【故障诊断】用于轴承故障诊断的候选故障频率优化克改进包络频谱研究(Matlab代码实现)

本文主要是介绍【故障诊断】用于轴承故障诊断的候选故障频率优化克改进包络频谱研究(Matlab代码实现),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️座右铭:行百里者,半于九十。

📋📋📋本文目录如下:🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

该文讲解一种基于候选故障频率优化克(IESCFFOgram)的改进包络频谱的特征自适应方法,用于从频谱相干性(SCoh)中识别信息 频谱频段,以进行轴承故障诊断。在新方法中,根据SCoh的局部特征自动识别候选故障频率(CFF),而不是标称故障特性频率(FCF), 并进一步用于指导信息频段的选择。 这种新方法完全摆脱了对FCF或稀疏性指标的依赖,可以通过 挖掘隐藏在SCoh平面中的故障信息,自适应地生成诊断IES。 因此,所提出的IESCFFOgram适用于在没有准确FCF的情况下滚动轴承的故障识别。还提供用于估计光谱相关性(或光谱相干性)的快速算法。
用于检测和分析循环平稳信号。

📚2 运行结果

 

 

 

 

 

部分代码:

%% Load Simlated Inner race fault signal
load('SimInner');
Sigplot = SimInner;

%% Basic parameters
Fs = 12800*2;     % Sampling Frequency
N = 1*Fs ;        % Sampling Length
t  = 0 : 1/Fs : (N-1)/Fs ;  % Time
f_m = 142 ;       % Bearing fault charatersitic fraquency
f_shaft = 26;

%% Plot the raw signal components and the frequency spectrum of the mixed signal
% Frequency spectrum of the mixed siganl
nfft = 2*ceil(length(Sigplot(:,5))/2); Freraw = Fs*(0:nfft/2-1)/nfft;
env = Sigplot(:,5);  
% env = abs(hilbert(Sigplot(:,5))); 
Han = hanning(length(env)); Han = Han(:); 
EnvSpec = abs(fft(((env-mean(env)).^1).*Han,nfft)); 
EnvSpec = EnvSpec./max(EnvSpec);
EnvSpec(nfft/2+1:end) = []; 

% Figure
figure(1)
subplotnum_1 = 3;
subplotnum_2 = 2; 
leftleave = 0.067;
upleave = 0.005;
downleave = 0.082;
step_1 = (1-0-upleave)/subplotnum_1;
step_2 = 1/subplotnum_2;
plotheight = step_1*0.70; 
plotwidth = step_2*0.83;   
str = {'(a)','(b)','(c)','(d)','(e)','(f)'};
set (gcf,'unit','centimeters','Position',[12 15 14 8.5], 'color','w'); % 脥录脝卢脦禄脰脙 麓贸脨隆
for i = 1 : subplotnum_1
    for j = 1 : subplotnum_2
        if (i-1)*2+j <6
            plotx = t';
            ploty = Sigplot( : , (i-1)*2+j  );
        else
            plotx =  Freraw/1000;
            ploty = EnvSpec*0.3;
        end
        subplot(subplotnum_1,subplotnum_2, (i-1)*subplotnum_2+j)
        plot( plotx , ploty, 'b' );     % ylabel('Amplitude');
        set(gca,'unit','normalized','Position',[leftleave+(j-1)*step_2   downleave+(subplotnum_1-i)*step_1  plotwidth*1 plotheight*1]);
        figure_FontSize = 7; set(gca,'Fontsize',figure_FontSize,'Fontname','Times New Roman');
        if (i-1)*2+j  == 1
            set(gca,'ytick',[-1 0 1]); set(gca,'ylim',[-1  1]);
            yt = 1;ys = 0;
        elseif (i-1)*2+j  == 2
            set(gca,'ytick',[-2 :2: 2]); set(gca,'ylim',[-2  2]);
            yt = 2;ys = 0;
        elseif (i-1)*2+j  == 3
            set(gca,'ytick',[-0.8 0.4 1.6]); set(gca,'ylim',[-0.8  1.6]);
            yt = 1.6;ys = 0.4;
        elseif (i-1)*2+j  == 4
            set(gca,'ytick',[-3 0 3]); set(gca,'ylim',[-3  3]);
            yt = 3; ys = 0;
        elseif (i-1)*2+j  == 5
            set(gca,'ytick',[-4 0 4]); set(gca,'ylim',[-4  4]);
            yt = 4; ys = 0;   
        elseif (i-1)*2+j  == 6
            set(gca,'ytick',[0 :0.1 : 0.3]); set(gca,'ylim',[0  0.3]);
            yt = 0.3; ys = 0.15;
        end
        if (i-1)*2+j  < 6
            set(gca,'xtick',[0: 0.2: 1]); set(gca,'xlim',[0  1]);
             xlabel('Time [s]');  
             ylabel('Amplitude','Position',[-0.10*1 ys]);
             xt = -0.15*1; 
        else
            set(gca,'xtick',[0: 1: Fs/2/1000]); set(gca,'xlim',[0 Fs/2/1000]);
            xlabel('Frequency [kHz]');
            ylabel('Amplitude','Position',[-0.10*Fs/2/1000 ys]);
            xt = -0.15*Fs/2/1000;
        end
        text(xt,yt,str{(i-1)*2+j},'Fontname','Times New Roman','FontSize',8,'FontWeight','bold')

🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]Yao Cheng, Shengbo Wang, Bingyan Chen, Guiming Mei, Weihua Zhang, Han Peng, Guangrong Tian, "An Improved Envelope Spectrum via Candidate Fault Frequency Optimization-gram for Bearing Fault Diagnosis", Journal of Sound and Vibration,Elsevier, 2022.

[2]徐秀芳,徐丹妍,徐森,郭乃瑄,许贺洋.一种结合谱聚类与关联规则的轴承故障诊断方法[J].计算机测量与控制,2023,31(01):51-58.DOI:10.16526/j.cnki.11-4762/tp.2023.01.008.

🌈4 Matlab代码实现

这篇关于【故障诊断】用于轴承故障诊断的候选故障频率优化克改进包络频谱研究(Matlab代码实现)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/238834

相关文章

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("