新晴，王根华，陈六海等．驱动桥轴承故障振动诊断[J]．起重运物机械．2001，(3)
31．王铁，张国忠，侯荣涛．基于倒谱和小波变换的驱动桥故障特征提取[J]．计算机测量与控制．2003，11(8)：580-582
32．虞和济，韩庆大等．振动诊断的工程应用[M]．北京：冶金工业出版社．1990
33．肖健华．机械设备运行状态特征提取与模式分类中的智能方法研究[D]．武汉：华中科技大学，2002
34．王立忠．提高机械诊断质量的若干方法[D]．西安：西安交通大学，2002
35．Rudolf Limpert编 张蔚林等译．Analysis and Design of Automotive Brake Systems[M]．北京：机械工业出版社，1985
36．陈朝阳，张代胜，任佩红．汽车故障诊断专家系统的现状与发展趋势．机械工程学报．2003，39(11)：1-6
37．闻邦椿，武新华，丁千等．故障旋转机械非线性动力学的理论与试验[M]．北京：科学出版社，2004
38．汪慰军．分岔与混沌理论在旋转机械非线性故障诊断中的应用研究[D]．杭州：浙江大学，2002
39．滕丽娜．基于分形的信号处理技术在设备故障诊断中的应用研究[D]．上海：上海交通大学，2002
40．李后强，汪富泉．分形理论及其在分子科学中的应用[M]．北京：科学出版社，1993
41．Falconer K．J著，曾文曲等译．分形几何—数学基础及其应用[D]．沈阳：东北大学出版社，1991
42．孙博文．分形算法与程序设计-Visual Basic实现[M]．北京：科学出版社，2004
43．吕金虎，陆均安，陈士华．混沌时间序列分析及其应用[M]．武汉：武汉大学出版社，2002
44．王兴元．复杂非线性系统中的混沌[M]．北京：电子工业出版社．2003
45．张琪昌，王洪礼，竺致文，等．分岔与混沌理论及应用[M]．天津：天津大学出版社，2005
46．侯荣涛．基于现代非线性理论的复杂机械故障诊断技术研究[D]．沈阳：东北大学，2004
47．侯祥林．非线性系统故障的分形和神经网络智能诊断方法研究[D]．沈阳：东北大学，2000
48．李永强．高速旋转机械故障的若干非线性动力学问题及故障诊断方法的研究[D]．沈阳：东北大学，2003
49．王冠宇．混沌振了微弱信号检测的理论研究及实践[D]．杭州：浙江大学，2000
50．吕勇．非线性时间序列分析在设备故障诊断中应用研究[D]．北京：北京科技大学，2004
51．金文光．小信号混沌动力学测量研究[D]．杭州：浙江大学，2003
52．曹树谦．高维复杂转子系统非线性动力学的若干现代问题研究[D]．天津：天津大学，2003
53．孙保苍．轴承—转子系统非线性动力学若干问题研究[D]．南京：南京航空航天大学，2002
54．C．格里博格，J．A．约克．著，杨立，刘巨斌等译．混沌对科学和社会的冲击[M]．长沙：湖南科学技术出版社，2001
55．候荣涛，闻邦椿，周飙．基于现代非线性理论的汽轮发电机组故障诊断技术研究[J]．机械工程学报．2005，41(2)：142-147
56. P. Velex, M. Maatar et al. Some Numerical Methods for the Simulation of Geared Transmission Dynamic Behavior formulation and Assessment[A]. ASME Power Transmission and Gearing Conference, 1996(88):29～38
57. Andersson A, VedmarL. A dynamic model to determine vibrations in involute helical gears[J]. Journal of Sound and Vibration, 2003, 260(2):195-212
58. Baud S, Velex P. Static and dynamic tooth loading in spur and helical geard systems——experiments and model validation[J]. ASME Journal of mechanical design, 2002, 124(2):334-346
59. Li M, Hu H. Y. Dynamic analysis of a spiral bevel-geared rotor-bearing system[J]. Journal of Sound and Vibration, 2003, 259(3): 605-624.
