搜索资源列表
20090226
- 从盲声源信号的独立性出发!提出了一种新的盲声源混合信号分离方法:该方法基于信号联合概率的 分布统计!利用信号联合概率的方向导数熵最小获得最佳的旋转角度!最终实现盲信号分离:与快速独立分 量分析方法及神经网络方法相比!该方法不需要迭代计算:采用新的盲声源信号分离方法对轴承试验台的混 合声音信号进行识别!将电机和滚动轴承的声音分离出来!进而可以准确识别机械的故障-Blind sound source from the independence of the starting signal
zhoucheng
- 利用vb对solidworks进行二次开发，使滚动轴承自动生成-solidworks Rolling automatically generated
yuzhi_fanzgzhen_de_noise
- 仿真滚动轴承信号，通过不同阈值降噪方法，降噪后的时域图-Simulation of rolling bearing signal, through the different threshold noise reduction method, time-domain figure after noise reduction
moshishibie
- 基于最小二乘支持向量机的模式识别，特征向量为滚动轴承的能量百分比和峭度系数-Pattern recognition based on least squares support vector machine (SVM), the percentage of energy eigenvector for rolling bearing and kurtosis coefficient
Rolling-bearing-fault-diagnosis
- 滚动轴承的故障诊断程序，可实现在线诊断和自动识别-Rolling bearing fault diagnosis
滚动轴承在线监测系统设计
- 从时域参数、频域、以及时频域对特征信号进行故障分析，能准确得出轴承的故障类型。