精华内容
下载资源
问答
  • 小波包能量熵
    千次阅读
    2021-04-18 10:48:12

    下面是我的程序:

    fid(1)=fopen('E:\论文资料\frequency analysis\样本\碰摩\碰摩1\datafile1.dat','r');

    A=fread(fid(1),'uint16');

    status=fclose(fid(1));

    %for m=1:5

    m=1;

    %for k=1:20  %k为数据点数

    k=1;

    c=m+1+(k-1)*6144:12:6144+(k-1)*6144;%通道

    B1=A(c);

    for j=1:512

    if (B1(j)>=32768) B(j)=B1(j)-32768;

    else B(j)=B1(j)+32768;

    end

    end

    F=B*0.000152590;

    sig=0;

    average=0;

    sum1=0;

    for i=1:512

    sum1=sum1+F(i);

    end

    average=sum1/512;

    sig=F-average;

    sig=sig/0.08;

    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

    b=sig(1:512);

    lev=5;

    [thr,sorh,keepapp]=ddencmp('den','wv',b);%根据信号计算噪声强度,给出 全局阀值

    xc=wdencmp('gbl',b,'db3',lev,thr,sorh,keepapp);%根据全局阀值对信号进行降噪

    wpt=wpdec(b,lev,'db3','shannon');%使用db3小波包对信号b进行lev层分解;使用Shannon熵;基于小波包分解的振动信号特征提取的频带能量分析方法;

    e=wenergy(wpt);

    E=zeros(1,length(e));

    for i=1:2^lev

    E(i)=sum(abs(wprcoef(wpt,[lev,i-1])).^2); %这种方法本身具有消噪的作用,若前面在进行消噪处理,可能导致过分消噪,磨没信号特征

    end

    E_total=sum(E);

    for i=1:2^lev

    E(i)=E(i)/E_total;

    end

    for i=1:2^lev

    x(lev,:)=wpcoef(wpt,[lev,i-1]);%第lev层结点小波包分解系数

    end

    for i=1:2^lev

    X(lev,:)=wprcoef(wpt,[lev,i-1]);%重构第lev层结点系数

    end

    P(1:2^lev)=0;

    for i=1:2^lev %wpcoef(wpt1,[n,i-1])是求第n层第i个节点的系数

    P(i)=norm(wpcoef(wpt,[lev,i-1]),2);%求第i个节点的范数平方,其实也就是平方和;

    end

    P_total=0;

    for i=1:2^lev

    P_total=P_total+P(i); %求总能量

    end

    for i=1:2^lev

    PE(i)= P(i)/P_total;%求每个节点的概率,归一化

    end

    figure(1)

    bar(e);

    axis([0 length(e) 0 100]);

    title(['第 ',num2str(lev), ' 层']);

    for j=1:length(e)

    text(j-0.5,e(j)+20,num2str(e(j),'%2.2f'));

    end

    figure(2)

    bar(E);

    axis([0 32 0 1]);

    title(['第 ',num2str(lev), ' 层']);

    for j=1:length(E)

    text(j-0.5,E(j)+0.2,num2str(E(j),'%2.2f'));

    end

    figure(3)

    bar(PE);

    axis([0 32 0 1]);

    title(['第 ',num2str(lev), ' 层']);

    for j=1:length(PE)

    text(j-0.5,PE(j)+0.2,num2str(PE(j),'%2.2f'));

    end

    我的问题是为什么这三种方法得到的结果都不相同,最好是能说一下用哪种方法提取能量特征是对的。也可能我编程有问题,请高手指点一下!不胜感激!!!

