知乎学术咨询获取完整代码

https://www.zhihu.com/consult/people/792359672131756032

或直接＋

kang20224

传统轴承故障诊断方法面临2个核心痛点：一是解调频带选择依赖专家经验且缺乏自适应能力，二是故障特征易被强噪声和复杂谐波淹没。提出方法直击这两大痛点，通过候选故障频率引导的自适应机制，自动识别并量化故障特征，无需先验知识即可确定最优解调频带。

算法步骤：

信号预处理：去除直流分量，对振动信号进行零均值化处理。

经验小波分解：采用Meyer小波作为基函数，根据设定的分解层数将信号自适应分解为多个子频带。

包络谱计算：对每个子频带信号进行Hilbert变换，计算平方包络谱以提取调制特征。

候选故障频率识别：在包络谱中自动检测局部峰值，结合轴转频先验知识筛选出候选故障频率。

故障指标量化：计算各子频带的EngRatio指标，量化候选故障频率能量与背景噪声能量的比值。

最优频带选择：基于故障指标最大值，自动确定最优解调频带的中心频率和带宽。

综合诊断决策：结合候选故障频率与理论故障特征频率的匹配度，给出明确的故障类型诊断结论。