每日食用一篇，故障诊断入门资料整理，不断更新

置顶 已于 2022-10-13 09:26:40 修改
阅读量2.5w 收藏 493
点赞数 66
分类专栏： 学习资料记录 基于信号处理的故障诊断 文章标签： python database 迁移学习
于 2022-03-01 20:23:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47410750/article/details/123213609
版权

信号处理和故障诊断相关知识

《信号处理基础知识》

荐：DSP基本名词术语及其关系

https://mp.weixin.qq.com/s/oAXfbUoZ3HTPR6mII7PwyQ

荐：信号处理若干名词解释(I)

https://mp.weixin.qq.com/s/S8cDgbBlDz6zMukfZvco_Q

荐：信号处理若干名词解释(II)

https://mp.weixin.qq.com/s/K0JZWp-eZgQHkRV3g-SqZQ

荐：什么是混叠?

https://mp.weixin.qq.com/s/cccDwRpxZVNGP67WGqMFKQ

什么是泄漏？

https://mp.weixin.qq.com/s/aLSmlrgQF7FBxh_YXXfq6w

荐：什么是窗函数?

https://mp.weixin.qq.com/s/BEP2iFXhp6WPXyC_zXEgkw

何时、何地应用何种的窗函数?

https://mp.weixin.qq.com/s/vUsEt5jsWsEr858hoZv3ag

理解FFT分析的加窗和重叠

https://mp.weixin.qq.com/s/GM1XC8BgedH3OhSQQzUfiQ

什么是吉布斯现象？

https://mp.weixin.qq.com/s/2Pzp_KQeeH-iP_ws-USL5g

各种谱函数的区别是什么，何时用何种函数？

https://mp.weixin.qq.com/s/SV2KdWCPtXL6KhKxoNhm_A

对随机信号功率谱密度PSD的另类理解

https://mp.weixin.qq.com/s/SFZDRPKiqrq9Jbyylun0mQ

平均方式对频谱Spectrum和线性自功率谱AutoPower Linear的影响，您知道吗？

https://mp.weixin.qq.com/s/grQy5dT2zN0oGcrsdtS6-Q

怎么理解互相关函数？

https://mp.weixin.qq.com/s/A41E1hO42QlJ4caviI0Tjw

FFT分析的注意事项，您都知道吗？

https://mp.weixin.qq.com/s/kOQU8lvRdLk6RPwrp4xujw

频谱分析-FFT之后的那些事情

https://blog.csdn.net/czyt1988/article/details/84995295

使用python（scipy和numpy）实现快速傅里叶变换（FFT）最详细教程

https://blog.csdn.net/qq_27825451/article/details/88553441

为什么要用傅里叶变换？FFT你不知道的细节

http://xilinx.eetrend.com/content/2020/100048639.html

什么是ZoomFFT?

https://mp.weixin.qq.com/s/t6j5GdHVvXjlajP_YJTSsQ

【干货】分享数字信号处理PPT

https://mp.weixin.qq.com/s/atEj2wkMC1_tNNuvUdvBPg

信号时域分析方法的理解（峰值因子、脉冲因子、裕度因子、峭度因子、波形因子和偏度等）

https://zhuanlan.zhihu.com/p/35362151

时域分析——有量纲特征值含义一网打尽

https://zhuanlan.zhihu.com/p/57153601

时域分析——无量纲特征值含义一网打尽

https://zhuanlan.zhihu.com/p/57445453

机械振动信号 常见时域(11个)、频域(13个)特征提取 Python 代码

https://blog.csdn.net/weixin_41888257/article/details/109023819

机械振动信号15个时域统计指标

https://blog.csdn.net/baidu_38963740/article/details/110940823

代码：小波包分解与重构、小波包能量特征提取

https://blog.csdn.net/ckzhb/article/details/78288847

概率论中的“矩”是什么意思

https://zhuanlan.zhihu.com/p/57802400

信号频域分析方法的理解（频谱、能量谱、功率谱、倒频谱、小波分析）

https://zhuanlan.zhihu.com/p/34989414

时域特征值提取的MATLAB代码实现（均方根、峰值因子、脉冲因子、裕度因子、峭度因子、波形因子和偏度等）

https://zhuanlan.zhihu.com/p/36162561

频域特征指标及其MATLAB代码实现（重心频率、均方频率、均方根频率、频率方差、频率标准差）

https://zhuanlan.zhihu.com/p/425141767

频域特征值提取的MATLAB代码实现（频谱、功率谱、倒频谱）

https://zhuanlan.zhihu.com/p/36163931

希尔伯特谱、边际谱、包络谱、瞬时频率/幅值/相位——Hilbert分析衍生方法及MATLAB实现

https://zhuanlan.zhihu.com/p/136447202

希尔伯特谱HHT python代码

https://emd.readthedocs.io/en/stable/emd_tutorials/02_spectrum_analysis/emd_tutorial_02_spectrum_01_hilberthuang.html

