每日食用一篇，故障诊断入门资料整理，不断更新
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
- 荐：信号处理若干名词解释(I)
- 荐：信号处理若干名词解释(II)
- 荐：什么是混叠?
- 什么是泄漏？
- 荐：什么是窗函数?
- 何时、何地应用何种的窗函数?
- 理解FFT分析的加窗和重叠
- 什么是吉布斯现象？
- 各种谱函数的区别是什么，何时用何种函数？
- 对随机信号功率谱密度PSD的另类理解
- 平均方式对频谱Spectrum和线性自功率谱AutoPower Linear的影响，您知道吗？
- 怎么理解互相关函数？
- FFT分析的注意事项，您都知道吗？
- 频谱分析-FFT之后的那些事情
- 使用python（scipy和numpy）实现快速傅里叶变换（FFT）最详细教程
- 为什么要用傅里叶变换？FFT你不知道的细节
-
- 什么是ZoomFFT?
- 【干货】分享数字信号处理PPT
- 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）
- 时域分析——有量纲特征值含义一网打尽
- 时域分析——无量纲特征值含义一网打尽
- 机械振动信号 常见时域(11个)、频域(13个)特征提取 Python 代码
- 机械振动信号15个时域统计指标
- 代码：小波包分解与重构、小波包能量特征提取
- 概率论中的“矩”是什么意思
- 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）
- 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）
- 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）
- 频域特征值提取的MATLAB代码实现（频谱、功率谱、倒频谱）
- 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
- 希尔伯特谱HHT python代码
- 数字信号处理技术（二）变分模态分解（VMD）-Python代码
- Python实现“EMD\EEMD\VMD+Hilbert时频图”与“CWT小波时频图”
- 频域特征值提取的MATLAB代码实现（小波分析）
- 这篇文章能让你明白经验模态分解（EMD）——基础理论篇
- 这篇文章能让你明白经验模态分解（EMD）——IMF的物理含义
- 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
- 类EMD的“信号分解方法”及MATLAB实现（第一篇）——EEMD
- 类EMD的“信号分解方法”及MATLAB实现（第二篇）——CEEMD
- 类EMD的“信号分解方法”及MATLAB实现（第三篇）——CEEMDAN
- 类EMD的“信号分解方法”及MATLAB实现（第四篇）——VMD
- 类EMD的“信号分解方法”及MATLAB实现（第五篇）——ICEEMDAN
- 类EMD的“信号分解方法”及MATLAB实现（第六篇）——LMD
- 类EMD的“信号分解方法”及MATLAB实现（第七篇）——EWT
- 【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）
- 《旋转机械故障诊断基础知识》
-
- 振动传感器怎样选型？
- 传感器安装要求
- 荐：采样频率设置要求
- 荐：采样频率到底多高才不会使信号幅值明显失真？
- 荐：齿轮的振动机理、信号特征及故障诊断
- 荐：常用振动诊断方法——包络分析和阶次分析
- 什么是希尔伯特变换？
- 为什么需要包络分析？
- 什么是包络分析？
- 希尔伯特-包络分析步骤与实例
- 什么是倒（频）谱分析？
- 对比两种故障调解方法：倒频谱和包络解调
- 振动监测在滑动轴承故障诊断中的应用
- 早期振动故障诊断准确率低的原因解析
- 大型旋转机械状态监测与故障诊断常用图谱简介
- 100多个故障诊断名词术语和释义，常用的都在这了！
- 基础理论知识：齿轮箱振动信号处理方法
- 齿轮故障诊断的几种具体方法，经验总结
- 齿轮结构的频谱特征
- 行星齿轮的特征频率
- 齿轮的特征阶次
- 齿轮的边频带
- 齿轮的调制效应
- 什么是峭度？
- 什么是阶次？
- 怎么理解阶次？
- 阶次跟踪是什么鬼？
- 转速测量分析：说起来容易做起来难！
- 为什么会产生谐波或谐阶次？
- PPT|阶次基础
- 轴承常见的失效形式
- 滚动轴承的运动学(特征频率与阶次)
- 滚动轴承故障振动处理方法
- 信号中的噪声来自哪里
- 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
- 齿轮故障诊断2.ppt
- 荐：常见的齿轮故障诊断.ppt
- 齿轮箱故障诊断详解.ppt
- 图解：15类39个机械振动故障及其特征频谱
- 荐：值得收藏的机械设备振动标准，太实用了（2）
- 公开数据集整理
-
- 网站1数据集介绍
- 网站2数据集介绍
- 西安交通大学轴承加速寿命试验数据
- 西安交通大学齿轮轴承试验数据
- 美国可再生能源局(NREL)风机齿轮箱数据集
- 开源代码
-
- (不同转速间)Domain Adversarial Graph Convolutional network (DAGCN)
- (不同转速间)Applications of Unsupervised Deep Transfer Learning to Intelligent Fault Diagnosis: A Survey and Comparative Study
- (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
- (小样本学习)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
- 数字信号处理介绍及python源代码实战
- An unsupervised fault diagnosis method for rolling bearing using STFT and generative neural networks
《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
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。