最近在学习基于HHT的轴承振动分析,遇到了一些麻烦,还望各位看官多多指教。
原料:凯斯西储大学官网(https://csegroups.case.edu/bearingdatacenter/pages/download-data-file)的数据,采样频率12k
工具:python
过程:
1、对数据进行重采样(512Hz)及截断(截取前512个数据)
2、利用pyhht进行emd分解得到imf
3、计算各个imf与原信号的相关系数,然后加权重构得到信号data_fin
4、对data_fin进行希尔伯特变换及FFT(用的scipy里面的函数),此部分代码如下

Nn = 512
fs = 512
yh = hilbert(data_fin)
# yh = hilbert(imfs[0])
# amplitude_envelope = np.abs(analytic_signal)
instantaneous_phase = np.unwrap(np.angle(yh))
instantaneous_frequency = (np.diff(instantaneous_phase) /(2.0*np.pi)) * fs
f = fs*np.linspace(0,1,Nn)
YH = fft(yh, Nn)/Nn
# %figure
plt.subplot(221)
plt.scatter(t[1:],instantaneous_frequency,s=5)
# plt.xlim([0,200])
plt.grid()
plt.title('时频谱')
plt.xlabel('时间t (s)')
plt.ylabel('频率(Hz)')
plt.subplot(222)
plt.scatter(instantaneous_frequency, np.abs(yh[1:]), s=5)
# plt.xlim([0,200])
plt.grid()
plt.title('幅频谱')
plt.xlabel('频率f (Hz)')
plt.ylabel('|YH(f)|')
plt.subplot(223)
plt.plot(f, np.abs(YH))
# plt.xlim([0, 200])
plt.grid()
plt.title('幅频谱')
plt.xlabel('频率f (Hz)')
plt.ylabel('|YH(f)|')
plt.show()

得到的图像如下:

图1.正常轴承


图2.外圈故障

图3.内圈故障

图4.滚珠故障

以上几个图并不能直接观察到明显的故障频率,不知道是不是过程中哪一步弄错了,请各位不吝赐教!

机械故障诊断02-基于HHT的轴承振动分析相关推荐

  1. 机械故障诊断信号的幅域分析 - 幅值概率密度函数 | 基于python的代码实现,在CWRU轴承数据上实战

    机械故障诊断信号的幅域分析 - 幅值概率密度函数 | 基于python的代码实现,在CWRU数据上实战 **1.随机信号的幅值概率密度函数介绍** **2.代码实战** 2.1导入包 2.2定义CWR ...

  2. 机械故障诊断信号幅域分析- 时域统计特征 | 基于python代码实现,在CWRU和IMF轴承数据集上实战

    最详细的机械故障信号时域特征分析及实战 1.摘要 2.有量纲幅域参数计算公式及物理意义 3.无量纲幅域参数计算公式及物理意义 4.模拟数据代码实战 4.1 导入包 4.2 生成模拟正弦数据 4.3 绘 ...

  3. matlab应用于机械的实例,机械工程前沿著作系列:基于MATLAB的机械故障诊断技术案例教程(附光盘)简介,目录书摘...

    编辑推荐: 内容全面:涵盖基础篇.信号处理篇和模式识别篇,MATLAB使用方法和工程应用尽在掌握,一本书相当于三本书! 方法新颖:综合展示了作者团队多年来在机械故障诊断领域的新研究成果! 上手容易:采 ...

  4. (阶次分析、阶比追踪)故障诊断之基于振动信号的阶比谱分析

    故障诊断之基于振动信号的阶比谱分析 前言 一.阶次分析是什么 二.阶次分析的基本原理 三.基于加拿大渥太华数据进行分析 1.数据下载链接: 2.数据说明 四.变速的故障信号仿真模拟 五.MATLAB代 ...

  5. 【故障诊断】基于贝叶斯优化支持向量机的轴承故障诊断附matlab代码

    1 内容介绍 贝叶斯网络(Bayesian Network或BN)是人工智能领域进行建模和不确定性推理的一个有效工具.贝叶斯网推理的基本任务是:给定一组证据变量观察值,通过搜索条件概率表计算一组查询变 ...