    更多相关内容
  • 小波包能量熵及系数重构可视化matlab程序,数据是excel形式的,直接需改excel文件即可。本程序带详细每一步的注释,初学者一看就懂,很容易换成自己的数据或是修改相关参数。 理论描述:波包分解(wavelet packet ...
  • 波包分解&小波包能量熵算例\107.mat, 2931672 , 2000-01-31 波包分解&小波包能量熵算例\211.mat, 2924712 , 2000-01-31 波包分解&小波包能量熵算例\powerspectrum.asv, 435 , 2015-04-08 波包分解&小波包...
  • 提出了一种基于小波包能量熵的电能质量扰动识别方法。该方法对仿真的扰动电压信号进行4层波包分解,提取小波包能量熵特征向量,利用主分量分析法提取电压信号的波包特征向量并输入到概率神经网络(PNN)进行扰动识别...
  • 对于信号进行三层分解,并对于第三层信号进行值判断,值越大代表故障信号越突出
  • 内容概要:该资源为博主自己编写,内含波包分解与重构,波包分解与重构后的频谱分析,波包升降采样,小波包能量熵波包能量,波包能量占比三种特征提取方法,内含封装好的特征提取函数,内含详细代码注释...
  • 简单的小波包分解和重构单路信号,包括求波的能量熵
  • 提速道岔小波包能量熵故障诊断方法_安春兰 道岔故障诊断
  • 基于小波包能量熵与SVM的微电网故障诊断.pdf
  • 计算小波包特征,波分解得到能量比、是一个统称,不是一种具体的算法。
  • 特色:1.借用小波包分解和能量熵函数;2.GUI界面导入西储大学轴承故障数据;3:对提取能量方便快捷
  • lmd和能量熵提取特征

    2018-10-15 10:19:28
    先把信号进行lmd分解,在通过方差贡献率选择IMF分量,在计算能量熵。你值得拥有,可以运行,求好评!
  • matlab程序

    2021-01-10 13:00:14
    自己编写的,希望对他人有用.波分解层数为5层,提取高频系数,进行单只重构,从而得到各组系数,最后再用能量熵的算法对其进行计算。
  • 两个matlab函数:一个是小波包分解与重构;一个是能量谱。可以自己更改成一个程序,可以达到能量特征提取的目的。
  • 1 借用小波包分解和能量熵函数; 2 西储大学轴承故障数据; 3 提取能量方便快捷; 二、部分源代码 function varargout = wavlet_package_energy_GUI(varargin) % WAVLET_PACKAGE_ENERGY_GUI MATLAB code for...

    一、案例简介

    1 借用小波包分解和小波能量熵函数;
    2 西储大学轴承故障数据;
    3 提取小波能量方便快捷;

    二、部分源代码

    function varargout = wavlet_package_energy_GUI(varargin)
    % WAVLET_PACKAGE_ENERGY_GUI MATLAB code for wavlet_package_energy_GUI.fig
    %      WAVLET_PACKAGE_ENERGY_GUI, by itself, creates a new WAVLET_PACKAGE_ENERGY_GUI or raises the existing
    %      singleton*.
    %
    %      H = WAVLET_PACKAGE_ENERGY_GUI returns the handle to a new WAVLET_PACKAGE_ENERGY_GUI or the handle to
    %      the existing singleton*.
    %
    %      WAVLET_PACKAGE_ENERGY_GUI('CALLBACK',hObject,eventData,handles,...) calls the local
    %      function named CALLBACK in WAVLET_PACKAGE_ENERGY_GUI.M with the given input arguments.
    %
    %      WAVLET_PACKAGE_ENERGY_GUI('Property','Value',...) creates a new WAVLET_PACKAGE_ENERGY_GUI or raises the
    %      existing singleton*.  Starting from the left, property value pairs are
    %      applied to the GUI before wavlet_package_energy_GUI_OpeningFcn gets called.  An
    %      unrecognized property name or invalid value makes property application
    %      stop.  All inputs are passed to wavlet_package_energy_GUI_OpeningFcn via varargin.
    %
    %      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one
    %      instance to run (singleton)".
    %
    % See also: GUIDE, GUIDATA, GUIHANDLES
    
