针对滚动轴承故障诊断提出了EMD阈值降噪法。通过振动传感器获得的轴承振动信号,利用经验模态方法将信号分解为多个IMF分量。因振动信号中含有的噪声主要表现在高频段,所以对IMF分量中的高频分量进行小波阈值降噪,并与IMF分量中低频分量进行重构,实现了振动信号的降噪,有利于轴承故障的判断。

利用经验模式分解（EMD）将信号分解成多个本征模式函数（IMF），每个IMF代表一定频率尺度的信号分量。

Matlab-EMD工具箱 + 另附详细安装方法，亲手验证可以使用。

1.将三个文件夹分别粘贴到matlab安装路径下的toolbox文件夹下 2.打开matlab，设置路径-->添加并包含子文件夹-->分别选择这三个文件夹-->保存-->关闭。 3.在MATLAB中运行package_emd 文件下的 install_emd ,方法：直接选中，右键单击‘运行’

EMD分解和HHT打包，自己编写的代码，注释很全，使用时运行main程序即可。

首先对时间序列进行emd分解，然后对每个分量进行svr建模，最后把测试集的结果相加作为最终结果

首先对时间序列数据进行EMD分解，然后对每个分量进行BP建模，最后把各分量结果相加作为最终结果

首先对时间序列数据进行EMD分解，然后对每个分量进行lstm建模，最后把各分量结果相加作为最终结果

为emd的一个详细代码介绍，大家可以看一下

emd的matlab代码 EMD-SA-DBN-for-Wind-speed-forecast （MATLAB CODE） Establishing a time series forecasting model for wind speed prediction based on DBN，Due to the autocorrelation of the wind speed sequence, the predicted value and the actual value lag, so EMD is used to decompose the wind speed sequence, and then the decomposed components are modeled in turn. To further mention accuracy, the simulated annealing algorithm is used to optimize the DBN。 (MATLAB代码)采用深度置信网络DBN建立风速预测的时间序列预测模型，由于数据本身的自相关性，导致得