针对轴承故障信号的非平稳性和非线性的特点，采用小波包分解和自回归（auto-regressive，AR）谱估计相结合的方法提取振动信号特征值；为了提高诊断结果的精度，提出用深度信念网络（deep believe network，DBN）进行诊断模型训练。首先，对轴承振动信号进行小波包分解和自回归谱估计，计算不同频段的能量实现轴承故障特征提取；其次，将提取到的特征值作为深度信念网络的输入向量，进行模型训练；最后，用训练好的模型进行故障诊断。为验证所提方法的有效性，采用美国凯斯西储大学提供的旋转轴承数据集，将提出的算法与三种故障诊断方法进行对比实验。实验结果表明，所提方法具有更好的诊断性能。
2019-12-21 21:40:09
1.4MB
1
1、流形学习是一种非线性降维或数据可视化的方法，已经在图像处理如人脸图像,手写数字图像, 语言处理方面取得了较好的效果，在机械故障诊断方面也有很好的效果；
2、资源包含轴承振动源数据和流行学习的Matlab程序。
2019-12-21 21:26:32
4.11MB
1
基于小波包熵和模糊C均值的轴承故障诊断MATLAB程序，代码中有注释，只要有MATLAB基础，理解起来比较简单。提供了一整套的故障诊断流程，先用小波包熵进行特征提取，再用FCM进行故障诊断。
2019-12-21 21:08:40
4KB
1
运用凯斯西储大学滚动轴承故障数据，运用MOMEDA对信号进行周期的增强，提高信噪比，并运用希尔伯特变换，与Teager能量算子包络解调，体现Teager能量算子二次增强。同时还存在MCKD，
2019-12-21 20:58:11
2.27MB
1
DataCastle轴承故障预测数据集，可供下载使用的有2个文件：
1.train.csv，训练集数据，1到6000为按时间序列连续采样的振动信号数值，每行数据是一个样本，共792条数据，第一列id字段为样本编号，最后一列label字段为标签数据，即轴承的工作状态，用数字0到9表示。
2.test_data.csv，测试集数据，共528条数据，除无label字段外，其他字段同训练集。
总的来说，每行数据除去id和label后是轴承一段时间的振动信号数据，选手需要用这些振动信号去判定轴承的工作状态label。
2019-12-21 20:57:57
21.87MB
1
西储大学（CWRU）轴承中心的轴承实验室数据，包含起官网提供的所有数据，包括正常数据，12k采集的驱动端数据，48k采集的驱动端数据，12k采集的风扇段数据，模拟了0.007，0.014，0.021，0.028等不同的单点故障，分别在0-4马力下进行试验得到的数据。
2019-12-21 20:43:24
234.83MB
1
使用小波分析对各种轴承进行故障诊断，打开.m文件，然后把相应的信号数据载入.mat进行保存，仿真是时候把.m和.mat文件设定在同一路径，即可画出图形。
2019-12-21 20:11:10
986B
1
滚动轴承的故障检测、分类源代码，且配合有word版大报告。图文并茂
具体做的内容是：
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。
2019-12-21 19:36:29
776KB
1