搜索资源列表
Wavelet.rar
- 小波包变换分析信号的MATLAB程序，可用于提取故障特征向量,Wavelet packet transform analysis of signals in MATLAB procedures, can be used to extract fault feature vector
time_index1.rar
- 刀具在线监测故障信号的时域频域时频域特征提取matlab程序 ,Tool-line monitoring of fault signals in time domain frequency domain time-frequency domain feature extraction procedures matlab
IcaComonMatlab.tar
- 独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 IC
Robs
- 转子系统早期碰摩故障特征提取方法Rotor system for the early extraction method Rubs-Rotor system for the early extraction method Rubs
BP-gearbox-fault-2
- 基于BP神经网络的齿轮箱故障模式识别：以双谱分析为基础，对分析的结果进行特征提取，提出了双谱一BP网络故障诊断方法，并以双谱为BP神经网络的输入特征向量，对所提出的方法进行了实验研究，结果表明所提出的双谱-BP诊断方法是判断齿轮葙故障类型的一种有效方法。-BP，gearbox fault diagnosis
1
- 基于谱鞘度的包络分析方法在滚动轴承故障特征提取中的应用研究-Application of resonance demodulation in the rolling bearing fault feature extraction based on fast computation of the kurtogram
Selection-of-Wavelet
- 通过定性与定量的分析, 提出了在对冲击信号进行连续小波变换时选择最佳小波基函数的方法和小波变换 后故障特征提取效果优劣的检验手段, 并且得出了对于冲击性信号的连续小波变换, 小波基函数的最佳选择为 M o rlet函数的结论。-A method for selecting the best wavelet base in cont inuous wavelet transform (CWT) for impulse signals is introduced, and a test fo
1.kdh
- 基于小波包的无刷直流电机匝间短路故障特征提取-Brushless DC motor based on wavelet packet inter-turn short circuit fault feature extraction
convwavepacket_fenjie
- 这是自己编的卷积型小波包的分解程序，用于机械故障特征提取，实现了克服Mallat算法数据量减少和产生虚假频率的缺陷-Own series of convolution type of wavelet packet decomposition procedures for mechanical fault feature extraction to overcome the defects of the the Mallat algorithm decrease in the amount of
advanced-harmonic-wavelet-packet
- 自己编的改进谐波小波包实现程序，实现了信号经过谐波小波包变换后幅值不变，适合于机械故障特征提取-The own series improved harmonic wavelet packet achieve signal amplitude unchanged after harmonic wavelet packet transform, for mechanical fault feature extraction
wavelet-packet-de_re
- 用小波工具箱函数实现小波包的分解与重构，非常适合与机械故障特征提取。-Wavelet packet decomposition and reconstruction, and is ideal for mechanical fault feature extraction using wavelet toolbox functions.
330
- 提出了将信号进行相空间重构后再采用奇异值分解, 对分解后的主成分进行包络分析, 从而提取信号的隐含特 征的方法, 并将该方法应用于齿轮的局部故障振动特征信号的提取中。数值仿真实验结果表明, 该方法能有效提取强背景 信号及噪声中的弱冲击特征信号, 是一种有效的弱信号特征提取方法。采用该方法对齿轮振动信号进行故障特征提取与识 别, 结果与实际情况相符。-Signal implicit characteristic of phase space reconstruction, and th
87
- 小波分析可同时从时域和频域两个方面对信号进行分析，结合包络分析十分适合滚动轴承的故障特征提取；基于双通道的全矢小波分析方法不仅对单通道小波分析方法具有兼容性，而且弥补了传统的基于单通道信 息进行旋转机械故障特征提取造成的信息量不完整、易导致误诊的弊端。结果表明，在针对滚动轴承外圈故障特征提取时，全矢小波分析方法较小波一包络分析方法具有一定的优势。 -Wavelet analysis simultaneously from the time domain and frequency doma
Fuzzy_entropy_bbd
- 模糊熵， 为解决从信号中提取故障特征难的问题, 介绍了一种新的信号故障特征提取方法—— 多尺度熵( multi-scale entro py, 简称MSE) , 并将样本熵和多尺度熵分别应用于转子故障信号复杂性的度量, 以提取故障特征。试验数据 分析表明, 与样本熵相比, 多尺度熵更能有效地实现转子故障类型的诊断。-A new rolling bearing fault diagnosis approach based onmultiscale permutation entropy (
med2d
- 一种基于最小熵反褶积( ]8+83)3 6+D*(A4 Q20(+W(-)D8(+，]6Q) 的滚动轴承故障特征提取方法: 在利用 /X 模型去除齿轮啮合产生的确定性信号的基础上，对保留信号进行最小熵反褶积，增强冲击信号"该方法避免了传统轴承故障诊断方法中带通滤波器设计的难题，实车测试表明: 与共振解调技术相比，该方法提取的滚动轴承故障特征更加明显，更适合于工程应用"-Based on minimum entropy deconvolution (] 8+83) 3 6+D* (A4 Q20 (
xbbtzztqt
- 故障分为很多种，该程序是利用小波包把故障特征提取出来，用于判断接下来出现的情况是把一种故障-The fault is divided into many, the program is using wavelet packet to extract the fault features out, used to judge the next case to a fault
Choiwilliams
- 计算振动信号的Choi-Williams分布，通过对照轴承故障特性频率可知，轴承的外圈发现了故障，完成了对外圈的故障特征提取。-The Choi-Williams distribution of the vibration signal is calculated. Through the comparison of the bearing fault characteristic frequency, the outer ring of the bearing is found to be f
wheel-treadmonitoring
- 城轨车辆轮对踏面故障在线监测系统，基于振动检测法的轮对踏面故障监测系统，通过傅里叶变换、小波包分析对釆集到的振动信号进行分析获得信号的特征,研究了基于短时能量判断的踏面故障特征提取算法。-On line monitoring system for wheel tread of urban rail vehicles, based on the vibration detection method of wheel tread fault monitoring system, through th
simulation-of-planetar1
- 变速器齿裂及轴承故障建模与故障特征提取, -Failure path based modified gear mesh stiffness for spur gear pair with tooth root crack
wave
- 小波变换实例，用于故障特征提取，时域频域分析等-Examples of wavelet transform for fault feature extraction, time domain frequency domain analysis