DeepConvolutionalTransferLearningNetworkANewMethodforIntelligentFaultDiagnosisofMachineswithUnlabeledData(深度卷积迁移学习网络：一种新的无标记机器故障智能诊断方法) 雷亚国团队2018年文章。 机械智能故障诊断的成功依赖于两个条件。1)含有故障信息的有标签数据是可用的。2)训练和测试数据是从相同的概率分布中获取的。然而，对于大部分机械，很难获得大量的有标签数据。此外，尽管一些机械可以获取有标签数据，但是由于数据分布的差异，用这些有标签数据训练的智能故障诊断方法可能无法对从其他机械获得的无标

机械故障诊断学：第一部分是第1章绪论,主要是说明工况监视与故障诊断的意义、发展概况、研究和系统设计的指导思想;第二部分即第1篇第2~第5章,主要是说明信号检测与特征信号处理方法的原理,旨在为读者在工程实践中能正确

matlab实现的阶次分析算法，用于变转速机械故障特征提取，可运行，包含寻找脉冲时刻，等角度时刻，数字跟踪滤波，样条差值等步骤

时域统计参数，峭度的C代码，DSP可用，用于机械故障诊断和状态检测等

阶次分析适用于旋转机械的故障诊断，通过将非平稳时域信号转换为平稳的角域信号，再对角域稳态信号进行傅里叶变换就可得到清晰地阶次谱

机械故障诊断学（屈梁生） pdf

动态测试中数据分析处理最重要也是最常用的方法是波形分析和频谱分析" 波形分析一般指的是对波形在时间域里进行分析,即对各种物理量的动态信号的 幅值以时间为坐标的函数二=f()t在时间域T内进行分析"

摘 要：应用信号处理方法对振动信号进行特征提取的技术是机械设备故障诊断领域的重要研究方向。常用的机 械设备故障诊断领域的信号处理方法主要包括时域分析、频域分析和时频分析。针对常用的振动信号处理方法，总结 多种算法的特征和优缺点。根据常见机械设备关键构件的振动特征，选择不同的信号处理和特征提取算法进行分析， 以便提高多种构件、多类故障的特征提取精度和可靠性，从而为有效地实现机械设备的故障提供参考。 关键词：振动与波；故障诊断；振动信号；特征提取；信号处理

机械故障方面的参考资料

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