对凯斯西储大学的轴承故障信号进行小波变换特征提取

最近本菜鸟对凯斯西储大学的轴承信号做了时域参数和小波变换，希望能分辨出其轴承出现故障与否和故障类型—外圈故障，内圈故障，滚珠体故障。以下是用matlab2011b处理信号后的结果及遇到的问题。先贴代码

close all;
clear all;
clc;
%采样频率
fs=12000;
%采样间隔
Ts=1/fs;
%采样点数
N=10000;n=1/N;
%轴承信号
load 97.mat;%故障
xdata=X097_DE_time(1:10000);
% xdata=BF(1:10000);
xdata=(xdata-mean(xdata))/std(xdata,1);
%信号时域波形
figure(1);
plot(1:N,xdata);
xlabel('时间 t/n');
ylabel('电压 V/v');
%使用db10小波进行尺度为5时的分解
[c,l]=wavedec(xdata,5,'db10');
%从小波分解结构[c,l]重构信号xdata
a0=waverec(c,l,'db10');
figure(2);
subplot(3,1,1);
plot(xdata);
title('原始信号')
subplot(3,1,2);
plot(a0);
title('重构信号')
subplot(3,1,3);
plot(xdata-a0);
title('误差信号')
err=max(abs(xdata-a0))
%重构第1~5层高频细节信号
d5=wrcoef('d',c,l,'db10',5);
d4=wrcoef('d',c,l,'db10',4);
d3=wrcoef('d',c,l,'db10',3);
d2=wrcoef('d',c,l,'db10',2);
d1=wrcoef('d',c,l,'db10',1);
%显示高频细节信号
figure(3);
subplot(5,1,1);
plot(d5,'LineWidth',2);
ylabel('d5');
subplot(5,1,2);
plot(d4,'LineWidth',2);
ylabel('d4');
subplot(5,1,3);
plot(d3,'LineWidth',2);
ylabel('d3');
subplot(5,1,4);
plot(d2,'LineWidth',2);
ylabel('d2');
subplot(5,1,5);
plot(d1,'LineWidth',2);
ylabel('d1');
xlabel('时间 t/s');
%第1层高频细节信号的包络谱
y=hilbert(d1);
ydata=abs(y);
y=y-mean(y);
nfft=1024;
p=abs(fft(ydata,nfft));
figure(4);
plot((0:nfft/2-1)/nfft*fs,2*p(1:nfft/2));
xlabel('频率 f/Hz');
ylabel('功率谱 P/W');

以下是分析的细节包络谱：

正常信号

外圈故障164Hz和其倍频

内圈故障还好，105.5Hz和其倍频

滚珠体的就不对了，故障频率理论分析值是141Hz左右，最令我费解的是35.16Hz是什么？转频应是29.9Hz和其倍频，我这几个图分析的信号都没转频的影子，是我的代码不对还是小波变换还不够给力？请大神指点。

对凯斯西储大学的轴承故障信号进行小波变换特征提取相关推荐

CWRU（凯斯西储大学）轴承数据
CWRU(凯斯西储大学) 轴承数据实验平台如下图所示: 实验平台组成: 一个2马力的电动机(图左侧): 一个扭矩传感器/ 译码器(图中间连接处): 一个功率测试计(图右侧): 电子控制器(图中没显示 ...
CWRU（凯斯西储大学）轴承数据集简介
实验平台如下图所示: 实验平台组成: 一个2马力的电动机.(图左侧) 一个扭矩传感器/译码器(图中连接处) 一个功率测试仪(图右侧) 电子控制器待测轴承: 待检测的轴承支撑着电动机的转轴: 驱动端轴 ...
tensorflow自编码器+softmax对凯斯西储大学轴承数据进行故障分类
先放参考链接,感谢大神们带来的启发: 凯斯西储大学轴承数据故障分类(使用卷积神经网络) TensorFlow实现MNIST识别(softmax) 前情回顾: tensorflow 自编码器+softm ...
凯斯西储大学轴承故障数据集解读（新手版）
最近真是学到一头雾水,光理解凯斯西储大学的轴承数据集就花了好长时间,下载干巴巴的数据集,啥也看不懂,对着论文就更加迷茫(翻白眼儿). 下面就把我理解的整理一下: CWRU 提取码:dkjd 适合新手进 ...
1.基于深度学习的轴承故障诊断--凯斯西储大学轴承数据集介绍
本章主要介绍来自凯斯西储大学的轴承实验数据下载地址西储大学下载地址:http://csegroups.case.edu/bearingdatacenter/pages/download-data- ...
凯斯西储大学轴承数据的疑问
这里有两个问题: ①在使用凯斯西储大学轴承数据进行CNN故障分类时, 训练的准确率从开始的慢慢增长,一直到训练几百次之后,准确率会骤降,突然降低到0.1左右,然后一直保持很低的状态,大概是训练模型不起 ...
凯斯西储大学轴承数据具体处理过程（用作CNN输入）
凯斯西储大学轴承数据具体处理过程本文阐述处理类似凯斯西储大学的轴承数据(一维时间序列信号)的一种方法(结合CNN使用). 原信号在数据文件中是以mat文件呈现,如果想具体查看文件里面放的什么数据,可 ...
【凯斯西储大学数据集介绍（CWRU）】
目录实验平台缩写含义总结实验平台实验平台组成: [1]一个2马力的电动机(图左侧): [2]一个扭矩传感器/ 译码器(图中间连接处): [3]一个功率测试计(图右侧): [4]电子控制器(图 ...
tensorflow 堆叠自编码器SDAE对凯斯西储大学轴承数据进行故障分类
之前的一些介绍:tensorflow自编码器+softmax对凯斯西储大学轴承数据进行故障分类前面研究了一下自编码器,并顺利利用自编码器对轴承数据进行了故障分类,但我们在实际应用时,应用更多的还是堆 ...

对凯斯西储大学的轴承故障信号进行小波变换特征提取

对凯斯西储大学的轴承故障信号进行小波变换特征提取相关推荐

最新文章

热门文章