几何平均谱分割经验小波变换在轴承故障诊断中的应用

几何平均谱分割经验小波变换在轴承故障诊断中的应用
程序运行环境为MATLAB r2021b， 经验小波变换(EWT)使用自适应小波细分方案从而创建信号的多分辨率分析 (MRA)，我在科研中用的较多，是一种基于“数据驱动”的现代信号处理方法。
EWT从信号频谱的分割开始，将输入信号分解为若干的子频带信号，并提供信号的完美重建。
本程序使用几何平均法分割信号的频谱。
以一个轴承外圈故障信号为例。
        最大峰值数量MaxNumPeaks=3时的子频带包络谱，最大峰值数量MaxNumPeaks=4时的子频带包络谱，峰值百分比阈值为2时的子频带包络谱及其第5个子频带分量的包络谱，峰值百分比阈值为5及其第4个子频带包络谱分别如下图所示，红色虚线代表的故障特征频率可见基于几何平均法分割的ewt的效果较好。
面包多代码下载

几何平均谱分割经验小波变换在轴承故障诊断中的应用

引言： 近年来，随着科学技术的不断进步，信号处理领域也在不断突破和创新。经验小波变换(EWT)作为一种基于“数据驱动”的现代信号处理方法，在轴承故障诊断中起到了积极的作用。本文将介绍一种基于几何平均谱分割的经验小波变换方法，并探讨其在轴承故障诊断中的应用。

一、经验小波变换概述 经验小波变换是一种信号处理方法，基于自适应小波细分方案，能够对信号进行多分辨率分析 (MRA)。该方法以MATLAB r2021b作为运行环境，能够有效地进行信号处理和分析。

二、几何平均谱分割方法 几何平均谱分割方法是经验小波变换中的一种重要步骤，用于将