自适应增强平均组合差分形态学滤波方法（AECDPO）用于滚动轴承故障（以模拟信号为例，python）

算法优势：

通过多尺度结构元素组合增强冲击特征提取能力

基于CFIC的自适应参数选择机制提高算法鲁棒性

形态学滤波与包络分析的结合有效抑制高斯白噪声

模拟信号参数可根据实际需要进行调整，候选结构元素长度范围建议根据信号采样率和特征频率合理设置。

部分代码如下：

import numpy as np
from scipy.ndimage import minimum_filter, maximum_filter
from scipy.signal import hilbert
import matplotlib.pyplot as plt

def erosion(signal, SE_length):
    """腐蚀运算"""
    return minimum_filter(signal, size=SE_length, mode='reflect')

def dilation(signal, SE_length):
    """膨胀运算"""
    return maximum_filter(signal, size=SE_length, mode='reflect')

def closing_operation(signal, SE_length):
    """闭运算：先膨胀后腐蚀"""
    return erosion(dilation(signal, SE_length), SE_length)

def opening_operation(signal, SE_length):
    """开运算：先腐蚀后膨胀"""
    return dilation(erosion(signal, SE_length), SE_length)

知乎学术付费咨询（哥廷根数学学派）：

担任《Mechanical System and Signal Processing》《中国电机工程学报》等期刊审稿专家，擅长领域：信号滤波/降噪，机器学习/深度学习，时间序列预分析/预测，设备故障诊断/缺陷检测/异常检测。