60．徐颖强，何大为，刘更．螺旋锥齿轮动态响应的分析[J]．机械科学与技术，1996，15(1)：105-110
61．郜志英，沈允文，蕈海军等．齿轮系统倍周期分岔和混沌层次结构的研究[J]．机械工程学报．2005，41(4)：44-48
62．郜志英．间隙非线性齿轮系统周期解结构及其稳定性研究[J]．机械工程学报．2004，40(5)
63．罗冠炜，谢建华．碰撞振动系统的周期运动和分岔[M]．北京：科学出版社，2004
64．Arieh Iserles著，刘晓艳，刘学深等译．微分方程数据分析基础教程[M]．北京：清华大学出版社，2005
65．王安良，杨春信．小波变换方法评价曲线的分形特征[J]．机械工程学报．2002，38(5)
66．訾艳阳，何正嘉，张周锁．小波分形技术及其在非平稳故障诊断中的应用[J]．西安交通 大学学报．2000，34(9)：82-87
67．郑海波，李志远，陈心昭．基于连续小波变换的齿轮故障诊断方法研究[J]．机械工程学报，2002，3 8(3)：69-73
68. Pemujin Gautama, Danilo P. Mandic Marc M. Van Hulle. A differential entropy based method for determining the optimal embedding parameters of a signal[A]. IEEE of ICASSP(2003):29-32
69. Francis C. Moon. Chaotic and fractal dynamics: an introduction for applied scientists and engineers[M]. New York: JOHN WILEY & SONS, INC. 1992
70. Vladimir V. Filaretov, Alexey N. Zhirabok, Sergey A. Usoltsev. Fault Diagnosis for Nonlinear Mechanical Systems[A]. IEEE International Conference on Advanced Intelligent Mechatronics Proceedings, 2001(7), Italy
71. Yu Tao, Ernest C. M. Lam, Yuan Y. Tang. Feature extraction using wavelet and fractal[J]. Pattern recognition letters. 2001(22):271-287
72．《振动与冲击手册》编辑委员会．振动与冲击(第二卷：测试技术)[S]．北京：国防工业出版社，1992
73．靳晓雄，张立军．汽车噪声的预测与控制[M]．上海：同济大学出版社．2004
74．盛兆顺，尹畸岭．设备状态监测与故障诊断技术及应用[M]．北京：化学工业出版社，2002
75．温广瑞，张西宁，屈梁生．奇异值分解技术在声音信息分离中的应用[J]．西安交通大学学报．2003，37(1)：36-39
76．李崇晟，屈梁生．基于混沌和符号序列统计的滚动轴承故障诊断[J]．西安交通大学学报．2005，39(3)：261-265
77. Y. D. CHEN and R. DU. Fault Features of Large Rotating Machinery and Diagnosis Using Sensor[J]. Journal of Sound and Vibration. 1995. 188(2):227-242
78. R. H. Lyon. Machinery Noise and Diagnostics[M]. Butterworths. 1987
79. Wen-Xian Yang, Peter W. Tse. Development of an Advanced Noise Reduction Method for Vibration Analysis Based on Singular Value Decomposition[A]. NDT&E International 2003,36:419-432
80. John L. Maryak. Lawrence W. Hunter and Stanley Favin. Automated System Monitoring and Diagnosis via Singular Value Decomposition. Automation[J]. 1997, 33 (11):2059-2063
81. Huang N E, Shen Z, Long S R et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear non-stationary time series analysis[A]. Proc Royal London, 1998,A454:903-995
82. Jionghua Jin. Feature extraction of waveform signals for stamping process monitoring and fault diagnosis[D]. The University of Michigan, 1999
83. Levent Eren. Bearing damage detection via wavelet packet decomposition of stator current[D]. University of Missouri-Columbia, 2002
84. Chen Ji. Analysis of complex faulting: Wavelet transform, multiple datasets and realistic fault geometry[D]. California institute of technology, 2002
85. Hui-Ming Hung. Diagnosis of gear pair system vibration by hybrid analysis method[D]. Case western Reserve University, 1999
86. LEO HAO-TIEN CHIANG. Fault detection and diagnosis for large-scale systems[D]. University of Minois at Urbana-Champaign, 2001
87. XINSHENG LOU. Fault detection and diagnosis for rolling element bearing[D]. Case Western Reserve University, 2000
