改文献详细介绍了二代小波在旋转机械应用，有助于理解二代小波！

Vold-Kalman 第二代、多阶、同时阶跟踪代码 (vkm.m)。 此方法适用于提取多个交叉订单。 由 Scot McNeill 撰写，因为我厌倦了无法访问 VK 方法研究并决定自己编程。 Jiri Tuma 教授在以下出版物中发布了单阶例程 (MyVoldKalman2.m) 的 m 代码他的网站[1]。 请注意，MyVoldKalman2.m 也发表在 Matlab 会议论文中。 然而，用于同时多阶实现 [2] 的 M 代码没有发布。 请注意，Tuma 教授发布了他所有 VK 例程的 p 文件，包括同时、多阶跟踪例程。 P 文件在我使用的 Matlab (2007a) 上不起作用，所以我只是决定自己实现 [2]。 我为其他人提供了这个初稿实现（vkm.m） 研究人员。 提供 M 代码。 附加例程 vk2.m，它执行第二代、单阶、非交叉阶跟踪基于 MyVoldKalman2

对旋转机械的故障诊断资料都是国外的文献，相关中文资料比较少，因此对学习相关故障诊断技术的门槛增加，这本书是比较靠谱的书籍之一，旋转机械诊断技术_Fundamentals of Rotating Machinery Diagnostics，高清中文版

NUMECA，能知道这个词的应该都懂的。 资源不太好找，不敢独享，

多点最优最小熵解卷积调整Geoff McDonald (glmcdona@gmail.com) 的代码，2015 McDonald、Geoff L.和赵青。 “多点最优最小熵解卷积和卷积修复：应用于振动故障检测。” 机械系统和信号处理 82 (2017)：461-477。 有关该论文的 PDF 版本，请参阅我的博客： http : //www.split-code.com/rotation.html 多点最优最小熵解卷积 (MOMEDA) 计算算法。 这提出方法求解用于从信号中解卷积周期性脉冲序列的最优解。 最适合应用于从振动信号到去卷积的旋转机器故障与许多齿轮和轴承故障相关的脉冲式振动。 此上传包括用于基础解卷积的“momeda”和用于绘图的“momeda_spectrum” 光谱。 通常，此光谱将在对应于临界值的周期处产生峰值频率，以及由此产生的幅度可以被跟踪以监视机器组件的运行状

摘要：绿色低碳的现代能源体系背景下,清洁能源的安全高效利用对加快能源结构调整及推进生态文明建设意义重大。作为清洁能源转换的核心设备,水电、风电机组的巨型化和耦合化使得其运行过程中的振动问题和故障风险日益突出,这对系统的振动信号分析与早期故障辨识方法提出了更高要求。因此,本文以水轮发电机组、风力发电机组等大型旋转机械为研究对象,通过凝炼系统早期故障诊断中的关键科学问题,解析了多故障源耦合激励下的系统非线性动力学特性和故障机理,深入开展了基于噪声干扰抑制和噪声辅助分析的早期故障信号辨识理论研究,提出了大型旋转机械复合故障分离与特征提取方法,构建了系统关键设备性能评估与劣化分析模型,对保障机组安全稳定运行和推进状态检修体制改革具有一定的理论创新意义和工程应用价值。论文主要研究工作及创新性成果如下:(1)针对大型旋转机械中贯流式机组操作油管不对中、受油器松动及操作油管与浮动瓦碰摩问题,建立了考虑操作油杂质影响的时变非线性油膜力模型,并搭建了多源激励下的机组耦合故障动力学模型,研究了系统随不对中分量、操作油杂质和受油器径向刚度等参数变化出现的周期运动、拟周期运动等非线性动力学行为,揭示了多故障源耦合激励下的系统动力学特性和故障机理。(2)针对大型旋转机械早期故障辨识受强背景噪声干扰问题,开展了基于噪声干扰抑制的微弱故障信号检测研究,一方面,分析了噪声强度对传统经验模态分解降噪算法中最优分量重构效果的影响,研究了不同固有模态分量重构后信号概率密度函数的豪斯多夫距离变化趋势,提出了一种基于重构信号概率密度函数相似性的经验模态分解降噪算法;另一方面,讨论了大幅值噪声信号对传统经验模态分解降噪算法中固有模态分量阈值处理效果的影响,引入了熵阈值代替直接对每个分量的采样点进行阈值化,并结合分位数理论构建了多尺度阈值并计算了原始信号所在区域的故障概率,提出了一种基于概率熵阈值的经验模态分解降噪算法。通过模型仿真、实验和工程实例验证了所提出降噪算法在大型旋转机械微弱故障信号检测中的有效性。(3)考虑基于噪声辅助分析理论随机共振来增强大型旋转机械早期故障特征,定性和定量分析了不同噪声强度下二维Duffing振子模型随机共振方法的周期特征增强效果,推导了二维Duffing振子模型随机共振现象发生的必要条件,并研究了不同参数条件下系统输出信号特征幅值随噪声强度的变化趋势。在此基础上构造了基于排列熵的信号筛选准则并提出了基于二维部分Duffing振子模型随机共振理论的故障特征增强算法,实现了噪声能量向故障信号的最大化转移,并成功应用于大型旋转机械早期磨损故障特征识别。(4)针对大型旋转机械中风电机组早期复合故障特征耦合及微弱故障信号难以识别问题,分析了复合故障模式下快速峭度图中的多个谱峭度极大值现象,建立了带通滤波器模型进行解卷积处理获取显著故障信号,并构建了带阻滤波器模型进行窄带带阻滤波滤除显著共振频谱信号从而抑制其对微弱故障特征识别影响,提出了基于连续谱峭度解卷积的早期复合故障诊断方法。通过典型模型仿真和工程实例应用表明所提出算法有效实现了大型旋转机械复合故障分离和微弱故障特征提取。(5)考虑到大型旋转机械关键设备的性能对整个系统安全稳定运行的重要性,从故障概率变化的角度开展了基于逻辑回归理论的设备劣化趋势分析和状态评估研究,引入了改进K均值聚类算法对逻辑回归模型的自变量进行离散化处理来增强模型泛化能力和鲁棒性,建立了基于数据驱动的大型旋转机械关键设备性能评估模型,并成功应用于工程实例中设备故障演化过程分析,同时对大型旋转机械早期故障辨识也有一定指导意义。

行业分类-设备装置-旋转机械故障模拟平台.zip

行业分类-电信-一种基于复信号双边谱分析的旋转机械故障诊断方法.rar

第四期全国设备状态监测与故障诊断实用技术培训班讲义大型旋转机械的状态检测与故障诊断 沈立智

行业分类-电信-利用信号线分时传输信号和电能的复用电路系统.rar