機械裝備是現(xiàn)代制造工業(yè)的基礎。隨著裝備向復雜化、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)測與故障診斷的關鍵。
鑒于機械裝備及其關鍵傳動部件出現(xiàn)故障時，其動力學行為往往表現(xiàn)出非線性和非平穩(wěn)特性，由此導致振動信號也呈現(xiàn)出自相似性和不規(guī)則性等非線性特征。復雜性理論，特別是在分形維數(shù)和信息熵基礎上發(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行為，而被應用到機械裝備故障診斷領域。
事實上，振動信號故障表征的復雜性理論主要基于如下理論基礎：首先，振動信號的復雜性表明機械系統(tǒng)在不斷變化工況中的適應能力和運行能力；其次，振動信號特征是跨時間尺度的，相應地，其復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，機械故障診斷領域常用的基于熵理論的復雜性評估方法主要包括兩大類：一是基于重復模式評估（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，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突變行為。
本書作者在國家自然科學基金（編號：51505002、51975004）的資助下，開展了多尺度復雜性理論的研究，并對其理論進行深入探索和完善。在此基礎上提出了一系列基于多尺度復雜性理論的機械故障診斷的新方法。
目前，多尺度復雜性理論已經(jīng)被逐漸應用到生物信號處理、機械故障診斷和結構損傷檢測等多個領域，但相比之下，近年來在機械故障診斷領域應用較少的狀況，吸引了越來越多學者的關注。截至目前，還沒有研究和介紹多尺度復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用為目的，探究多尺度復雜性理論的基本原理及其在機械故障診斷中的應用。全書共7章，第1章重點介紹非線性動力學方法及復雜性理論在機械故障診斷領域的應用現(xiàn)狀；第2章介紹基于熵的復雜性理論方法；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章介紹基于自適應多尺度熵的機械故障智能診斷方法；第7章介紹其他復雜性理論與方法。本書既可供各類院校教師、研究生、高年級學生閱讀，又可供從事信號處理和機械故障診斷的技術人員參考。
本書由安徽工業(yè)大學鄭近德、潘海洋和童靳于著。鄭近德負責統(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，得到了湖南大學程軍圣教授、蘇州大學沈長青教授、西北工業(yè)大學李永波教授等的指導和大力支持，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