  6. 2021-06-21基于深度学习的智能机械故障诊断的部分域适应方法阅读笔记

    文章目录 基于深度学习的智能机械故障诊断的部分域适应方法 一.提出的方法 二.网络优化 1.源域监督损失 2.实验比较 总结 基于深度学习的智能机械故障诊断的部分域适应方法 无监督的目标域训练数据不会 ...

  7. 计算机仿真应用于诊断什么故障,基于MATLAB/Simulink的机械故障诊断研究

    摘要:机械故障诊断技术能够提供高质量的监控系统,提升管理效率,降低维护成本.通过MATLAB/Simulink仿真技术可以简洁地将故障诊断的结果图像化表达出来,提高故障诊断的质量和效率.该文模拟了机械 ...

  8. 【故障诊断】基于粒子群和多元宇宙算法优化最大相关峭度解卷积(MCKD)实现信号处理附matlab代码

    1 内容介绍 1.1研究背景及意义 制造业的发展支撑着国家经济的稳定快速发展,是人民生活幸福和国家局势 稳定的保障.发展制造业离不开科技创新.加强制造业创新.推动产业转型升级是 提升我国国际地位.实现 ...

  9. 传统的线性降维方法效果不佳。_高压断路器机械故障诊断与定位的新思路:KPCA-SoftMax诊断方法...

    高压断路器是保证电力系统安全.可靠运行的重要设备,对于高压断路器机械故障定位和诊断成为近年来重要的研究课题.北京航空航天大学自动化科学与电气工程学院.江苏省电力公司电力科学研究院的研究人员王昱皓.武建 ...

最新文章

  1. MVC3+EF4.1学习系列(一)-------创建EF4.1 code first的第一个实例(强转)
  2. Meta 被爆暂停 AR/VR 操作系统项目,元宇宙能否推进?
  3. python转行it好学吗-我研一想转行it,建议Java还是Python呢?
  4. ZooKeeper 3.4.5 分布式环境搭建详解
  5. python3纵向输出字符串_Python 3.x 格式化输出字符串 % format 笔记
  6. 街上第一台电子计算机是,南京信息工程大学滨江学院2009级《计算机基础》(文科)a试卷(含答案)【最新】.doc...
  7. 【转】ARM 之七 主流编译器(armcc、iar、gcc for arm、LLVM(clang))详细介绍
  8. 阿里云 服务器 系统 php mysql_阿里云服务器配环境(Ubuntu 16.04+Nginx+MySQL+PHP)并部署hexo博客...
  9. 逆置/反转单链表(C语言)
  10. C++的 copy-and-swap idiom 是什么
  11. 全网最全最稳定中文ISBN信息查询api接口
  12. 总结移动开发入行十周年
  13. Audacity如何改变音频节奏?Audacity调整音频节奏方法
  14. Python语言程序设计基础 第二版(嵩天著)课后答案第四章
  15. 机器学习之线性回归模型的代价函数是凸函数的证明
  16. 互联网化企业软件应该具备什么功能
  17. Node.js.不要堵塞线程(一)
  18. 4.imx6 IPU代码详细分析
  19. c 配置mysql字符串_mysql字符串属性实例学习
  20. Revit中模型文字的放置和族库工具介绍

热门文章

  1. 这个网站安全吗?您的完整网站安全检查指南
  2. 互联网运营打造个人微博之道
  3. python 工程结构加固_【安卓逆向】360加固-脱壳修复
  4. suse系统修复忘记密码解决方法
  5. javaweb个人物品信息管理系统springboot+Ssm
  6. 阿斯汤加瑜伽(Ashtanga Yoga)第一序列学习与实践笔记(四)
  7. js节点,我要发贴示例
  8. .Net Core微服务入门——Ocelot和Consul集群高可用
  9. Ocelot的使用(负载均衡实现)
  10. 网络模型 LSTM模型内容详解