MATLAB环境下一种基于改进字典学习的旋转机械故障诊断方法

MATLAB环境下一种基于改进字典学习的旋转机械故障诊断方法
程序运行环境为MATLAB R2018A，执行基于改进字典学习的旋转机械故障诊断方法，并给出了一个模拟信号的例子。
该算法主要是由多尺度变换、信号的系数正则和源区分加权项组成，将旋转机械故障信号分解成不同的尺度，每个尺度会有一个子字典，这使得组合字典Ｄ具有多尺度特性；由于子字典是从不同频带中分解学习得到的，所以可有效的保障故障特征的周期性和全局性；故障信号的数据长度Ｎ可人为设定，减少了计算的复杂度；对谐波干扰有很好的滤波作用。
subplot(2,2,1),
plot(data.noisy, 'b');
grid on
title('Noisy Record ','Rotation',0,'FontSize',14);
xlabel({'Sample'},'FontSize',12); 
ylabel('Amplitude (count)','FontSize',12)
subplot(2,2,2),
imagesc(data.t, dn.as, abs(dn.wnoisy));
title('Time-Frequency ','Rotation',0,'FontSize',14);
xlabel({'Time (s)'},'FontSize',12); 
ylabel('Scale (a)','FontSize',12)
算法可迁移至金融时间序列，地震 微震信号，机械振动信号，声发射信号，电压 电流信号，语音信号，声信号，生理信号&#x