搜索资源列表
EMD-Toolbox
- EMD的Toolbox及使用方法 经验模态分解(Empirical Mode Decomposition, 简称EMD)是由美国NASA的黄锷博士提出的一种信号分析方法.它依据数据自身的时间尺度特征来进行信号分解, 无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点, EMD 方法在理论上可以应用于任何类型的信号的分解, 因而在处理非平稳及非线性数据上, 具有非常明显的优势。所以, EMD方法一经提出就在不同的
TMS320F2407andAD73360
- 介绍两种不同结构 SPI 的接口电路软硬件设计方法。给出了由 TMS320F2407 DSP 与 16 位 Σ-ΔA/ D 转换器 AD73360 组成的多路数据采集系统,具有硬件结构简单、6 通道相关信号同时采样、内置抗混叠滤波器和程控放大器、采样速率和抗混叠滤波频率可通过编程选择等特点,最高采样率可达 64 k/ s, 已在矿山设备机械故障诊断、电力参数测量系统中得以应用,效果良好。-The design of TMS320F2407 DSP and AD73360
DSP
- DSP硬件论文集,包含22篇DSP相关论文,caj格式。都是花银子买来的。 DSP与点阵式LCD显示器的接口设计.caj DSP体系结构在提高实时信号处理方面的作用.caj DSP器件的原理及应用.caj DSP在机械设备故障诊断中的应用.caj DSP应用的结构和发展方向.caj DSP技术及其应用讲座(六)──数字通信用数字调制解调器中的DSP技.caj DSP技术及其应用讲座第7讲语音识别及其DSP实现.caj DSP技术及其应用讲座第三讲数字信号处理器的发
intellectual
- 探讨了动量系数和学习率自适应调整的神经网络算法, 给出了动量系数和学习率的调整方法, 并作为机械故 障的特征识别方法, 以小波分析技术作为机械故障特征信号的提取手段, 由此建立了基于小波与自适应神经网络 的旋转机械故障智能诊断系统, 给出了诊断系统的训练学习方式和工作方式, 通过实际测试数据的诊断结果说明此诊断系统对故障诊断是有效的。-intelligent dignose it is very useful
wavelet
- 基于matlab的机械故障诊断系统的小波分析,能够加载正常信号与故障信号的数据,进行对比分析,适合初学者学习使用。-wavelet analysis
【原创】氢压机机械故障信号诊断系统
- 通过C#的windows窗体设计,建立一个旨在对氢压机机械故障信号进行简单的信号分析,包括峰峰值、有效值、方差、脉冲值的计算和时频域图形分析的机械故障信号系统。除了实现上述信号分析功能,还实现了简单数据导入导出的过程。
基于改进的希尔伯特振动分解的机械故障诊断方法研究
- 针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解( HVD) 的时频分析方法。该方法首先利用 Hilbert 变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对 HVD 方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。 通过两组仿真信号分析验证了 HVD 方法对多分量非平稳信号的分解能力,同时