機械裝備是現(xiàn)代制造工業(yè)的基礎(chǔ)。隨著裝備向復(fù)雜化、精密化和智能化方向發(fā)展，開展機械裝備早期故障的監(jiān)測與診斷研究，對保障我國現(xiàn)代工業(yè)中大型機械裝備的安全、可靠和正常運行具有重大的現(xiàn)實意義。
振動分析是機械裝備及其關(guān)鍵部件狀態(tài)監(jiān)測與故障診斷的主要手段。然而，振動信號非線性強、背景噪聲干擾大、信號特征微弱，這為故障特征的有效提取帶來了極大的困難。因此，如何從包含強背景噪聲的信號中提取微弱的故障特征并進行識別，是進行機械裝備狀態(tài)監(jiān)測與故障診斷的關(guān)鍵。
鑒于機械裝備及其關(guān)鍵傳動部件出現(xiàn)故障時，其動力學(xué)行為往往表現(xiàn)出非線性和非平穩(wěn)特性，由此導(dǎo)致振動信號也呈現(xiàn)出自相似性和不規(guī)則性等非線性特征。復(fù)雜性理論，特別是在分形維數(shù)和信息熵基礎(chǔ)上發(fā)展的多尺度熵理論，因能夠定量表征時間序列的不規(guī)則性特征和揭示隱藏在時間序列中的非線性動力學(xué)行為，而被應(yīng)用到機械裝備故障診斷領(lǐng)域。
事實上，振動信號故障表征的復(fù)雜性理論主要基于如下理論基礎(chǔ)：首先，振動信號的復(fù)雜性表明機械系統(tǒng)在不斷變化工況中的適應(yīng)能力和運行能力；其次，振動信號特征是跨時間尺度的，相應(yīng)地，其復(fù)雜性也是多尺度的和分層次的；再次，故障狀態(tài)降低了系統(tǒng)的適應(yīng)能力，也會削弱輸出變量所攜帶的信息。目前，機械故障診斷領(lǐng)域常用的基于熵理論的復(fù)雜性評估方法主要包括兩大類：一是基于重復(fù)模式評估（即相似性理論）建立的近似熵、樣本熵、模糊熵和符號熵及它們的多尺度形式，這類方法基于嵌入理論與相空間重構(gòu)，通過相空間模板匹配來衡量時間序列的自相似性；二是基于時間序列空間特性建立的排列熵與多尺度排列熵方法，以及在其基礎(chǔ)上發(fā)展的多尺度散布熵等，這類算法基于相鄰幅值的大小關(guān)系，能夠有效檢測時間序列和振動信號的隨機性變化和動力學(xué)突變行為。
本書作者在國家自然科學(xué)基金（編號：51505002、51975004）的資助下，開展了多尺度復(fù)雜性理論的研究，并對其理論進行深入探索和完善。在此基礎(chǔ)上提出了一系列基于多尺度復(fù)雜性理論的機械故障診斷的新方法。
目前，多尺度復(fù)雜性理論已經(jīng)被逐漸應(yīng)用到生物信號處理、機械故障診斷和結(jié)構(gòu)損傷檢測等多個領(lǐng)域，但相比之下，近年來在機械故障診斷領(lǐng)域應(yīng)用較少的狀況，吸引了越來越多學(xué)者的關(guān)注。截至目前，還沒有研究和介紹多尺度復(fù)雜性理論的著作問世，本書正是在這樣的背景下完成的。
本書以理論研究和實際應(yīng)用為目的，探究多尺度復(fù)雜性理論的基本原理及其在機械故障診斷中的應(yīng)用。全書共7章，第1章重點介紹非線性動力學(xué)方法及復(fù)雜性理論在機械故障診斷領(lǐng)域的應(yīng)用現(xiàn)狀；第2章介紹基于熵的復(fù)雜性理論方法；第3章介紹基于多尺度模糊熵的機械故障診斷方法；第4章介紹基于多尺度排列熵的機械故障診斷方法；第5章介紹基于多尺度散布熵的機械故障診斷方法；第6章介紹基于自適應(yīng)多尺度熵的機械故障智能診斷方法；第7章介紹其他復(fù)雜性理論與方法。本書既可供各類院校教師、研究生、高年級學(xué)生閱讀，又可供從事信號處理和機械故障診斷的技術(shù)人員參考。
本書由安徽工業(yè)大學(xué)鄭近德、潘海洋和童靳于著。鄭近德負責(zé)統(tǒng)稿，并撰寫了第1~5章和第7章（部分）內(nèi)容，潘海洋撰寫了第6章，童靳于撰寫了第7章（部分）內(nèi)容。在整理書稿的過程中，得到了研究生應(yīng)萬明、陳焱、丁文海、曹仕駿、李嘉綺、候雙珊和孫壯壯等的熱心幫助。
此外，在本書寫作過程中，得到了湖南大學(xué)程軍圣教授、蘇州大學(xué)沈長青教授、西北工業(yè)大學(xué)李永波教授等的指導(dǎo)和大力支持，在此向他們表示衷心的感謝。
限于作者水平有限，書中難免存在不足之處，懇請廣大讀者批評指正。

作 者