    % Edit the above text to modify the response to help wavlet_package_energy_GUI
    
    % Last Modified by GUIDE v2.5 10-Mar-2022 12:18:06
    
    % Begin initialization code - DO NOT EDIT
    gui_Singleton = 1;
    gui_State = struct('gui_Name',       mfilename, ...
                       'gui_Singleton',  gui_Singleton, ...
                       'gui_OpeningFcn', @wavlet_package_energy_GUI_OpeningFcn, ...
                       'gui_OutputFcn',  @wavlet_package_energy_GUI_OutputFcn, ...
                       'gui_LayoutFcn',  [] , ...
                       'gui_Callback',   []);
    if nargin && ischar(varargin{1})
        gui_State.gui_Callback = str2func(varargin{1});
    end
    
    if nargout
        [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
    else
        gui_mainfcn(gui_State, varargin{:});
    end
    % End initialization code - DO NOT EDIT
    
    
    % --- Executes just before wavlet_package_energy_GUI is made visible.
    function wavlet_package_energy_GUI_OpeningFcn(hObject, eventdata, handles, varargin)
    % This function has no output args, see OutputFcn.
    % hObject    handle to figure
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    % varargin   command line arguments to wavlet_package_energy_GUI (see VARARGIN)
    
    % Choose default command line output for wavlet_package_energy_GUI
    handles.output = hObject;
    
    % Update handles structure
    guidata(hObject, handles);
    
    % UIWAIT makes wavlet_package_energy_GUI wait for user response (see UIRESUME)
    % uiwait(handles.figure1);
    
    
    % --- Outputs from this function are returned to the command line.
    function varargout = wavlet_package_energy_GUI_OutputFcn(hObject, eventdata, handles) 
    % varargout  cell array for returning output args (see VARARGOUT);
    % hObject    handle to figure
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    
    % Get default command line output from handles structure
    varargout{1} = handles.output;
    
    
    % --- Executes on selection change in listbox1.
    function listbox1_Callback(hObject, eventdata, handles)
    % hObject    handle to listbox1 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    
    % Hints: contents = cellstr(get(hObject,'String')) returns listbox1 contents as cell array
    %        contents{get(hObject,'Value')} returns selected item from listbox1
    
    
    % --- Executes during object creation, after setting all properties.
    function listbox1_CreateFcn(hObject, eventdata, handles)
    % hObject    handle to listbox1 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    empty - handles not created until after all CreateFcns called
    
    % Hint: listbox controls usually have a white background on Windows.
    %       See ISPC and COMPUTER.
    if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
        set(hObject,'BackgroundColor','white');
    end
    
    
    % --- Executes on selection change in popupmenu1.
    function popupmenu1_Callback(hObject, eventdata, handles)
    % hObject    handle to popupmenu1 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    position1=get(handles.popupmenu1,'value')
    if position1==1
    load('99.mat');
    x=X099_DE_time;
    title_1='0号hp=2';
    end
    if position1==2
    position_sub=2;
    load('3003.mat');
    x=X058_DE_time;
    title_1='4号故障hp=2';
    end
    if position1==3
    position_sub=3;
    load('248.mat');
    x=X248_DE_time;
    title_1='7号hp=2: 负载3点位置:';
    end
    if position1==4
    position_sub=4;
    load('187.mat');
    x=X187_DE_time;
    title_1='10号hp=2:';
    end
    position_sub=2;
    figure(1)
    plot(x)
    grid on
    figure(2)
    wpt=wpdec(x,4,'db1');
    plot(wpt);
    for i=0:15
        figure(3);
        rfs=wprcoef(wpt,[4,i]);
        subplot(4,4,i+1);
        plot(rfs);
        grid on;
        title(['[4',num2str(i),']']);
        axis([0 12000 min(rfs) max(rfs)]);
    end
    for i=0:3
        figure(4);
        rfs=wprcoef(wpt,[4,i]);
        subplot(4,1,i+1);
        plot(rfs);
        grid on;
        title(['[4',num2str(i),']']);
        axis([0 12000 min(rfs) max(rfs)]);
    end
    for i=1:4
        wpt=wpdec(x,i,'db1');
        e=wenergy(wpt);
        E=zeros(1,length(e));
        for j=1:2^i
            E(j)=sum(abs(wprcoef(wpt,[i,j-1])).^2);
        end
        figure(5)
        subplot(4,1,i);
        bar(e);
        axis([0 length(e) 0 130]);
        title(['第',num2str(i),'层']);
        for j=1:length(e)
            text(j-0.2,e(j)+20,num2str(e(j),'%2.2f'));
        end
       if i==4
           figure(100)
        subplot(4,1,position1);
        bar(e);
        axis([0 length(e) 0 130]);
        title([title_1,'第',num2str(i),'层能量']);
        for j=1:length(e)
            text(j-0.2,e(j)+20,num2str(e(j),'%2.2f'));
        end
       end
        