数字信号处理技术（二）变分模态分解（VMD）-Python代码

https://blog.csdn.net/weixin_45063703/category_11071347.html

Python实现“EMD\EEMD\VMD+Hilbert时频图”与“CWT小波时频图”

https://blog.csdn.net/Lwwwwwwwl/article/details/122025309

频域特征值提取的MATLAB代码实现（小波分析）

https://zhuanlan.zhihu.com/p/36743763

这篇文章能让你明白经验模态分解（EMD）——基础理论篇

https://zhuanlan.zhihu.com/p/40005057

这篇文章能让你明白经验模态分解（EMD）——IMF的物理含义

https://zhuanlan.zhihu.com/p/44833026

这篇文章能让你明白经验模态分解（EMD）——EMD在MATLAB中的实现方法

https://zhuanlan.zhihu.com/p/89165363

类EMD的“信号分解方法”及MATLAB实现（第一篇）——EEMD

https://zhuanlan.zhihu.com/p/121803211

类EMD的“信号分解方法”及MATLAB实现（第二篇）——CEEMD

https://zhuanlan.zhihu.com/p/347783921

类EMD的“信号分解方法”及MATLAB实现（第三篇）——CEEMDAN

https://zhuanlan.zhihu.com/p/394988618

类EMD的“信号分解方法”及MATLAB实现（第四篇）——VMD

https://zhuanlan.zhihu.com/p/396775790

类EMD的“信号分解方法”及MATLAB实现（第五篇）——ICEEMDAN

https://zhuanlan.zhihu.com/p/434546183

类EMD的“信号分解方法”及MATLAB实现（第六篇）——LMD

https://zhuanlan.zhihu.com/p/444277130

类EMD的“信号分解方法”及MATLAB实现（第七篇）——EWT

https://zhuanlan.zhihu.com/p/458603748

【熵与特征提取】基于“信息熵”的特征指标及其MATLAB代码实现（功率谱熵、奇异谱熵、能量熵）

https://zhuanlan.zhihu.com/p/426102210

《旋转机械故障诊断基础知识》

振动传感器怎样选型？

https://mp.weixin.qq.com/s/7rLRpIAySeV164yrTj0cdw

传感器安装要求

https://mp.weixin.qq.com/s/A41E1hO42QlJ4caviI0Tjw

荐：采样频率设置要求

https://mp.weixin.qq.com/s/RSJeFDeTs1DG2O_iTN0Zdg

荐：采样频率到底多高才不会使信号幅值明显失真？

https://mp.weixin.qq.com/s/tV3IbxK3EIgaHiIKzxoO8w

荐：齿轮的振动机理、信号特征及故障诊断

https://mp.weixin.qq.com/s/i-r_q9sO7Mt7GHa-LDFvEg

荐：常用振动诊断方法——包络分析和阶次分析

https://mp.weixin.qq.com/s/lzsWv-dlVoBHi9phgwFQRQ

什么是希尔伯特变换？

https://mp.weixin.qq.com/s/oJfSm9iufP83EiagcAQ32w

为什么需要包络分析？

https://mp.weixin.qq.com/s/Bl5YsAijxGuqggxKw2oe4g

什么是包络分析？

https://mp.weixin.qq.com/s/uAuVcAvnnSxdW4HgbIfREA

希尔伯特-包络分析步骤与实例

https://mp.weixin.qq.com/s/ML9DKAXo0BBZGBeP-T3PHQ

什么是倒（频）谱分析？

https://mp.weixin.qq.com/s/uddlmNS9_YJy-tNM9NQquw

对比两种故障调解方法：倒频谱和包络解调

https://mp.weixin.qq.com/s/Z61whOqBslRy4fWZuT5g-w

振动监测在滑动轴承故障诊断中的应用

https://mp.weixin.qq.com/s/4kgvGNSUa3Wvd1NpweVunw

早期振动故障诊断准确率低的原因解析

https://mp.weixin.qq.com/s/8XIZsFbbHy4Eu4PliVTSPQ

大型旋转机械状态监测与故障诊断常用图谱简介

https://mp.weixin.qq.com/s/QLerKXpn_7gYe2wd9FA3dg

100多个故障诊断名词术语和释义，常用的都在这了！

https://mp.weixin.qq.com/s/N1nDjjvLsubfA_R1-m3Kcg

基础理论知识：齿轮箱振动信号处理方法

https://mp.weixin.qq.com/s/WIHZoPn85shtZTZrd2lhRw

齿轮故障诊断的几种具体方法，经验总结

https://mp.weixin.qq.com/s/dzOKxdGf_8gPJrFMmqHfpQ

