• 艾木说瑞
    了解作者
  • matlab
    开发工具
  • 1.1MB
    文件大小
  • zip
    文件格式
  • 2
    收藏次数
  • 1 积分
    下载积分
  • 33
    下载次数
  • 2018-04-17 13:59
    上传日期
故障诊断课程设计,电机轴承故障诊断,FFT,Haar小波分析,时域分析,数学形态分析等
guzhang.zip
  • guzhang
  • my_wave.m
    1.5KB
  • zc_600_20k_65536.dat
    1.1MB
  • my_haar.m
    3.2KB
  • FFT_300.m
    1.6KB
  • ccc.m
    225B
  • my_shiyuzhibiao.m
    1.1KB
  • gz_450_20k_65536.dat
    1.1MB
  • gz_300_20k_65536.dat
    1.1MB
  • gz_600_20k_65536.dat
    1.1MB
  • zc_300_20k_65536.dat
    1.1MB
  • zc_900_20k_65536.dat
    1.1MB
  • my_shiyu.m
    1.8KB
  • gz_900_20k_65536.dat
    1.1MB
  • draw300.m
    1.8KB
  • my_xingtai.m
    1.3KB
  • zc_450_20k_65536.dat
    1.1MB
  • my_fft.m
    1KB
  • my_hilbert.m
    2.2KB
内容介绍
clear close all clc [fid1,message1]=fopen('gz_900_20k_65536.dat','r'); [x1,count1]=fscanf(fid1,'%f',65536); %信号 x1=x1'; %s=s1(1:16384); fs=20000; %采样频率 N=65536; %采样点数 [h,l]=wavedec(x1,11,'haar'); %11层分解 ha1=appcoef(h,l,'haar',1); %V10 ha2=appcoef(h,l,'haar',2); %V9 ha3=appcoef(h,l,'haar',3); %V8 ha4=appcoef(h,l,'haar',4); %V7 ha5=appcoef(h,l,'haar',5); %V6 ha6=appcoef(h,l,'haar',6); %V5 ha7=appcoef(h,l,'haar',7); %V4 ha8=appcoef(h,l,'haar',8); %V3 ha9=appcoef(h,l,'haar',9); %V2 ha10=appcoef(h,l,'haar',10); %V1 ha11=appcoef(h,l,'haar',11); %V0 hd1=detcoef(h,l,1); %W10 hd2=detcoef(h,l,2); %W9 hd3=detcoef(h,l,3); %W8 hd4=detcoef(h,l,4); %W7 hd5=detcoef(h,l,5); %W6 hd6=detcoef(h,l,6); %W5 hd7=detcoef(h,l,7); %W4 hd8=detcoef(h,l,8); %W3 hd9=detcoef(h,l,9); %W2 hd10=detcoef(h,l,10); %W1 hd11=detcoef(h,l,11); %W0 %消噪,将高频成分中小于阈值的数置零,规则自行改变 k=30; %设置一个阈值,自行改变这个阈值,以达到最佳效果 d11=hd11; %d11(find(d11<max(d11)/k))=0; d10=hd10; %d10(find(d10<max(d10)/k))=0; d9=hd9; %d9(find(d9<max(d9)/k))=0; d8=hd8; %d8(find(d8<max(d8)/k))=0; d7=hd7; %d7(find(d7<max(d7)/k))=0; d6=hd6; d6(find(d6<max(d6)/k))=0; d5=hd5; d5(find(d5<max(d5)/k))=0; d4=hd4; d4(find(d4<max(d4)/k))=0; d3=hd3; d3(find(d3<max(d3)/k))=0; d2=hd2; d2(find(d2<max(d2)/k))=0; d1=hd1; d1(find(d1<max(d1)/k))=0; d1=zeros(1,length(d1)); h=[ha11 d11 d10 d9 d8 d7 d6 d5 d4 d3 d2 