搜索资源列表
wavelet-and-HHT
- 第2代小波和Hilbert—Huang变换的轴承故障诊断-The second generation wavelet and Hilbert- Huang transform bearing fault diagnosis
Noise-reduction-algorithm
- 对设备进行故障诊断的主要方法就是测量故障 设备的振动或噪声, 并对其进行分析, 从而找出故障原因。然而振动或噪声信号中除了对分析故障有用的信息外, 还有大量的噪声成分。只有有效地滤除噪声, 才能获得有用的信息, 从而得到可靠的分析结论。传统的滤噪方法是将被噪声污染的信号通过一个滤波器, 滤掉噪声频率成分。但对于短时瞬态信号、非平稳信号、含宽带噪声的信号, 采用传统处理方法有着明显的局限性。小波变换为信号去噪提供了一种有效的方法, 小波阈值去噪具有传统方法不可比拟的优越性。但是小波分解的频域重
ex001
- 基于matlab小波变换的轴承故障外圈点蚀分析。-Based on wavelet transform matlab punctuate eclipse outer bearing failure analysis.
wavelet-methods-
- 讲述了现在机械故障诊断中用到的常用时频分析方法，如短时fft 魏格纳维尔分布 小波变换 HHT等，里面含有例子和详细说明，对初学者帮助很大。-Tells the now commonly used in mechanical fault diagnosis frequency analysis methods, such as short-time wavelet transform fft Wigner distribution HHT Louisville, etc., which cont
Study-on-compound-fault-diagnosis
- 针对滚动轴承复合故障信号特征难以分离的问题， 提出将双树复小波变换和独立分量分析( ICA) 结合的故障诊断方 法 该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量 由于各个分量存在一定的频率混叠， 对 故障信号特征提取有很大的干扰， 进而引入 ICA 对各个分量所组成的混合信号进行盲源分离， 从而尽可能消除频率混叠 最后 对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调， 即可实现对复合故障特征信息的分离和故障识别-Aiming at the diff
xiaobobaoyuzhijiangzao
- ：提出一种基于对偶树复小波块阈值的信号降噪方法，并将其成功应用于机械故障诊断中。机械设备的振动信号都或多或少地含有噪声，导致弱故障信息的提取一直是故障诊断的难点和热点。提出的降噪方法充分利用对偶树复小波变换的平移不变性和块阈值法的更优估计特性，可以获得比常规的小波降噪方法以及基于常规离散正交小波变换的 NeighBlock 降噪法更高的信噪比， 不仅能有效抑制高斯白噪声， 还能够去除冲击信号中的脉冲噪声。-：A denoising method of block thresholding bas
tqwt_matlab_toolbox
- 可调Q因子小波变换，用在故障诊断中，程序中包含了原始TQWT工具箱和轴承振动信号信号的谱包络的求取等，最新的应用成果-Adjustable Q-factor wavelet transform used in fault diagnosis, the program includes a spectral envelope of the original TQWT toolbox and bearing vibration signal signal to strike, etc., the l
Gear-pitting-Troubleshooting
- 利用小波变换在汽车变速齿轮点蚀故障诊断的应用-Wavelet transform automotive transmission gears pitting fault diagnosis in the application
faultlocation
- 故障定位程序，利用支持向量机和小波变换测量配电网的故障距离。-fault location use wavelet transformation
wavelet-Matlab7
- 本书是“MATLAB应用技术”系列丛书之一，以最新推出的MATLAB中的小波分析工具箱Wavelet Toolbox 3.0版本为基础。全书共分为三部分，第1部分着重介绍了小波理论基础，包括小波基础知识、连续小波变换、离散小波变换、多分辨率分析与正交小波变换、小波变换和多采样滤波器组、二维小波变换与图像处理及小波包的基本原理等；第2部分重点说明了小波分析工具箱的详细使用方法，包括图形用户接口、小波通用函数、一维小波变换的MATLAB实现、二维小波变换的MATLAB实现、小波包变换的MATLAB实
Wavelet-analysis-in-bearing-fault
- 小波分析变换在轴承故障诊断中的应用，利用小波变换检测是否有轴承外环故障。-Wavelet analysis Transform in bearing fault diagnosis using wavelet transform to detect whether there is a bearing outer ring failure.
F14_2
- 小波变换在汽车变速器轴承故障诊断中的应用，轴承滚体故障诊断-Wavelet Transform Automotive Transmission Bearing Fault Diagnosis, Fault Diagnosis of Roller Bearings
Untitled2
- 基于小波变换的电机轴承故障诊断的应用与开发-Application and development of motor bearing fault diagnosis based on wavelet transfor
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
xiaobofangli
- 小波变换分解低频和高频，并计算能谱熵用以区分区内外故障-Wavelet transform is decomposed into high and low frequency, and energy entropy calculation for partitions inside and outside the fault zone
harmonic
- 该功能主要是计算harmoonic小波变换的旋转设备状态监测的基于振动的轴承故障诊断。-The function basically is for computing Harmoonic wavelet transform for condition Monitoring of rotating equipments by vibration based bearing fault diagnosis.
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
chengxu
- 小波变换进行变速箱故障诊断 首先将s1和s2信号时域谱（s1代表维修前的振动信号，s2代表维修后的振动信号），画出来进行对比，会发现s1信号的振动幅值会比较高；然后对s1和s2分别进行小波分解并画出各层的时域谱，只对比s1和s2分后的最高时域谱，s2更加的具有周期性，且幅值较小，s2周期性不够明显，且振动过于密集。分析完时域谱后开始分析频谱，首先对原信号s1和s2fft转换，得到频谱图，如图，然后再对小波分析后高频部分进行fft转换，做出频谱图。对比后我们发现，在f 2375HZ出（也就是齿
FSWT-and-Spectrum-Kurtosis
- 本文提出一种基于频率切片小波变换和谱峭度的综合算法。首先对轴承端的振动信号时频分析，采用FFT、包络谱、频率切片小波变换对其频域性能进行分析，再求其峭度谱与对应包络谱，结合其时域、频域性能，综合分析轴承故障。-This paper presents a synthesis algorithm based on frequency slice wavelet transform and spectral kurtosis. Firstly, the time-frequency analysis
RSSD
- 该代码针对滚动轴承故障振动信号呈现出非线性、非平稳性及噪声背景较强等特点，为了有效提取故障特征，使用的一种共振稀疏分解（Resonance-based sparse signal decomposition，RSSD）与小波变换相结合的振动信号特征提取技术的相关仿真实验程序和轴承数据分解程序。其中，共振稀疏分解是基于品质因子可调小波变换与形态分量分析的一种新的信号分解方法，与常规的基于频带划分的信号分解方法不同，它依据信号各分量的振荡形态不同对信号进行分解。 同时还提供了可调谐 Q 因子小波