        
    end
    

    三、运行结果

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    四、matlab版本及参考文献

    1 matlab版本
    2014a

    2 参考文献
    [1] 沈再阳.精通MATLAB信号处理[M].清华大学出版社,2015.
    [2]高宝建,彭进业,王琳,潘建寿.信号与系统——使用MATLAB分析与实现[M].清华大学出版社,2020.
    [3]王文光,魏少明,任欣.信号处理与系统分析的MATLAB实现[M].电子工业出版社,2018.

    展开全文
  • 关于二维波在MATLAB里的程序以及还有能量熵
  • )安装方法:pip install PyWaveletspip install Matplotlib相关链接:PyWavelets官网:里面有很多的API文档,有波(波家族,内置波等),离散小波变换,逆小波变换等等小波包的相关用法实例2...

    1. 小波外部包下载

    要下载两个包:

    PyWavelets和Matplotlib(要运行PyWavelets的所有测试,您还需要安装 Matplotlib软件包。)

    安装方法:

    pip install PyWavelets

    pip install Matplotlib

    相关链接:

    PyWavelets官网:里面有很多的API文档,有小波(小波家族,内置小波等),离散小波变换,逆小波变换等等

    小波包的相关用法实例

    2. 小波包的使用

    2.1 导入相关的包

    下面的导入的包中主要是pywt和matplotlib

    importnumpy as npimportmatplotlib.pyplot as pltimportosfrom sklearn importpreprocessingimportpywtimportpywt.dataimport pandas as pd

    2.2  小波包各节点按照频率由低到高

    wp = pywt.WaveletPacket(data=tr, wavelet='db1',mode='symmetric',maxlevel=3)#根据频段频率(freq)进行排序

    print([node.path for node in wp.get_level(1, 'freq')])print([node.path for node in wp.get_level(2, 'freq')])print([node.path for node in wp.get_level(3, 'freq')])

    代码中tr表示输入的一维数据,执行结果如下

    ['a', 'd']

    ['aa', 'ad', 'dd', 'da']

    ['aaa', 'aad', 'add', 'ada', 'dda', 'ddd', 'dad', 'daa']

    2.3 打印小波家族

    pywt.families()#pywt.families(short=False)

    执行结果如下:

    ['haar', 'db', 'sym', 'coif', 'bior', 'rbio', 'dmey', 'gaus', 'mexh', 'morl', 'cgau', 'shan', 'fbsp', 'cmor']

    2.4 小波包的分解

    (1)小波包分解中关键方法:

    wp = pywt.WaveletPacket(data=tr, wavelet='db1',mode='symmetric',maxlevel=3)

    该方法输入原始信号tr, 小波函数'db1',模式'symmetric',以及最大的分解层数为3。返回wp是小波包树,根据小波包树我们可以提取分解系数。

    (2)提取分解系数:

