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