机械振动信号常见时域、频域特征提取 Python 代码

''' ============== 特征提取的类 =====================
时域特征 ：11类
频域特征 : 13类
总共提取特征 ： 24类参考文献 英文文献 016_C_(Q1 时域和频域共24种特征参数 )  Fault diagnosis of rotating machinery based on multiple ANFIS combination with GAs'''import numpy as npimport scipy.stats
import matplotlib.pyplot as pltclass Fea_Extra():def __init__(self, Signal, Fs = 25600):self.signal = Signalself.Fs = Fsdef Time_fea(self, signal_):"""提取时域特征 11 类"""N = len(signal_)y = signal_t_mean_1 = np.mean(y)                                    # 1_均值（平均幅值）t_std_2  = np.std(y, ddof=1)                             # 2_标准差t_fgf_3  = ((np.mean(np.sqrt(np.abs(y)))))**2           # 3_方根幅值t_rms_4  = np.sqrt((np.mean(y**2)))                      # 4_RMS均方根t_pp_5   = 0.5*(np.max(y)-np.min(y))                     # 5_峰峰值  (参考周宏锑师姐 博士毕业论文)#t_skew_6   = np.sum((t_mean_1)**3)/((N-1)*(t_std_3)**3)t_skew_6   = scipy.stats.skew(y)                         # 6_偏度 skewness#t_kur_7   = np.sum((y-t_mean_1)**4)/((N-1)*(t_std_3)**4)t_kur_7 = scipy.stats.kurtosis(y)                        # 7_峭度 Kurtosist_cres_8  = np.max(np.abs(y))/t_rms_4                    # 8_峰值因子 Crest Factort_clear_9  = np.max(np.abs(y))/t_fgf_3                   # 9_裕度因子  Clearance Factort_shape_10 = (N * t_rms_4)/(np.sum(np.abs(y)))           # 10_波形因子 Shape fatort_imp_11  = ( np.max(np.abs(y)))/(np.mean(np.abs(y)))  # 11_脉冲指数 Impulse Fatort_fea = np.array([t_mean_1, t_std_2, t_fgf_3, t_rms_4, t_pp_5,t_skew_6,   t_kur_7,  t_cres_8,  t_clear_9, t_shape_10, t_imp_11 ])#print("t_fea:",t_fea.shape,'\n', t_fea)return t_feadef Fre_fea(self, signal_):"""提取频域特征 13类:param signal_::return:"""L = len(signal_)PL = abs(np.fft.fft(signal_ / L))[: int(L / 2)]PL[0] = 0f = np.fft.fftfreq(L, 1 / self.Fs)[: int(L / 2)]x = fy = PLK = len(y)# print("signal_.shape:",signal_.shape)# print("PL.shape:", PL.shape)# print("L:", L)# print("K:", K)# print("x:",x)# print("y:",y)f_12 = np.mean(y)f_13 = np.var(y)f_14 = (np.sum((y - f_12)**3))/(K * ((np.sqrt(f_13))**3))f_15 = (np.sum((y - f_12)**4))/(K * ((f_13)**2))f_16 = (np.sum(x * y))/(np.sum(y))f_17 = np.sqrt((np.mean(((x- f_16)**2)*(y))))f_18 = np.sqrt((np.sum((x**2)*y))/(np.sum(y)))f_19 = np.sqrt((np.sum((x**4)*y))/(np.sum((x**2)*y)))f_20 = (np.sum((x**2)*y))/(np.sqrt((np.sum(y))*(np.sum((x**4)*y))))f_21 = f_17/f_16f_22 = (np.sum(((x - f_16)**3)*y))/(K * (f_17**3))f_23 = (np.sum(((x - f_16)**4)*y))/(K * (f_17**4))#f_24 = (np.sum((np.sqrt(x - f_16))*y))/(K * np.sqrt(f_17))    # f_24的根号下出现负号，无法计算先去掉#print("f_16:",f_16)#f_fea = np.array([f_12, f_13, f_14, f_15, f_16, f_17, f_18, f_19, f_20, f_21, f_22, f_23, f_24])f_fea = np.array([f_12, f_13, f_14, f_15, f_16, f_17, f_18, f_19, f_20, f_21, f_22, f_23])#print("f_fea:",f_fea.shape,'\n', f_fea)return f_feadef Both_Fea(self):""":return: 时域、频域特征 array"""t_fea = self.Time_fea(self.signal)f_fea = self.Fre_fea(self.signal)fea = np.append(np.array(t_fea), np.array(f_fea))#print("fea:", fea.shape, '\n', fea)return fea

