基于小波包-AR谱和深度学习的轴承故障诊断研究.pdf

MSSP对西储大学轴承数据说明的文章

火车走行部各个点位的轴承故障频率计算器，通过内部的sqlite数据库已经保存了机车轴承的数据参数，然后通过计算，获得轴承的故障频率，方便工程师随时在手机上查看轴承故障频率参数。

行业资料-交通装置-一种机车轮对轴承故障检测系统.exe

通过输入轴承的内外径、接触角以及轴承运转的转速，实现轴承特征频率的计算。

本资源为复现论文《基于PSO_VMD_MCKD方法的风机轴承微弱故障诊断》的配套资源，利用包络谱作为优化算法的目标函数，同时还可以根据包络谱画图，该函数里面调用了求频谱的函数，下载地址如下：https://download.csdn.net/download/weixin_45317919/13455237，PinPu.m(信号的时频转换)

基于EEMD分解和奇异值差分谱理论的轴承故障诊断研究，信号收集、分解、重构、降噪、分析、比较等等……

为轴承故障诊断的理论研究者提供了权威的数据来源，为理论方法的验证研究奠定了基础

轴承matlab代码CWRU-注意机制-ResNet 该库包括源代码，数据集和论文“用于核电站旋转机械中轴承故障诊断的时间注意机制”的结果。 本文中的分类和识别任务在代码中称为case1。 运行Tresnet_case1.py通过传统Resnet解决识别任务。 运行Aresnet_case1.py通过Attention Augmented Resnet解决识别任务。 运行结果将保存在“结果”文件夹中。 运行Computeconf.m（matlab代码）以进一步处理结果以获得混淆矩阵。 钟宪平，王菲2020年7月22日

这篇论文发表在 IEEE Transactions on Instrumentation and Measurement。 在工业旋转机械中，瞬态信号通常对应于主要元件的故障，例如轴承或齿轮。 然而，面对实际工程的复杂性和多样性，提取瞬态信号是一项极具挑战性的任务。 在本文中，我们提出了一种新的时频分析方法，称为瞬态提取变换，它可以有效地表征和提取故障信号中的瞬态分量。 该方法基于短时傅立叶变换，不需要扩展参数或先验信息。 量化指标，如 Rényi 熵和峰度，被用来比较所提出的方法与其他经典和先进方法的性能。 比较表明，所提出的方法可以提供更加能量集中的时频表示，并且可以以明显更大的峰态提取瞬态分量。 数值和实验信号用于显示我们方法的有效性。 这篇论文可以在网站上找到， https://ieeexplore.ieee.org/document/8676242