首先加载四种不同状态的轴承振动数据（健康、人工外圈损伤、真实外圈损伤、内外圈损伤），进行参数设置与振动信号提取，计算轴承故障特征频率；接着从时域、频域及时频域多维度对信号进行分析：时域分析包括波形观察、有量纲/无量纲统计量计算、概率密度函数及相关性分析；频域分析包括滤波处理、功率谱密度计算、Hilbert包络解调与包络谱绘制；时频分析则采用短时傅里叶变换、小波变换（连续、离散、小波包、第二代小波）、经验模态分解（EMD）、希尔伯特-黄变换（HHT）及变分模态分解（VMD）等多种方法，对信号进行分解与重构，提取故障特征频率成分，并通过包络谱与故障理论频率对比实现故障类型识别与可视化展示。

算法步骤：

数据准备：载入健康与不同类型故障的轴承振动信号数据，并设置相应标签。

参数设置：确定采样频率、信号截取时段、轴承几何参数与转速信息。

故障频率计算：根据轴承几何参数与转速，计算外圈、内圈、滚动体及保持架的故障特征频率。

振动信号提取：从原始数据中提取振动通道信号，并进行截取与零均值化处理。

时域分析：绘制全局与局部时域波形，计算有量纲与无量纲统计指标，绘制概率密度函数，进行自相关与互相关分析。

频域分析：对信号进行低通滤波，计算功率谱密度，通过Hilbert变换提取包络信号并绘制包络谱。

时频分析：

采用短时傅里叶变换获取时频分布；

运用小波变换系列（连续小波、离散小波、小波包分解、第二代小波）进行多分辨率分析；

使用经验模态分解将信号分解为若干本征模态函数，并进行希尔伯特-黄变换；

利用变分模态分解自适应提取信号的模态分量。

信号重构与特征提取：选取感兴趣的模态分量进行重构，计算其包络谱，并与理论故障频率进行对比分析。

结果可视化：全程通过图表展示各阶段分析结果，包括波形图、统计直方图、频谱图、时频图、模态分量图及包络谱对比图。

故障诊断：根据包络谱中是否出现故障特征频率及其倍频，判断轴承的健康状态与故障类型。

所用数据集：

帕德博恩大学（Paderborn University）轴承数据集