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，

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。

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。

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。

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。

滚动轴承振动数据，包含内圈故障信号；外圈故障信号；保持架故障；滚动体故障以及正常信号

基于bp神经网络的轴承故障诊断，希望对大家有所帮助

针对西储大学轴承故障数据进行了EMD分解，并对故障特征频率等信息进行了提取

型号为6205-2RS JEM SKF的滚动轴承，采样频率12,000Hz，轴承内圈故障数据

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。