说明:仿真滚动轴承信号,通过不同阈值降噪方法,降噪后的时域图。
滚动轴承信号 阈值降噪 时域图
说明:用于滚动轴承微弱故障信号的诊断的方法:最小熵反卷积程序、自适应消噪法处理轴承信号、美国西储大学轴承数据处理等5个源文件
MED最小熵卷积 MATLAB滚动轴承 卷积故障诊断 卷积-轴承 故障数据
说明:用于滚动轴承微弱故障信号诊断的方法:最小熵反卷积程序、自适应消噪法处理轴承信号、美国西储大学轴承数据处理等5个源文件。
说明:6205滚动轴承的内圈故障仿真出的故障信号。
6205轴承 滚动轴承 故障仿真 故障信号
说明:盲源分离用于滚动轴承振动信号复合故障诊断。
振动诊断 盲源分离轴承 信号分离 盲源分离轴承故障诊断 轴承故障诊断
说明:针对滚动轴承早期故障特征提取困难的问题,提出一种基于参数优化变分模态分解的轴承早期故障诊断方法。首先利用粒子群优化算法对变分模态分解算法的最佳影响参数组合进行搜索,搜索结束后根据所得结果设定变分模态分解算法的惩罚参数和分量个数,并利用参数优化变分模态分解算法对故障信号进行处理。
粒子群-轴承 优化故障诊断 粒子群--特征 粒子群-信号 轴承特征提取
说明:对滚动轴承故障信号进行形态学滤波的相关MATLAB 文件。
信号的形态学 形态学滤波 滚动轴承 形态滤波-matlab 故障形态学
说明:基于EMD滚动轴承故障诊断的编程,将振动信号进行分解得到特征频率。
EMD滚动轴承 故障诊断 振动信号 特征频率 EMD
说明:为了精准、稳定地提取滚动轴承故障特征,提出了基于变分模态分解和奇异值分解的特征提取方法,采用标准模糊C均值聚类(fuzzy C means clustering, FCM)进行故障识 别。对同一负荷下的已知故障信号进行变分模态分解,利用 奇异值分解技术进一步提取各模态特征,通过FCM形成标准聚类中心...
滚动轴承 分模态分解 奇异值分解 C均值聚类 FCM 分模态分解 奇异值分解
说明:针对滚动轴承全寿命周期试验数据,采用滑动平均法对原始信号平滑后求其时域特征图,可用于轴承性能退化评估的研究。
滑动平均法 时域特征图