基于最优Morlet小波的滚动轴承故障诊断

鉴于滚动轴承在运转过程中能够产生冲击振动信号,将无量纲指标、小波变换与Hilbert包络分析相结合,实现对滚动轴承的故障诊断。将采集到的滚动轴承振动信号进行裕度指标、峭度指标等无量纲指标分析,来定性判

针对传统的包络解调技术在实际使用过程中存在必须人为确定高频共振频率和带通滤波器的中心频率缺点,提出了小波自适应包络解调技术。该方法通过最小Shannon熵原理自适应确定小波函数的中心频率和带宽,求得在

研究滚动轴承故障诊断的有效方法,目前主要有神经网络、专家系统方法、模糊数学方法等,但是利用这些技术对滚动轴承进行故障诊断,由于获得的故障断数据存在不精确和不完备的缺陷,无法获得满意的诊断效果。为了能够

针对滚动轴承故障识别问题,有效提高分类正确率,提出一种基于Adaboost算法的集成支持向量机智能诊断方法。该方法采用小波包变换提取信号的敏感频带特征;计算各频带能量作为训练特征;将特征向量输入到集成

齿轮与滚动轴承故障的振动分析与诊断，对故障诊断感兴趣的可以看看

滚动轴承的选型与计算等

文件夹内包含滚动轴承数据，数据量较大，本次实验采用的轴承包括状态良好的轴承、外圈有剥落的轴承、内圈有剥落的轴承、滚珠有剥落的轴承以及保持架断裂的轴承。

小波包能量谱在滚动轴承故障诊断中的应用，文件包括轴承内圈、外圈、滚珠故障振动数据原始和正常工作振动数据等，编写小波包能量谱的Matlab的源程序，经测试仿真可用，供从事这方面研究的学者参考。

采用一种处理非平稳信号的新方法—希尔伯特-黄变换HHT(Hilbert-Huang Transform)来进行滚动轴承故障特征的提取。将信号先进行小波包降噪处理,然后用HHT进行信号故障特征提取。通过

摘要：本文针对滚动轴承的故障诊断问题,首先提出一种自适应波形匹配的延拓方法对经验模态分解(empiricalmodedecomposition,EMD)存在的端点效应进行改进,然后基于改进的EMD和粒