88. Abdulrahman, Abdallah, Al-Khalidy. Health monitoring of dynamic systems using wavelet analysis[D]. Corneil University, 2002
89. M. El-Ghamry, J. A. Steel, R. L. Reuben et al. Indirect measurement of cylinder pressure from diesel engines using acoustic emission[J]. Mechanical systems and signal processing. 2005(19):751-765
90. F. Bonnardot, M. El Badaoui, R. B. Randall et al. Use of the acceleration signal of a gearbox in order to perform angular resampling (with limited speed fluctuation)[J]. Mechanical systems and signal processing. 2005(19):766-785
91．马军海．复杂非线性系统的重构技术[M]．天津：天津大学出版社，2005
92．谢和平，薛秀谦．分形应用中的数据基础与方法[M]．北京：科学出版社，2005
93．刘天雄，华宏星，李中付，等．基于分形几何状态监测方法的应用研究[J]．机械工程学报．2001，37(5)：100-104
94．靳伍银，徐健学．基于关联积分的非线性降噪和故障诊断技术[J]．西安交通大学学报．2003，37(11)：1167-1170
95．徐玉秀，杨文平，任立义．关联维数及其在故障诊断中的应用研究[J]．振动、测试与诊断．2001，21(4)：275-280
96．肖方红，阎桂荣，韩宇航．混沌时序相空间重构参数确定的信息论方法[J]．物理学报．2005，54(2)：550-556
97．游荣义，陈忠，徐慎初等．基于小波变换的混沌信号相空间重构研究[J]．物理学报．2004，53(9)：2882-2888
98．姜万录，张淑清，王益群．混沌运动特征的数值试验分析[J]．机械工程学报，2000，36(10)：13-17
99．郁俊莉，王其文，韩文秀．经济时间序列相空间重构与混沌特性判定研究[J]．武汉大学学报(理学版)[J]．2004，50(1)：33-37
100．杨绍清．两种实用的相空间重构方法[J]．物理学报．2002，51(11)：2452-2458
101．修春波，刘向东，张宇河．相空间重构延迟时间与嵌入维数的选择[J]．北京理工大学学报．2003，23(4)：219-224
102．杨积东，郑铁生，张文． 一种确定混沌时序重构相空间维数的新方法[J]．振动与冲 击．2002，21(4)：85-86
103．杨绍清，章新华，赵长安．一种最大李雅普诺夫指数估计的稳健算法[J]．物理学报．2000，49(4)：636-640
104．陈关荣，吕金虎．Lorenz系统的动力学分析、控制与同步[M]．北京：科学出版社，2003
105．郑会永，肖田元，韩向利，等．心电信号的混沌分形特性研究[J]．清华大学学报(自然科学版)．1999，39(9)
106．柳景青．用水量时间观测序列中的分形和混沌特性[J]．浙江大学学报(理学版)．2004，31(2)：236-240
107．杨文平，陈国定，石博强，等．基于李雅谱指数的汽车发动机故障诊断研究[J]．振动工程学报，2002，15(4)：476-478
108．张涛，文学章．吸引子维数计算的几点改进[J]．浙江大学学报(自然科学版)．1993，27(5)：673-679
109. Wolf Alan, et al. Determining Lyapunov exponent from a time series[J]. Phys D, 1985(16)
110. Smith L. A, Intrinsic limits on dimension calculation[J]. Phys, Lett A, 1988,133(6).
111. T. S. Kim, S. Kim. Singularity spectra of fractional Brownian motions as a multi-fractal[J]. Chaos, Solitons and Fractals, 19 (2004):613-619
112. PousefAl-Assaf, Reyad El-Khazali, Wajdi Ahmad. Identification of fractional chaotic system parameters[J]. Chaos, Solitons and Fractals, 22 (2004):897-905
113. D. Logan, J. Mathew. Using de correlation dimension for vibration fault diagnosis of rolling element bearings—Ⅰ. Basic concepts[J]. Mechanical systems and signal processing 1999(10):241-250
114. D. Logan, J. Mathew. Using de correlation dimension for vibration fault diagnosis of rolling element bearings—Ⅱ. Selection of experimental parameters[J]. Mechanical systems and signal processing 1999(10):251-264
115. C. Craig, R. D. Neilson, J. Penman. The use of correlation dimension in condition monitoring of systems with clearance[J], Journal of Sound and Vibration. 2000(231): 1-17
116. W. J. Wang, J. Chen, X. K Wu, et al. The application of some non-linear methods in rotating machinery fault diagnosis[J]. Mechanical Systems and Signal Processing, 15(2001):697-705.