d1]; s_rec=waverec(h,l,'haar'); f_rec=abs(fft(abs(hilbert(s_rec))))*2/N; %希尔伯特变换 figure; subplot(3,1,1);plot(x1);ylabel('V11');title('转速为900r/min的故障波形'); subplot(3,1,2);plot(ha1);ylabel('V10');title('第一层近似系数'); subplot(3,1,3);plot(ha2);ylabel('V9');title('第二层近似系数'); figure subplot(3,1,1);plot(ha3);ylabel('V8');title('第三层近似系数'); subplot(3,1,2);plot(ha6);ylabel('V5');title('第六层近似系数'); subplot(3,1,3);plot(ha8);ylabel('V3');title('第八层近似系数'); figure; subplot(3,1,1);plot(hd1);ylabel('W10');title('第一层小波细节系数'); subplot(3,1,2);plot(hd2);ylabel('W9');title('第二层小波细节系数'); subplot(3,1,3);plot(hd3);ylabel('W8');title('第三层小波细节系数'); figure subplot(3,1,1);plot(hd4);ylabel('W7');title('第四层小波细节系数'); subplot(3,1,2);plot(hd5);ylabel('W6');title('第五层小波细节系数'); subplot(3,1,3);plot(hd6);ylabel('W5');title('第六层小波细节系数'); figure; subplot(5,1,1);plot(hd7);ylabel('W4');title('第七层小波细节系数'); subplot(5,1,2);plot(hd8);ylabel('W3');title('第八层小波细节系数'); subplot(5,1,3);plot(hd9);ylabel('W2');title('第九层小波细节系数'); subplot(5,1,4);plot(hd10);ylabel('W1');title('第十层小波细节系数'); subplot(5,1,5);plot(hd11);ylabel('W0');title('第十一层小波细节系数'); figure subplot(311);plot(x1);xlim([0 N]);title('转速为900r/min的故障波形'); subplot(312);plot(s_rec);xlim([0 N]);title('进行小波分解后重组信号的时域图'); subplot(313);plot(0:fs/N:(N/2-1)*fs/N,f_rec(1:N/2));title('小波分解重组信号的Hilbert频谱图');
评论
    相关推荐
    • 轴承故障.rar
      轴承故障诊断,用于分析轴承外圈故障的经验模态分解
    • 包络谱诊断轴承故障.zip
      实现包络谱轴承故障诊断检测,通过matlab实现,可以直接演示
    • 轴承故障分析 EMD+ICA
      本代码用于对轴承的故障进行分析,算法采用EMD和ICA,同时自带轴承故障数据,可以直接运行出结果,非常适合用于学习,对提高很有帮助。
    • 基于cnn西储轴承故障诊断算法
      在tensorflow环境下使用pycharm编译的卷积神经网络的故障诊断算法
    • 滚动轴承故障诊断代码
      滚动轴承故障诊断代码 滚动轴承故障诊断代码
    • 凯斯西楚轴承故障诊断处理
      在现代旋转机械工业中,滚动轴承的应用非常广。滚动轴承是否正常运行对设备的加工精度、寿命和可靠性有很大影响。因此,对滚动轴承进行故障诊断具有重要的实际意义。
    • 基于SVM的滚动轴承故障诊断
      一个例程,基于SVM算法的滚动轴承故障诊断方法
    • 轴承外圈故障数据
      包括详细的数据说明,轴承外圈故障,可以直接采用Matlab编程,生成时域图、频谱图等一系列图,也可以自己用来研究。是实际采集的真实数据。
    • 滚动轴承故障诊断系统
      基于滚动轴承故障诊断,有时域分析频域分析
    • DataCastle轴承故障预测数据集
      DataCastle轴承故障预测数据集,可供下载使用的有2个文件: 1.train.csv,训练集数据,1到6000为按时间序列连续采样的振动信号数值,每行数据是一个样本,共792条数据,第一列id字段为样本编号,最后一列label字段...