提出了采用小波包的方法对供暖双吸式离心水泵轴承振动信号进行去噪和提取表征 相应轴承故障的频带能量 并采用 BP 神经网络进行训练和故障识别 通过 MATLAB 进行了仿真经试验验证该方法能够有效地识别出轴承故障-The wavelet package is adoptted to De-noise and extract band energy that represent bearing fault. and the BP neural network is adopting to t

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

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

更改参数可以获得不同大小缺陷的仿真信号，并且画出相应的图像，可以用于轴承故障定量诊断(The simulation signals of different size defects can be obtained by changing the parameters.)

仿真轴承故障的振动信号，显示时域波形和频域波形。(Vibration signals of bearing faults are simulated and time domain waveforms and frequency domain waveforms are displayed.)