针对轴承缺陷早期诊断中故障特征信号的提取问题，冷凝器价格小波变换高阶累积量的功能，实现条件和应用讨论了弱信号特征提取中的阈值。
用高阶累积量而不使用高阶累积量的连续小波变换（CWT），快速傅立叶变换（FFT），短期傅立叶变换（STFT）的特征是相比较。
出了一种用于ICP测量的振动加速度计信号工程的积分方法，该方法可以根据振动信号执行更精确的振动速度和位移速度信号。于振动信号的相空间，并有效识别复杂的机械振动。和频域分析。后，我们在实际项目中分析了1500 kW制冷机组的轴承，这表明该过程可以有效地提取轴承和齿轮的早期故障特征，从而确定缺陷的类型并确保高可靠性。械故障信号通常是非平稳信号，背景噪声相对较大，并且信号浸没在噪声中。械故障诊断的目的是提取信号的特征，根据信号的特征确定故障的形状并进行故障诊断[1]。
前，用于提取机械故障症状的最常用方法是基于以下假设：振动信号具有平滑的高斯分布，并且实际测量的信号由大量的非平稳和非平稳分布信号组成。斯，尤其是在默认情况下。于这种类型的非线性现象，仅通过分析诸如功率谱和傅立叶变换之类的传统信号处理方法就很难从根本上解决问题[2]。用的时频分布和高阶谱估计方法[3]可以大大改善对微弱信号的检测，联合时频分布（JTFD）有利于处理非平稳信号，而频谱高阶噪声强烈地抑制了高斯噪声。能。里介绍一种有效的弱信号检测方法：以阈值[3]的四阶累积量进行连续小波变换，该阈值是根据Neyman-Pearson准则[4]得出的。
用振动信号诊断机械设备故障是诊断机械故障的有效手段。功率谱相比，冷凝器价格高阶谱具有其独特的特性。果系统是线性的，则其响应的时间序列具有平稳的随机过程，具有高斯分布。阶累积光谱在检测弱信号中的优势在于它们不需要任何先验信号信息。谱分析的计算基于傅立叶积分，该傅立叶积分将复杂的信号分解为有限或无限频率的有限频谱分量。文将快速傅里叶分析（FFT）应用于风力发电机组冷库的故障诊断中，通过对傅立叶变换进行傅立叶变换可以得到自功率谱。
相关函数或通过振幅谱。
际上，是通过傅立叶变换获得光谱，然后通过频谱图确定缺陷的位置和缺陷的严重性。过连续小波变换（CWT），短期傅立叶变换（STFT），快速傅立叶变换（FFT），具有高阶累积量和无阶累积量的机械故障中的弱信号特征提取高执行真实测试和测试。
以得出结论，在强噪声提取的情况下，Neyman-Person准则的连续小波的四阶累积量对低信号特性具有积极影响。合实测ICP振动加速度计信号的积分方法，通过对轴承实际振动信号的分析，验证了该方法的有效性，为特征提取方法提供了新思路。承故障并应用此方法。
目前的项目中，取得了令人满意的结果。
本文转载自
冷凝器价格 http://www.china-iceage.com