117. W. J. Wang, J Chen. The application of pseudo-phase portrait in machine condition monitoring[J], Journal of Sound and Vibration. 259(2003): 1-16
118. D. V. Pisarenko, V. F. Pisarenko. Statistical estimation of the correlation dimension[J]. Physics Letter A. 1995(197): 31-39
119. R. Hegger, H. Kantz, T. Schreiber. Practical implementation of nonlinear time series methods: the TISEAN package[J], Chaos 9(1999)413
120. C. L. Philip, van den Brock, Jan van Egmond et al. Feasibility of real-time calculation of correlation integral derived statistics applied to EEG time series[J]. Physica D 203(2005): 198-208
121．费斌，蒋庄德，王海容．基于遗传算法求解分形无标度区的方法[J]．西安交通大学学报[J]．1998，32(7)：179-184
122．党建武，王瑞玲，黄建国．基于GP算法的关联维计算中无标度区的识别[J]．弹箭与制导学报．2003，23(1)：35-38
123．彭召意，蒋伟进．非线性复杂系统特征抽取算法的研究[J]．微机发展．2004，14(5)：69-71
124．于青．关联维数计算的分析研究[J]．天津理工学院学报．2004，20(4)：60-62
125．赵贵兵，石炎福，段文锋，等．从混沌序列同时计算关联维和Kolmogrov熵[J]．计算物理，1999，16(5)：309-315．
126．彭志科，何永勇，卢青，等．小波多重分形及其在振动信号分析中的应用研究[J]．机械工程学报．2002，38(8)：59-63
127．杜恩祥，李科杰．基于多重分形和小波变换的声目标信号特征提取[J]．自动化学报．2004，30(5)：742-746
128．党建武，黄建国．基于GP算法的关联维数计算中的参数取值的研究[J]．计算机应用研究，2004(1)：48-51
129．周越，杨杰．求解关联维数的快速算法研究[J]．电子学报．2002，30(10)：1526-1529
130．刘海峰，代正华，陈峰，等．混沌动力系统小波变换模数的关联维数[J]．物坪学报，2002，51(6)：1186-1193
131．党建武，黄建国．一种计算时间序列关联维的逐步递归法[J]．电子与信息学报．2005，27(6)：879-883
132．温晓通，孟丽艳，朱劲松，等．一种非线性时间序列的关联维数快速算法[J]．北京师范大学学报(自然科学版)．2005，41(4)：358-361
133. Angelo Corana. Parallel computation of the correlation dimension from a time series[J]. Parallel computing. 25(1999):639-666
134. R. M. Fuchslin, Y. Shen, P. E. Meier. An efficient algorithm to determine fractal dimension of point sets[J]. Physics Letter A. 285(2001):69-75
135. James Theiler. Spurious dimension from correlation algorithm applied to limited time-series data[J]. Pysical Review A. 1986,34(3):2427-2432
136. Angeline Wong, Leejay Wu, Phillip B. Gibbons, et al. Fast estimation of fractal dimension and correlation integral on streem data[J]. Information processing letters. 93(2005):91-97
137. H. Kantz. A robust method to estimate the maximal Lyapunov exponent of a time series. Phys. Lett. A. 1994,185, 77 (1994).
138. M.T. Rosenstein, J.J. Collins, C.J. De Luca. A practical method for calculating largest Lyapunov exponents from small data sets. Physica D. 1993, 65(7):117-134
139. Barana G, Tsuda I. A new method for computing Lyapunov exponent. Phys. Lett A, 1993,175(6):421-427
140. Kim H S, Eykholt R, Salas J D. Nonlinear dynamics, delay times, and embedding windows[J]. Physica D, 1999, 127 (1-2): 48-60.
141. T. Schreiber, A. Schmitz. Surrogate time series[J]. Physica D, 2000, 142(3-4)
142. Shin K, Hammond j k. The instantaneous Lyapunov exponent and its application to chaotic dynamical systems[J]. Journal of Sound and Vibration, 1998,218(3)
143. Wolf J A, Swift B, Swinney H L J, et al. Determining Lyapunov exponents from a time series[J]. Physical, 16D, 1985:285-317
144. Ying-Cheng Lai, David Lerner. Effective scaling regime for computing the correlation dimension from chaotic time series[J]. Physica D, 1998(115): 1-18.
