搜索资源列表
Gabor变换在模态参数辨识中的应用
- 对Gabor时频变换在模态参数辨识中的应用进行了探讨,将基于Gabor系数展开的时频滤波方法作为参数辨识的前处理手段之一,该方法对于平稳、非平稳信号都适用。根据信号在时频域内的分布特征,可以直接观测系统的频率分布情况、模态密集程度、能量聚集性、各通道响应信号所含特征量的多少等信息,从而对响应信号的特征构成进行初步判断,并通过剔除、截取等操作实现对响应信号的滤波,更有利于模态参数的辨识。
flashstudy
- 机械波演示，质点振动方向与波的传播方向垂直。-Mechanical wave demonstration, particle vibration direction perpendicular to the direction of wave propagation.
DevelopmentoffilterbasedonMAX293
- ：简介了研制的随机振动信号处理虚拟仪器系统的组成。叙述了其中的抗混滤波器的作用与要 求，并在分析8 阶低通椭圆开关电容滤波器（MAX293 ）性能的基础上，研制了基于MAX293 的抗混滤 波器。尤其对遇到的“共振”现象作出了理论分析及实验验证，同时给出了解决方法。该抗混滤波器具 有电路简单、变带宽方便、过渡带衰减迅速等优点-The composition of the developed virtual instrument system of processing a rando
20090903FPGA
- 传统的波形发生器采用模拟技术的方法，这种方法构成的波形发生器电路结构复杂，仅能产生正弦波、方波、锯齿波和三角波等几种简单波形。而现在在高科技领域，我们需要的可能是一些任意波形，如在保密雷达发波等军事方面和地震波形、汽车碰撞波形等模拟仿真应用方面。任意波形发生器现在被广泛用于自动控制系统、振动激励、仪器仪表领域。我国目前在这方面还比较落后，特别是在用DDS技术实现任意波形发生器方面。本课题我们打算用DDS技术基于FPGA核心板设计一个任意波形发生器。该仪器我们用LabVIEW来写的控制面板实现与F
Data-processing
- 基于FFT的功率谱分析程序设计与应用 2）对实验所采集的转子振动信号进行频谱分析 2．讨论： 1) 信号经过均值化处理或不经过均值化处理的结果比较 2）采用不同窗函数时的谱结果（矩形窗函数, 汉宁窗函数，汉明窗） 3）典型函数的频谱（矩形窗函数, 汉宁窗函数，直线，阶跃函数，δ函数，方波，三角波等） 4）整周期和非整周期采样时两者的比较 5）讨论实验结果 -Based on the FFT power spectrum analysis
q1
- 提出了一种基于复解析小波变换的相位诊断齿轮故障的方法。复解析小波变换将Hilbert变换与小波分析紧密结合在一起,具有自适应分析能力。利用复解析小波变换得到齿轮振动信号的相位,其功率谱图上可提取调制边频带结构来识别故障模式。试验结果表明这种方法可有效应用于齿轮局部故障诊断中。-A new method using the phase based on complex analytical wavelet transform for fault diagnosis of gears was pro
q2
- 提出了一种基于复解析小波变换的相位诊断齿轮故障的方法。复解析小波变换将Hilbert变换与小波分析紧密结合在一起,具有自适应分析能力。利用复解析小波变换得到齿轮振动信号的相位,其功率谱图上可提取调制边频带结构来识别故障模式。试验结果表明这种方法可有效应用于齿轮局部故障诊断中。-A new method using the phase based on complex analytical wavelet transform for fault diagnosis of gears was pro
q3
- 复解析小波变换将Hilbert变换与小波分析紧密结合在一起,具有自适应分析能力。利用复解析小波变换得到齿轮振动信号的相位,其功率谱图上可提取调制边频带结构来识别故障模式。试验结果表明这种方法可有效应用于齿轮局部故障诊断中。-A new method using the phase based on complex analytical wavelet transform for fault diagnosis of gears was proposed. The phase of vibrati
q4
- 提出了一种基于复解析小波变换的相位诊断齿轮故障的方法。复解析小波变换将Hilbert变换与小波分析紧密结合在一起,具有自适应分析能力。利用复解析小波变换得到齿轮振动信号的相位,其功率谱图上可提取调制边频带结构来识别故障模式。试验结果表明这种方法可有效应用于齿轮局部故障诊断中。-A new method using the phase based on complex analytical wavelet transform for fault diagnosis of gears was pro
63
