Wavelet小波包变换分析信号的MATLAB程序，可用于提取故障特征向量.
2021-04-04 11:42:18
1KB
1
采用基于小波包变换(WPT)和极限学习(ELM)的方法对轴承故障进行诊断和分类辨识。该方法首先采用小波包变换对采集到的振动信号进行分解,求得各频带的相对能量,并构建特征向量,接着利用极限学习机进行自动分类识别。经使用实验台实测电机滚动轴承不同状态的信号进行分析,研究结果表明,所建立的自动分类模型可以有效地对轴承的单一故障,以及不同程度故障有很好的辨识能力。
2021-03-06 16:41:31
749KB
1
1、用自己采样得到的故障诊断数据分别采用Python/MATLAB两种方式对样本数据进行故障特征提取。
2、附有数据文件夹，里面包含有9种不同的故障样本集原始数据，每一种故障样本集共有100组样本。文件夹共有900组样本数据。
3、两份用Python或MATLAB写的源码都是对故障样本进行特征提取并归一化操作，改变文件路径可以直接运行。
2019-12-21 19:30:24
2.88MB
1