145．余英林，谢胜利，蔡汉添．信号处理新方法导论[M]．北京：清华大学出版社，2004
146．胡广书．现代信号处理教程[M]．北京：清华大学出版社，2004
147．成礼智，王红霞，罗永．小波的理论与应用[M]．北京：科学出版社，2004
148．杨福生．小波变换的工程分析与应用[M]．北京：科学出版社，1999
149．周晓军．突变信号相平面特征小波分析及其检测声学中的应用[D]．杭州：浙江大学1993
150．徐伯勋，白旭滨，傅孝毅．信号处理中的数学变换与估计方法[M]．北京：清华大学出版社，2004
151．Ingrid Daubechies著，李建平，杨万年译．小波十讲[M]．国防工出版社，2004
152．庞峰，徐美华，冉峰．基于小波变换的ECG信号消噪[J]．上海大学学报(自然科学版)，2002，8(4)：302-304
153．林京，屈梁生．基于连续小波变换的奇异性检测与故障诊断．振动工程学报[J]，2000，13(4)：523-530
154．杨文献，任兴民，姜节胜．基于奇异熵的信号降噪技术研究[J]．西北工业大学学报．2001，19(3)：368-371
155．石爱业，徐立中．由小波变换模极大值重构信号的改进解析迭代算法[J]．数据采集与处理，2004，19(2)：199-204
156. Donald B. Percival, Andrew T. Walden. Wavelet methods for time series analysis[M]. Beijing: China Machine Press, 2004
157. GuiCai Zhang, RuXu Du, TieLin Shi. Extracting Gear Fault Features Using Integrated Bispectrum. Proc. 2003 IEEE International Conference on Robotics[J], Intelligent Systems and Signal Processing. 2003(10): 548～553
158. S MALLAT. A wavelet tour of signal processing[M]. Beijing: China Machine Press, 2003
159. BAYDAR N, BALL A. Case study: detection of gear failures via vibration and acoustic signals using wavelet transform[J]. Mechanical Systems and Signal Processing. 2003,17(4): 787-804
160. SUN Q, TNAG Y. Singularity analysis using continuous wavelet transform for bearing fault diagnosis[J]. Mechanical Systems and Signal Processing. 2002,16(6): 1025- 1041
161. TU C, HWANG W and J HO. Analysis of Singularities from Modulus Maxima of Complex Wavelets[A]. IEEE Trans on Information Theory. 2005, 51(3):1049-1062
162. S. MALLAT and S. ZHONG. Characterization of signals from multiscale edges[A]. IEEE Trans. Pattern Analysis and Machine Intelligence. 1992,14(7):710-732
163. S. MALLAT and W HWANCG. Singularity Detection and Processing with Wavelets[A]. IEEE Trans. Information Theory, 1992, 38(2):617-643
164．李敏强，寇纪淞，林丹，等．遗传算法的基本理论与应用[M]]．北京：科学出版社，2002
165．孙庆伟．复杂十扰环境下多传感器数据融合方法及应用研究[D]．哈尔滨：哈尔滨工业大学，2002
166．潘泉，于昕，程咏梅，等．信息融合理论的基本方法与进展[J]．自动化学报．2003，29(4)：599-615
167．何友，王国宏，，陆大缙，等．多传感器信息融合及应用[M]．北京：电子工业出版社，2000
168. Ajith H. Gunatilaka, Brian A. Baertlein. Feature-Level and Decision-Level Fusion of Noncoincidently Sampled Sensors for Land Mine Detection[A]. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2001,23(6)
169．刘大有，卢奕甫，王飞 等．遗传程序设计方法综述[J]．计算机研究与发展．2001，38(2)
170．Banzhaf w. genetic programming. Intelligent Systems[A]. IEEE．2000, 15(3)：74—84
171．李良敏，屈梁生．基于遗传编程和支持向量机的故障诊断模型[J]．西安交通大学学报．2004，38(3)：239-242
172．李良敏，屈梁生．遗传编程在无量纲指标构建中的应用[J]．西安交通大学学报．2002，36(7)：736-739
173．史东锋，屈梁生．遗传算法在故障特征选择中的应用研究[J]．振动、测试与诊断，2000，20(3)：171-176
174．王锋，屈梁生．用遗传编程方法提取和优化机械故障的声音特征[J]．西安交通大学学报．2002，36(12)：1307-1310
175. PANG Mao, ZHOU Xiao-jun, MEN Qing-hua. Study on the Information Fusion Based on Genetic-Programming with Application to Driving Axles Fault Diagnosis. 仪器仪表学报，2006(5)
176. Liang Zhang, Lindsay B. Jack, and Asoke K. Nandi. Fault detection using genetic programming[J]. Mechanical systems and signal processing. 2005(19):271-289