- 提出一种基于小波分析和奇异谱降噪理论的新方法, 在分析滚动轴承故障特性的基础上, 将奇异谱理论的降噪方法与小波分析理论结合应用于滚动轴承故障诊断中。实例表明,这种结合后的新方法能够更有效地降低噪声,突出振动信号的故障特性, 从而提高设备故障诊断的准确率。-Proposed based on wavelet analysis and Singular Spectrum Reduction Noise Theory new methods in the analysis of rolling bea
pro
- 小波与近似熵相结合的机械振动噪声信号分析 1 近似熵算法： 2 快速近似熵算法： 3 复morlet小波实验程序： 4谐波小波实部与虚部的程序： 5谐波小波分析时频图： -Harmonic wavelet combined with approximate entropy mechanical vibration and noise signal analysis
7
- 小波与近似熵相结合的机械振动噪声信号分析 7近似熵实验程序-Wavelet combined with approximate entropy mechanical vibration and noise signal analysis
8
- 小波与近似熵相结合的机械振动噪声信号分析 8.复morlet小波实验程序.-8 Complex Wavelet morlet experimental procedures.
lly1
- 针对滚动轴承故障信号具有非平稳、非高斯的特点，提出了将时域分析与小波分析相结合的方法对滚动轴承进行故障诊断。在研究不同信号分析方法理论的基础上，以滚动轴承外圈故障振动信号为例，采用多种信号处理方法进行了分析。结果表明，各种分析方法在分析轴承故障时的特点各不相同，在实际使用中，可将时域分析与小波分析综合使用，实现轴承状态的实时监测与故障的准确定位。-For rolling bearing fault signals have non-stationary, non-Gaussian, we pro
bangbai
- 小波包分析提取振动信号中的特征频率，基于欧几里得距离的聚类分析，插值与拟合，解方程，数据分析。- Wavelet packet analysis to extract vibration signal characteristic frequency, Clustering analysis based on Euclidean distance, Interpolation and fitting, solution of equations, data analysis.
jengsang_v23
- 小波包分析提取振动信号中的特征频率，语音信号的采集与处理，数字信号处理课设，已经调试成功.内含m文件，可直接运行。- Wavelet packet analysis to extract vibration signal characteristic frequency, Acquisition and Processing of the speech signal, digital signal processing class-based, Has been successful debug
munten_v48
- 遗传算法无功优化，小波包分析提取振动信号中的特征频率，插值与拟合的matlab实现。- Genetic algorithm based reactive power optimization, Wavelet packet analysis to extract vibration signal characteristic frequency, Interpolation and fitting matlab implementation.
yuimie
- 小波包分析提取振动信号中的特征频率，关于小波的matlab复合分析，BP神经网络用于函数拟合与模式识别。- Wavelet packet analysis to extract vibration signal characteristic frequency, Matlab wavelet analysis on complex, BP neural network function fitting and pattern recognition.
singlei
- 小波包分析提取振动信号中的特征频率，与理论分析结果相比，用于建立主成分分析模型。- Wavelet packet analysis to extract vibration signal characteristic frequency, Compared with the results of theoretical analysis, Principal component analysis model for establishing.
故障诊断与容错控制课程设计报告
- 针对滚动轴承这种非平稳振动信号采用的小波包分解的方法来检测故障的存在，运用神经网络来实现故障的分类，还结合D-S理论融合了多个传感器的诊断结果，提高了故障诊断的准确性并通过实验仿真证实。(This course's job is to use the wavelet packet decomposition method for non-stationary vibration signals of rolling bearings to detect the presence of fault