齿轮结构的频谱特征

https://mp.weixin.qq.com/s/BAs2uk-dAdzULvELeNVEog

行星齿轮的特征频率

https://mp.weixin.qq.com/s/c0MZp2gHexQE2q8Q_I_7UA

齿轮的特征阶次

https://mp.weixin.qq.com/s/sozloydqi9Yt8ksfnkWbOA

齿轮的边频带

https://mp.weixin.qq.com/s/9NJFeEdHfw33YUnZ721xIQ

齿轮的调制效应

https://mp.weixin.qq.com/s/15cRY98mlPTFOEmty2wS4g

什么是峭度？

https://mp.weixin.qq.com/s/fGwO1wLW8LbDmUjiwxZPJg

什么是阶次？

https://mp.weixin.qq.com/s/LQAIzyvUuhbEVW9QjmxZ8A

怎么理解阶次？

https://mp.weixin.qq.com/s/i_VHsM5OaKZeLas7NM3bsQ

阶次跟踪是什么鬼？

https://mp.weixin.qq.com/s/JEHz51FoMuM5v2lBbyfYTw

转速测量分析：说起来容易做起来难！

https://mp.weixin.qq.com/s/j8d1EuD7xm3AWLj6mT7Jig

为什么会产生谐波或谐阶次？

https://mp.weixin.qq.com/s/6NL1glW-Mg1K1HzzOclyCQ

PPT|阶次基础

https://mp.weixin.qq.com/s/bZupRQpNTLtgoD9FqmrXMQ

轴承常见的失效形式

https://mp.weixin.qq.com/s/CzMwFxOxdrQqJhfWhz-dgQ

滚动轴承的运动学(特征频率与阶次)

https://mp.weixin.qq.com/s/xTqY9P1QLX689tgGYkPkyA

滚动轴承故障振动处理方法

https://mp.weixin.qq.com/s/udsZgl7ZBtkSgcf4YmSyVg

信号中的噪声来自哪里

https://mp.weixin.qq.com/s/ZvdMpFBb3rfNwzIwRgA2PA

机械故障诊断研究、先进故障诊断方法、故障特征的一些问题讨论

https://www.zhihu.com/column/aresmiki

齿轮故障诊断2.ppt

https://max.book118.com/html/2019/0918/8070105000002051.shtm

荐：常见的齿轮故障诊断.ppt

https://max.book118.com/html/2018/1110/6213135132001230.shtm

齿轮箱故障诊断详解.ppt

https://max.book118.com/html/2016/0322/38375169.shtm

图解：15类39个机械振动故障及其特征频谱

https://zhuanlan.zhihu.com/p/420879895

荐：值得收藏的机械设备振动标准，太实用了（2）

https://zhuanlan.zhihu.com/p/142108548

公开数据集整理

网站1数据集介绍

https://githubmemory.com/repo/diegotheairwolf/Rotating-machine-fault-data-set

网站2数据集介绍

http://mad-net.org:8765/explore.html?t=0.5831516555847212.

西安交通大学轴承加速寿命试验数据

https://biaowang.tech/xjtu-sy-bearing-datasets/

西安交通大学齿轮轴承试验数据

https://pan.baidu.com/s/1nyi1CSO9Ox0Oa3DQoP6AnQ#list/path=%2F
密码：1234

在这里插入图片描述
在这里插入图片描述

美国可再生能源局(NREL)风机齿轮箱数据集

https://data.openei.org/submissions/738

开源代码

(不同转速间)Domain Adversarial Graph Convolutional network (DAGCN)

https://github.com/HazeDT/DAGCN

(不同转速间)Applications of Unsupervised Deep Transfer Learning to Intelligent Fault Diagnosis: A Survey and Comparative Study

https://github.com/ZhaoZhibin/UDTL

(同一转速间)基于卷积神经网络的轴承故障诊断算法研究_张伟

https://github.com/AaronCosmos/wdcnn_bearning_fault_diagnosis

(小样本学习)Limited Data Rolling Bearing Fault Diagnosis with Few-shot Learning

https://github.com/SNBQT/Limited-Data-Rolling-Bearing-Fault-Diagnosis-with-Few-shot-Learning

