滚动轴承的包络谱分析；采用基于Hilbert包络解调的包络谱分析方法，能够清晰地显示与轴承故障特征频率成倍数关系的包络谱线，应用于轴承故障诊断

数据分析中主要针对内外圈故障，应用4种故障分析方法分别进行分析.通过对同一转动频率的信号采用不同处理分析方法及同一分析方法对不同转动频率的的比较，可以发现时域无量纲参数分析、FFT分析这两方法可以有效的发现故障，但是不容易得出故障信号频率，因此不能分析出具体是哪一种故障。Hilbert包络谱分析和Haar小波分析和数学形态学分析相对于前面的几种方法，可以更好的观测出故障信号频率，从而可以分析故障类型。

网上有关于轴承故障特征频率计算的资源，但是东一句，西一句，比较零散，而且表述上不太明确，容易让初学者走弯路，特整理有关资料并上传，希望能帮助到大家！共同进步！

国标滚动轴承作为现代机械设备中的重要组成部分，其标准化、系列化的生产确保了各行业设备的互换性和可靠性。在机械工程设计领域，精确的3D模型对于缩短研发周期、提高设计质量具有至关重要的作用。因此，“国标滚动轴承3D模型”不仅是工程设计的辅助工具，更是提升产品开发效率和性能分析的有力武器。 在现代机械设计领域，设计工程师面临着越来越高的工作效率和质量要求，这也促使他们需要更多地依赖于先进的3D建模软件来进行精确的设计。Pro/Engineer（Pro/E）作为一款优秀的三维CAD软件，其强大的参数化功能和精确的建模能力，成为了众多工程师的首选设计工具。使用Pro/E软件建立的“国标滚动轴承3D模型”不仅可以精确地模拟实际的轴承结构，而且还可以通过软件的参数化调整，快速响应不同设计场景下的具体需求。 “国标滚动轴承大全”3D模型集合涵盖了中国国家标准（GB）中定义的多种类型轴承，包括但不限于深沟球轴承、角接触轴承、圆柱滚子轴承、圆锥滚子轴承、调心滚子轴承、推力轴承等。这些模型不仅尺寸和规格齐全，更具备详实的结构细节，使得设计师们能够在设计阶段就能预见轴承在实际工作状态下的性能表现，从而减少试错成本和设计误差。 对于机械工程师来说，这些3D模型为他们提供了极大的便利。在设计时，工程师可以直接调用这些模型进行虚拟装配，检验各部件间的配合情况，避免实际装配过程中可能出现的干涉和不兼容问题。此外，3D模型还可以用于进行有限元分析，帮助工程师预测轴承在实际工作条件下的受力、疲劳寿命以及热变形等性能，为产品的可靠性设计提供科学依据。 “国标滚动轴承库”的建立，进一步提升了设计工作的效率。通过一个结构化和分类清晰的数据库，设计人员可以根据项目需求快速搜索和导入所需的轴承模型，而无需花费大量时间从零开始建模。这种资源的有效利用，极大地缩短了设计周期，使工程师能够将更多的精力投入到创新思考和设计优化中去。 “国标滚动轴承3D模型”为机械工程师提供了一个集标准化、高效化、数字化于一体的强有力设计支持平台。它不仅提高了工程师的工作效率，更通过精确的3D模型，有助于提升产品开发的整体质量和速度。在未来，随着计算机辅助设计（CAD）技术的进一步发展，相信“国标滚动轴承3D模型”将在机械工程领域发挥越来越大的作用，成为推动我国机械行业进步的重要力量。

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。

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。

数据集本身保存在matlab环境下所以以.mat命名 自己是在python环境下用的 在SVM和BPNN下都取得良好结果，原始数据集本身比较整齐，服从正态分布。

辛辛那提大学轴承数据集全部数据，压缩包大于1GB，上传不了，分享到百度网盘，此TXT文档中有下载链接和提取码。

滚动轴承的振动信号特征分析报告，数字信号处理，实验报告

可以计算出轴承的使用寿命，年限，时间