1、有数据集 2、有SCA代码 3、装好库直接运行

1、变速工况下的轴承故障信号仿真； 2、Matlab代码编写的； 3、适合做阶比分析，写论文仿真部分的代码实现； 4、代码亲测好用。 在实际工业生产设备工作时，旋转机械很可能不会以恒定转速持续运行，或者存在比较大的转速波动，电机升降速或者调速过程中转速也会处于时刻变化的动态状态。当转速变化时，转动频率也会随之发生变化，不对中故障的特征频率也会随之发生相应变化，此时利用稳态下的FFT分析方法得到的频谱就是无效的，或者如果转速在某一区间内频繁往复波动，在FFT频谱图中就会造成频率重叠甚至难以有效辨识的结果。在信号处理方法的发展历程中，为了克服变转速旋转机械故障诊断中常规FFT等方法失效的问题，学者们开发出阶比分析法，也叫阶比跟踪法。 阶比分析法在目前工程实际应用中与故障诊断研究领域被广泛使用于旋转机械变转速状态下的分析，但是目前多以振动信号为载体。阶比分析法的核心思想在于阶比跟踪与阶比重采样。阶比跟踪的目标是将原始时域的动态信号通过等角度重采样原理转化为角度域的稳态信号，阶比跟踪依赖于准确的阶比重采样，即准确获取电机轴的转速与时间的变化关系从而计算出等角度重采样的时刻值。

【故障诊断分析】滚动轴承故障诊断系统含Matlab源码

亲测有效，含运行结果

这是深度收缩残差网络的pytorch版本的完整实现。数据集为江南大学轴承数据集。

1.介绍 毕设研究课题，根据轴承的振动数据信息来诊断轴承故障的位置和故障严重等级。方法思路走的是数据驱动，使用传统机器学习方法以及深度学习方法。这个开源项目做的是整理基于传统机器学习的轴承故障诊断的内容。 主要分为三个部分： 数据集预处理：数据集增强(utils.augment) 特征工程(utils.feature):均值(mean), 均方差(rms), 标准差(std), 偏度(skewness), 峭度(kurtosis), 包络谱最大幅值处频率(maxf), 信号熵(signal_entropy), 信号幅值中位数处概率密度值(am_median_pdf) 分类器训练和保存

【信号去噪】 基于小波软阈值+硬阈值+改进阈值实现轴承故障仿真信号去噪含Matlab源码

1、python程序 2、有数据集 3、里面进行了三种算法对比，遗传算法、粒子群算法和布谷鸟算法 4、有一篇类似论文

自己的故障诊断课程设计，安装环境： tensorflow1.7 cpu版 用gpu会报内存不够错误 keras==2.2.4 数据集：CWRU数据集 西储大学轴承数据集 已附带处理好的数据集 包含CNN预测程序，已在本机使用。 直接可以使用，无bug版本。

如何减少各冲击信号间的干扰,使得信号特征突显出来是问题的关键。小波包分解可以对检测信号进行多通道滤波,通过不同频率的小波与检测信号相互作用,将信号划分成不同的频段,减少了信号间的干扰,同时,AR谱估计具有外推功能,可以有效地分析短样本信号。 通过上述分析,在分析小波包分解原理和AR谱估计特点的基础上,对6种不同磨损状况下的东风EQ2102汽车变速器轴承振动信号进行小波包分解,重构各频段信号并进行AR谱估计,最后计算故障轴承与新轴承的散度值,有效地提取出变速器轴承信号的故障特征信息。 (1)振动信号的采集。 (2)小波包分解。 (3)分频段重构时域信号。 (4)AR谱分析。对每一频段重构的信号进行AR谱估计,得到仅含特定频率信息的AR谱。 (5)计算小波包-AR谱频带能量,分析各频带能量与轴承间隙变化的规律。