(不同数据集之间迁移)Deep Convolutional Transfer Learning Network: A New Method for Intelligent Fault Diagnosis of Machines With Unlabeled Data

A New Method for Intelligent Fault Diagnosis of
Machines With Unlabeled Data
https://github.com/ArthurWish/DCTLN-

数字信号处理介绍及python源代码实战

https://wizardforcel.gitbooks.io/hyry-studio-scipy/content/0.html

An unsupervised fault diagnosis method for rolling bearing using STFT and generative neural networks

https://github.com/lkurakht/CatGAN-bearing-faults
注：资料整理来源说明：
公众号：声振之家、模态空间
知乎：Mr.看海知乎专栏：与信号处理有关的那些东东
如有侵权，请私信联系，马上删除。

故障诊断与python学习
关注
  • 66
    点赞
  • 踩
  • 493
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    评论
专栏目录
模型监控与故障诊断原理与代码实战案例讲解
禅与计算机程序设计艺术
05-22 804
1. 背景介绍 1.1 人工智能模型的广泛应用与挑战 近年来，人工智能（AI）技术发展迅速，各种机器学习、深度学习模型被广泛应用于各个领域，如图像识别、自然语言处理、金融风险控制等。然而，随着AI模型应用的深入，模型的可靠性、稳定性和可解释性问题日益凸显。模型在实际应用中可能会遇到各种问
故障诊断基础入门篇学习路线
weixin_39458727的博客
08-22 4473
笔者研究故障诊断多年，搞过学术，也做过企业研发，我能理解小白的难处，致力于以新人的视角，独特的思路，帮助大家更好的入门这个领域。关于深度学习篇的内容，也会持续更新，请大家保持关注。My 微是：ForwardTszs。
Web安全和渗透测试有什么关系？
Python_0011的博客
03-31 417
做渗透测试的一个环节就是测试web安全，需要明白漏洞产生原理，通过信息收集互联网暴露面，进行漏洞扫描，漏洞利用，必要时进行脚本自编写和手工测试，力求挖出目标存在的漏洞并提出整改建议，当然如果技术再精一些，还要学习内网渗透（工作组和域环境），白盒审计，app，小程序渗透那些了......可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。当然除了有配套的视频，同时也为大家整理了各种文档和书籍资料&工具，并且已经帮大家分好类了。总之，web安全包含于渗透测试，但不是渗透测试的全部。
故障诊断1—基础理论
热门推荐
jinpeng_cumt的博客
01-12 3万+
1. 故障诊断概念 故障诊断主要研究如何对系统中出现的故障进行检测、分离和辨识 , 即判断故障是否发生 , 定位故障发生的部位和种类 , 以及确定故障的大小和发生的时间等 。 2. 故障诊断方法 故障诊断防范可分为定性分析和定量分析两大类 , 如图 1 所示。 其中 , 定量分析方法又分为基于解析模型的方法和数据驱动的方法 , 后者又进一步包括机器学习类方法、多元统计分析类方法、信号处理类方...
故障诊断学基础知识
ffdsho的博客
03-04 6420
1. 机械故障诊断涉及哪些学科？做哪方面的科学研究？包含了哪些技术？形成了哪些方法？解决什么工程问题？ (1) 涉及的学科有：机械、力学、电子、计算机、信号处理、人工智能等。 (2) 机械故障诊断是研究机器或机组运行状态的变化在诊断信息中的反映，因此包括信号获取与传感技术、故障机理与征兆联系、信号处理与特征提取、识别分类与智能决策等方面的研究，根据基础和关键科学问题又可细分为机械系统运行状态下故障动态演化机理、机械系统动态信号处理的内积匹配原理与微弱信号特征增强机制、故障定量识别和剩余寿命预测原理、
code_python故障诊断_python故障_fault_故障诊断_python_
10-02
python程序，基于故障诊断的python程序，供故障诊断学者下载学习
