搜索资源列表
Ch1999
- 小波变换在故障诊断中的应用 441 18.1 引言 441 18.2 基本原理 442 18.3 小波变换在轴承故障诊断中的应用 444 18.3.1 轴承外环故障诊断 444 18.3.2 轴承滚动体故障诊断 448 18.4 小波变换在齿轮故障诊断中的应用 450 18.5 小波包在轴承故障诊断中的应用 452 18.5.1 轴承外环故障诊断 453 18.5.2 轴承滚动体故障诊断 454-wavelet transform fault diagnosi
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
diagnosis
- 小波包特征熵的飞机液压系统故障诊断diagnosis方法-Entropy of wavelet packet features of the aircraft hydraulic system fault diagnosis
Wavysisnosis
- 小波包分析和LS_SVM的柴油机故障诊断方法Wavelet packet analysis and LS_SVM of diesel engine fault diagnosis-Wavelet packet analysis and LS_SVM of diesel engine fault diagnosis
xiaobobao-BPwangluo
- 小波包和BP神经网络在齿轮箱故障诊断中的应用，本文对齿 轮箱振动信号应用小波包分解提取故障特征向量，进一步用特征向量训练前向传播BP人工神经网络。-xiaobobao、BP、gearbox fault detection
xiaobobao-BP-zhoucheng-zhenduan-
- 基于小波包特征向量与神经网络的滚动轴承故障诊断。：基于故障轴承的特征提取，提出了将小波包分析与神经网络结合的滚动轴承故障诊断方法。对滚动轴承信号进行3层小波包分解，构造小波包特征向量作为故障样本，用训练好的BP神经网络进行故障诊断，试验结果表明，该方法能够有效地诊断出滚动轴承的故障类型。-Fault Diagnosis of Rolling Bearings Based on W avelet Packet Energy Eigenvector and Neural Network
chengxu
- 基于小波变换的异步电机的故障诊断，本文采用三层小波包分析，诊断效果较好-Wavelet-based fault diagnosis of induction motors, this paper, three wavelet packet analysis, diagnosis, better
41
- 基于小波包的信号瞬态成分检测与提取方法及其应用,提出基于小波包分解特征表示和瞬态特征重 建方法并应用于汽车变速器齿轮的故障诊断,结果表明基于小波包分解的信号特征表示方法能有效检测信号中瞬 态成分的存在,瞬态成分的重建结果有效地表示了齿轮的故障状态。 -The detection and extraction of signal transients through wavelet packets decomposition are studied and signal trans
matlabacSharp
- 用小波包分析实现轴承故障诊断，信号分析处理，界面编程-Bearing fault diagnosis using wavelet packet analysis and signal analysis and processing, interface programming
xbb
- 一个小波包分解重构函数，用于振动信号的故障诊断-A wavelet packet decomposition and reconstruction functions for fault diagnosis of the vibration signal
84
- 滚动轴承故障诊断是机械故障检测中一个重要方面。使用小波包分析和包络分析相结合的方法提取轴承微弱振动信号, 克服了传统包络分析方法易丢失信号有效成分的缺点。包络信号的细化谱较好体现了轴承故障信息。-Bearing Fault Diagnosis of mechanical fault detection in an important aspect. The use of wavelet packet analysis and envelope analysis method of combini
xierbotebianhuan
- 希尔伯特变换和小波包结合的齿轮箱故障诊断方法，里面有具体的介绍小波包的分层方法，非常详细，可以下下来-Hilbert transform and wavelet packet of gearbox fault diagnosis method, there is detailed introduction inside the layered method of wavelet packet is very detailed, can down and have a look
xiaobobaochengxu
- 小波包降噪、提取能量特征值，用于振动信号处理、故障诊断等。里面有经典的例子，供大家学习-Extract the energy eigenvalues for vibration, wavelet packet de-noising, signal processing, fault diagnosis. There are classic examples, for everyone to learn
421
- 针对齿轮滚动轴承等的早期损伤类故障, 提出将小波包分解作为包络分析的前置处理手段以提取振动信号的故障信息特征 。 在简述小波包基本原理的基础上, 通过仿真信号, 对振动信号的具体处理过程进行分析, 并对可能遇到的问题, 提出处理办法, 然后应用于诊断实例 。 -Early damage fault for rolling bearings and other gear, the proposed wavelet packet decomposition as pre-processing mea
wavelet-packets-analysis
- 针对风力发电机组传动系统故障时特征量提取困难的问题,提出了改进的小波包结合包络谱的故障诊断新方法。深入研究了小波包频带错乱的问题，对小波包实施了改进，消除了频带错乱的缺陷-In view of the wind turbine drive system characteristics, failure and difficult problems, puts forward the improved wavelet packet combining spectral envelope, a ne
energy-leakage--dual-tree
- 首先根据高斯白噪声频率充满整个频带的特性，通过双树复小波包变换对高斯白噪声进行分解，利用频带能量泄漏的定量分析方法，验证了双树复小波包变换具有较低的频带能量泄漏特性；其次利用双树复小波包变换逐层分解信号，对每层分解所得分量求其FFT谱的峭度，得到基于双树复小波包变换的谱峭度图，根据图中峭度最大的原则，可以自动准确的选择信号分解最佳层数和最佳分量；最后将基于双树复小波包变换的谱峭度图的故障诊断方法应用于实际工程中，对齿轮故障振动信号进行分析，选择最佳分解层数和分量后利用希尔伯特包络解调，有效准确地
improved-wavelet-packet--and-PNN
- 提出改进型的节点重构小波包频带能量谱与 PNN（概率神经网络）的联合故障诊断新方法。 有具体的数据和程序，经过本人验证的，程序有效！效果很好！-Joint fault diagnosis node propose a new method for the reconstruction of improved wavelet packet energy spectrum band and PNN (probabilistic neural network). Specific data and p
OneDrive
- 用于故障诊断中计算时频域中的小波包能量矩。。(Wavelet packet energy moment)
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
Desktop
- 西储大学轴承数据，故障特征频率明显，与理论值基本符合。(The bearing data of Xichuan University have obvious fault characteristic frequency, which is basically in accordance with the theoretical value.)