搜索资源列表
A-new-approach--diagnosis-
- 本文提出一种新的智能故障诊断方法,基于统计分析,提出了一种改进的距离的评价技术和适应性类神经模糊推论系统(简称ANFIS)。该方法包括三个阶段。 -This paper presents a new approach to intelligent fault diagnosis based on statistics analysis, an improved distance evaluation technique and adaptive neuro-fuzzy inference s
EMDaHHT
- 用于故障诊断 机械故障 emd 支持向量机 柴油机设备常见故障-fault diagnosis manufacturer emd hht
71294140guzhangzhenduanprogram
- EMD完整工具箱，可以在MATLAB环境下运行，适合于故障诊断中的信号处理。-EMD complete toolbox, you can run in the MATLAB environment, signal processing for fault diagnosis.
EMD_DEMO
- EMD算法在齿轮故障检测上的应用，很好的资料哦-EMD algorithm on the gear fault detection, very good information Oh
wvd
- 这是一个轴承故障分解程序，给予小波变换，小波去噪，小波重构与EMD相结合，有时频谱，边际谱，功率谱-This is a to bearing failure decomposition program given wavelet transform, wavelet denoising wavelet reconstruction combined with EMD, sometimes the spectrum, marginal spectrum, power spectrum
lunwen
- 最新关于故障诊断的论文，有LMD算法，还有EMD算法，主要是做轴承磨损预测的-failed to translatefailed to translatefailed to translatefailed to translate
emdqyj
- 经验模态分解，EMD代码，采用经验模态分解求取行波故障波形突变点-emd code
EMDfenjiede-wenzhang
- 一个基于EMD的齿轮箱故障诊断文章，对于初学者非常的有用，里面有关于EMD分解的具体步骤和方法。-A gearbox fault diagnosis based on EMD article, very useful for beginners, there are specific steps and methods about the EMD decomposition.
1
- 齿轮箱故障诊断中振动信号是非线性、非平稳的，所以在分析振动信号之前需要对信号进行平稳化处理，该段是EMD分解的程序。-Gearbox Fault Diagnosis vibration signal is nonlinear, non-stationary, so before analyzing vibration signals the need for a smooth signal processing, the segment is the EMD program.
xsj
- 关于一个轴承故障分解程序，里面包含小波去噪，重构等，还有EMD模态分解，并且还有各种功率谱仿真图-About a bearing failure decomposition process, which contains the wavelet de-noising, reconstruction, etc., as well as mode decomposition EMD, and there are a variety of power spectrum simulation map
(EEMD)Prony
- MATLAB实现基于EEMD和prony信号分解的故障测距模型。也可配合EMD文件。 内有备注-MATLAB realization of fault location model EMD and prony signal decomposition. But also with EMD file. There are Notes
HHT
- 把HHT和神经网络结合起来，识别出是否故障。对于HHT变换，这里用到的是它的IMF分解，然后用能量理论来判别哪些模组是虚假分量，哪些是是真实分量。对于EMD分解后的谱进行特征提取 ，利用的理论基础就是模糊熵。计算出真实 分量的模糊熵，作为输入层；输出层为两个神经元，为0（故障 ）1（正常 （正常 ）判别该信号是否出现故障。-The combination of HHT and neural network to identify whether the fault. For the HHT tr
cluster_VMDaFCM_casedat
- 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，采用海明贴近度对测试样本进行分类，并通过计算分类系数和“卜均模糊嫡对分类性能进行评价，将该方法 应用于滚动轴承变负荷故障诊断。通过与基于经验模态分解的特征提取方法对比，该方法对标准FCM
Mechanical-fault-diagnosis-method
- 经验小波变换(EWT)是一种新的自适应信号分解方法, 该方法继承了EMD 和小波分析方法的各自优点, 通过提取频域极大值点自适应地分割傅里叶频谱以分离不同的模态, 然后在频域自适应地构造带通滤波器组从而构造正交小波函数, 以提取具有紧支撑傅立叶频谱的调幅-调频(AM-FM)成分。本文将该方法引用到机械故障诊断中, 提出了一种基于经验小波变换的机械故障诊断方法, 并与EMD方法进行了对比分析。仿真结果表明, 经验小波变换方法明显优于EMD方法, 能有效地分解出信号的固有模态。与EMD 相比较, 该
VMD-Parameter-Estimation
- 变分模态分解在信号分解精度和噪声鲁棒性方面具有明显优势，但需预先确定模态数K，而目前K 只能靠先验知识进行预估，如果预估的K 与实际信号存在差异，会导致分解误差较大。针对以上问题，利用EMD 不需预先设定模态数的自适应分解特点，通过对EMD 分解结果的分析，进行VMD 分解模态数的估计，并通过仿真信号分析及滚动轴承故障信息提取-Variational modal decomposition has obvious advantages in signal decomposition accura
EEMD
- 信号处理，轴承故障，matlab，EMD，EEMD，故障，经验模态分解-Signal processing，Bearing fault，emd，eemd
lmd
- 故障处理，信号处理，轴承故障，LMD，EMD-Fault processing, signal processing, bearing failure, LMD, EMD
hht_toolbox_20040808
- 经验模态分析，用于机械故障等信号处理领域，效果明显(Empirical mode analysis (EMD) is used in the field of signal processing such as mechanical fault)
VMD
- VMD方法是在传统维纳滤波的基础上，提出的一种非递归自适应信号分解新方法。与EMD方法和LMD方法相比，VMD方法分解的信号，具有精度高、收敛快和鲁棒性好等特点，适用于处理滚动轴承故障信号。(The VMD method is a new non recursive adaptive signal decomposition method based on traditional Wiener filtering. Compared with the EMD method and the LMD
VMD代码
- VMD代码，该程序对信号进行经验模式分解，可以用于故障信号处理，还可以与很对方法结合。如，排列熵，emd,vmd,等，包含VMD、EMD、EEMD工具箱，可用于变分模态分解、EMD以及EEMD谐波检测对对比分析(VMD code, the program for empirical mode decomposition of signals, can be used for fault signal processing, can also be combined with a very goo