Python轴承故障诊断 (六)基于EMD-Transformer的故障分类
最新发布
小蜗爱建模的博客
12-13 2817
本文基于凯斯西储大学（CWRU）轴承数据，进行经验模态分解EMD的介绍与数据预处理，最后通过Python实现EMD-Transformer对故障数据的分类。
《故障诊断与python学习》学习资料记录
m0_47410750的博客
12-25 7030
学习资料记录，持续更新
发动机机械故障诊断.docx
09-02
【发动机机械故障诊断】 在发动机机械故障诊断中，首要任务是确定导致发动机功率下降的原因。在本案例中，已排除了化油器、电控燃油系统和点火机构的问题，因此需要关注发动机的机械部分。 **汽缸压力检测** 1. *...
食用菌母种制作-实验一.doc
09-28
食用菌母种制作-实验一.doc
教育精品资料食用油压榨项目可行性研究报告.doc
09-30
综合来看，这份报告详尽地分析了食用油压榨项目的各个方面，为教育精品资料提供了实践性的案例研究，有助于读者理解项目实施的全过程，以及如何从经济、技术、市场等多角度评估一个项目的可行性。通过这份报告，相关...
故障诊断项目
04-16
这个我最近做的一个项目，里面包含了单片机以pc软件的通信断流问题的解决，实时多折线选择显示的问题，以及比较简单的ui设计
基于PCA的故障检测Python代码
07-25
使用python编写了基于PCA的故障检测程序，输入训练数据和测试数据即可。代码中的数据是自行构造的测试数据，可导入自己需要的数据。 亲自编写，可以运行。
故障诊断的一个PPT 来自于上海交大陈进教授
07-10
此PPT介绍了故障诊断目前应用的现状和将来的展望。 版权属于上海交大陈进教授，请只用于学习。 故障诊断是自动化领域的一个实际应用，主要是通过数学和物理知识，建立模型然后加上推理机的方法，提供故障的辅助决策。
故障诊断资料
04-17
包括状态监测与故障诊断的基础知识，常用方法，振动的相关术语、图谱等
故障诊断代码
03-27
常见故障诊断卡代码,方便电脑出现故障时查对,知道问题原因.
完美版资料集常用食品安全选购食用与保存.doc
09-30
教育精品资料
第一篇肉与肉制品西式火腿灌肠学习教案.pptx
11-26
这篇文档实际上是一个关于肉制品加工，特别是西式火腿和灌肠的学习教案，主要涵盖了西式火腿的不同种类和加工工艺。以下是对这些内容的详细解释： 1. **西式火腿的种类及特点**： - 西式火腿（Westen Pork Ham）有...
Python故障诊断与异常检测
吃不胖.
10-25 451
例如，下面的代码中，try块中的代码可能会出现三种类型的异常，分别是ZeroDivisionError、TypeError和NameError。例如，下面的代码中，无论try块中的代码是否出现异常，finally块中的代码都将会执行。例如，下面的代码中，如果try块中的代码没有出现异常，那么程序将会执行else块中的代码。例如，下面的代码中，索引为10的元素并不存在，导致出现偏移错误。例如，下面的代码中，print拼写错误，导致出现语法错误。例如，下面的代码中，索引为10的元素并不存在，导致出现索引错误。
脱发原因 写一篇口播文稿
05-09
脱发是很多人都会遇到的问题，而造成脱发的原因也有很多种。下面我就给大家介绍几种常见的脱发原因。 首先，压力是造成脱发的主要原因之一。当我们处于高压力的环境中时，身体会分泌出一种叫做皮质醇的激素，这种激素会影响到头皮的血液循环和毛囊的健康，从而导致脱发。 其次，不良的生活习惯也会导致脱发。抽烟、喝酒、过度食用含糖、含脂肪高的食品、不规律的饮食和睡眠等，都会对身体和头发的健康造成负面影响，从而导致脱发。 第三，营养不良也是造成脱发的原因之一。头发需要吸收足够的营养才能生长健康，如果我们的饮食中缺乏某些营养成分，如蛋白质、铁、锌、维生素B等，就会导致头发变得脆弱，易于脱落。 最后，药物和疾病也可能导致脱发。很多药物都会对身体和头发产生负面影响，如化疗药物、抗生素、避孕药等。同时，一些疾病，如甲状腺功能减退、铁贫血等也会导致脱发。 总之，脱发的原因有很多种，我们需要在日常生活中注意保持健康的生活习惯和饮食习惯，同时也要注意药物的使用和疾病的治疗，才能保持头发的健康生长。
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

故障诊断与python学习

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值