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（ECG,EEG,EMG）等一维时间序列信号。

压缩包＝程序＋数据＋参考。

ID:19150

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/723093098604.html