177. Peng Chen and Toyota. T. Failure diagnosis method for machinery in unsteady operating condition by instantaneous power spectrum and genetic programming[A]. Mechanical systems and signal processing. 2005(19):175-194
178. Peng Chen, Tomoyoshi and Toshio, et al. Intelligent Diagnosis Method for Plant Machinery Using Wavelet Transform, Genetic Programming and Possibility Theory[A]. Proc IEEE TENCON. 2002:632～636
179. Hong Guo, Lindsay B. Jack, Asoke K. Nandi. Feature generation using genetic programming with application to fault classification[A]. IEEE Transactions on System, Man and Cybernetics-part B: Cybernetics. 2005, 35(1):89-99
180. Zhang Zheng, Huang Wei-hua, Xiao Deng-ming, et al. Fault detection of power transformers using genetic programming method[A]. Shanghai: Proceedings of the third international conference on Machine Learning and Cybernetics. 2004,:3018-3022
181. YiXin Diao, Kevin M. Passino. Intelligent fault-tolerant control using adaptive and learning methods[J]. Control Engineering Practice. 2002(10) 801-817
182．姚文斌，宗绪国，杨孝宗．基于模糊重用库的容错软件开发[J]．计算机研究与发展．2002，39(12)：1533-1542
183．阴晓峰，谭晶星等．软件容错技术在AMT控制系统开发中的应用[J]．汽车工程．2004，26(1)：85-89
184．童时钟．模块化原理、设计、方法与应用[M]．北京：中国标准出版社，2000
185．庞茂，周晓军，胡宏伟．基于模块化的容错技术在检测系统软件开发中的应用研究．传感技术学报，2006，19(2)：537-540
186．郑荣，庞茂，张亮有．模块化设计与参数化绘图[J]．太原重型机械学院学报．2003，24(1)：27-30
187．刑文华．汽车检测与诊断技术[M]．北京：国防工业出版社，2004
188．屈梁生，吴松涛．统计模拟在工程诊断中的一些应用[J]．振动，测试与诊断．2001(3)：157-167
189．M．P．诺顿著，盛元生，顾伟豪，韩建民等译．工程噪声和振动分析基础[M]．北京：航空工业出版社，1994
190．吴晓如，杨浩广，张平，等．强背景噪声卜声信号的测量[J]．中国科学技术大学学报．1999(12)：696-701
191. Alberto R. N, Maria-Elena Montesino-Otero. A method of the correlation dimension for on-line condition monitoring of large rotating machinery[J]. Mechanical Systems and Signal Processing. 19(2005):939-954.
192. G. Widman, K. Lehnertz, P. Jansen, et al. A fast general purpose algorithm for the computation of auto- and cross-correlation integrals from single channel data[J]. Physica D. 121(1998):65-74
193. X. C. Jin, S. H. Ong, Jayasooriah. A practical method for estimating fractal dimension[J]. Pattern Recognition Letters. 16(1995):457-464
194．孟庆华，周晓军，庞茂．Bootstrap法在车辆故障检测中的研究及应用[J]．汽车工程．2005，27(4)：498-501
195. C. Radhakrishna Rao, P. K. Pathak, V.I. Koltchinskii. Bootstrap by sequential resampling[J]. Journal of statistical planning and inference. 64(1997):257-281
196. Kenny Y. F. Chan, Stephen M. S. Lee. An exact iterated bootstrap algorithm for small-sample bias reduction[J]. Computational statistics & data analysis. 36(2001):1-13
197．卢文祥，杜润生．机械工程测试·信息·信号分析[M]．武汉：华中理工大学出版社，1999
198．李国辉，周世平，徐得名．时间序列最大Lyapunov指数的计算[J]．应用科学学报，2003，21(2)：127-131
199．李华，沈允文，刘梦军，等．用Lyapunov指数研究单对齿轮间隙非线性系统的动力学行为[J]．中国机械工程，2002，13(12)：1040-1044
200．黄胜伟，郑天柱，王德信．可视化分析非线性强迫振动的混沌现象[J]．河海大学学报，2002，30(3)：42-46
201．陈照波，焦映厚，陈明等．非线性转子—轴承系统动力学分叉及稳定性分析[J]．哈尔滨工业大学学报，2002，34(5)：587-590
202. Yu Tao, Ernest C. M. Lain, Yuan Y.Tang. Feature extraction using wavelet and fractal[J]. Pattern recognition letters, 22(2001):271-287
203. http://www.mpipks-dresden.mpg.de/～tisean
204. http://www-stat.stanford.edu/～wavelab