本书内容覆盖了各种特征提取方法、特征选择方法、特征分类方法以及它们在设备振动数据集上的应用等方面。不仅如此，这本书还针对最新出现的一些技术方法进行了阐述，其中包括机器学习和压缩采样等。这些全新的工具能够帮助我们显著提高精度和减少计算代价。对于所有的相关研究人员和工程技术人员，也包括那些刚刚进入到这一领域的人们，这些内容无疑是非常有益的，可以使我们提高安全性、可靠性和其他相关的性能。

舒海生，男，汉族，1976年出生，工学博士，博士后，中共党员，现任池州职业技术学院机电与汽车系教授，主要从事振动分析与噪声控制、声子晶体与超材料、机械装备系统设计等方面的教学与科研工作，近年来发表科研论文30余篇，主持国家自然科学基金、黑龙江省自然科学基金等多个项目，并参研多项国家级和省部级项目，出版译著6部。

第一部分 概述
第1章 设备状态监测概述
1.1 背景介绍
1.2 旋转类设备故障的维护方法
1.2.1 故障检修
1.2.2 预防保养
1.3 设备状态监测的应用
1.3.1 风机领域
1.3.2 油气工业
1.3.3 航空与国防工业
1.3.4 汽车工业
1.3.5 船用发动机领域
1.3.6 机车领域
1.4 状态监测技术
1.4.1 振动监测
1.4.2 声发射
1.4.3 振声联合监测
1.4.4 电动机电流监测
1.4.5 油液分析和润滑监测
1.4.6 热成像
1.4.7 视觉检查
1.4.8 性能监测
1.4.9 趋势监测
1.5 本书的主题和内容
1.6 本章小结
参考文献
第2章 旋转类设备振动信号的基础知识
2.1 引言
2.2 设备的振动原理
2.3 旋转类设备的振动信号源
2.3.1 转子质量不平衡
2.3.2 不对中
2.3.3 裂纹轴
2.3.4 滚动轴承
2.3.5 齿轮
2.4 振动信号的类型
2.4.1 平稳信号
2.4.2 非平稳信号
2.5 振动信号采集
2.5.1 位移传感器
2.5.2 速度传感器
2.5.3 加速度传感器
2.6 振动信号监测的优缺点
2.7 本章小结
参考文献
第二部分 振动信号分析技术
第3章 时域分析
3.1 引言
3.1.1 视觉检测
……
第三部分 基于机器学习的旋转类设备状态监测
第四部分 分类算法
第五部分 而向MCM的全新故障诊断框架
说略语
译者简介