题主本硕机械专业，自学转互联网算法岗成功，获得阿里、字节、美团、华为等 15+ offer
后续会在公众号「苏学算法」分享各类学习笔记、面试经验，感兴趣的可以关注一波

机械振动信号常见时域、频域特征提取 Python 代码相关推荐

机械振动信号13个频域指标
频域统计指标计算公式振动信号频域分析首先需要把信号的时域波形借助离散傅里叶变换转化为频谱信息,公式如下: 式中:x(kΔt)x(k\Delta t)x(kΔt)为振动信号的采样值:NNN为采样点数: ...
hog特征提取python代码_hog特征提取-python实现
[转载自 https://blog.csdn.net/ppp8300885/article/details/71078555] 全部代码: importcv2importnumpy as npimpo ...
hog特征提取python代码_HOG特征提取
我想提取阿拉伯笔迹线条图像的HOG特征.代码如下.所以,我需要关于如何输入图像和如何输出特征的帮助.有谁能帮我一下吗.在import numpy as np from scipy import sqr ...
机械振动信号15个时域统计指标
时域统计指标计算公式振动信号原始统计特征分为两类:时域统计特征.频域统计特征. 信号的时域特征是通过统计分析信号的各种时域参数.指标的估计或计算得到的,如表所示,分为有量纲参数和无量纲参数两种,其中 ...
声学特征提取-python
声学特征提取-python 代码在我的github上AcousticFeatureExtraction 使用Librosa音频处理库和openSMILE工具包,进行简单的声学特征提取,包括韵律学特征( ...
时序信号的时域、频域、时-频域特征提取
文章目录时域特征提取频域特征提取时-频域特征提取参考资料在面对工业中的传感器采集到的高维的信号,如振动信号,通常需要对数据进行统计特征提取,以进行降维.对于这类时序信号,常用的有时域.频域和 ...
【语音信号处理】1语音信号可视化——时域、频域、语谱图、MFCC详细思路与计算、差分
基本语音信号处理操作入门 1. 数据获取 2. 语音信号可视化 2.1 时域特征 2.2 频域特征 2.3 语谱图 3. 倒谱分析 4. 梅尔系数 4.1 梅尔频率倒谱系数 4.2 Mel滤波器原理 ...
频谱分析：基于python画出时域频域波形
一,FFT解释 FFT(Fast Fourier Transformation)是离散傅氏变换(DFT)的快速算法.即为快速傅氏变换.它是根据离散傅氏变换的奇.偶.虚.实等特性,对离散傅立叶变换的算法 ...
python频域三维图_深入浅出通信原理连载1-21（Python代码版）
深入浅出通信原理Python代码版深入浅出通信原理是陈爱军的心血之作,于通信人家园连载,此处仅作python代码笔记训练所用陈老师的连载从多项式乘法讲起,一步一步引出卷积.傅立叶级数展开.旋转向量 ...

机械振动信号常见时域、频域特征提取 Python 代码

机械振动信号常见时域、频域特征提取 Python 代码相关推荐

最新文章

热门文章

机械振动信号 常见时域、频域特征提取 Python 代码

机械振动信号 常见时域、频域特征提取 Python 代码相关推荐

最新文章

热门文章

机械振动信号常见时域、频域特征提取 Python 代码

机械振动信号常见时域、频域特征提取 Python 代码相关推荐