    下面aaa是小波包变换第三层第一个的分解系数

    aaa = wp['aaa'].data

    所以可以使用下面的方法提取每一层的每个节点的小波系数,当然这个方法不太方便,需要一个一个的写,后面有更好的方法:

    a = wp['a'].data #第1个节点

    d = wp['d'].data #第2个节点#第二层

    aa = wp['aa'].data

    ad= wp['ad'].data

    dd= wp['dd'].data

    da= wp['da'].data#第三层

    aaa = wp['aaa'].data

    aad= wp['aad'].data

    ada= wp['add'].data

    add= wp['ada'].data

    daa= wp['dda'].data

    dad= wp['ddd'].data

    dda= wp['dad'].data

    ddd= wp['daa'].data

    (3) 作小波树图,下面代码中没有优化,后面做了优化:

    plt.figure(figsize=(15, 10))

    plt.subplot(4,1,1)

    plt.plot(tr)#第一层

    plt.subplot(4,2,3)

    plt.plot(a)

    plt.subplot(4,2,4)

    plt.plot(d)#第二层

    plt.subplot(4,4,9)

    plt.plot(aa)

    plt.subplot(4,4,10)

    plt.plot(ad)

    plt.subplot(4,4,11)

    plt.plot(dd)

    plt.subplot(4,4,12)

    plt.plot(da)#第三层

    plt.subplot(4,8,25)

    plt.plot(aaa)

    plt.subplot(4,8,26)

    plt.plot(aad)

    plt.subplot(4,8,27)

    plt.plot(add)

    plt.subplot(4,8,28)

    plt.plot(ada)

    plt.subplot(4,8,29)

    plt.plot(dda)

    plt.subplot(4,8,30)

    plt.plot(ddd)

    plt.subplot(4,8,31)

    plt.plot(dad)

    plt.subplot(4,8,32)

    plt.plot(daa)

    下图中使用的是心电信号,需要注意的是有些图形的刻度值太长嵌入了图中,结果图:

    20200808221548337sw5e0fy7gnfmf6c_0.png

    (4) 代码优化,使用的wpd_plt(signal,n)将上面的代码优化和封装了,signal代表输入信号,n代表分解层数:

    defwpd_plt(signal,n):#wpd分解

    wp = pywt.WaveletPacket(data=signal, wavelet='db1',mode='symmetric',maxlevel=n)#计算每一个节点的系数,存在map中,key为'aa'等,value为列表

    map ={}

    map[1] =signalfor row in range(1,n+1):

    lev=[]for i in [node.path for node in wp.get_level(row, 'freq')]:

    map[i]=wp[i].data#作图

    plt.figure(figsize=(15, 10))

    plt.subplot(n+1,1,1) #绘制第一个图

    plt.plot(map[1])for i in range(2,n+2):

    level_num= pow(2,i-1) #从第二行图开始,计算上一行图的2的幂次方

    #获取每一层分解的node:比如第三层['aaa', 'aad', 'add', 'ada', 'dda', 'ddd', 'dad', 'daa']

    re = [node.path for node in wp.get_level(i-1, 'freq')]for j in range(1,level_num+1):

    plt.subplot(n+1,level_num,level_num*(i-1)+j)

    plt.plot(map[re[j-1]]) #列表从0开始

    2.5 小波包能量特征提取

    n = 3re= [] #第n层所有节点的分解系数

    for i in [node.path for node in wp.get_level(n, 'freq')]:

    re.append(wp[i].data)#第n层能量特征

    energy =[]for i inre:

    energy.append(pow(np.linalg.norm(i,ord=None),2))#for i in energy:#print(i)

    绘制小波能量特征柱形图,注意这里的节点顺序不是自然分解的顺序,而是频率由低到高的顺序:

    #创建一个点数为 8 x 6 的窗口, 并设置分辨率为 80像素/每英寸

    plt.figure(figsize=(10, 7), dpi=80)#再创建一个规格为 1 x 1 的子图#plt.subplot(1, 1, 1)#柱子总数

    N = 8values=energy#包含每个柱子下标的序列

    index =np.arange(N)#柱子的宽度

    width = 0.45

    #绘制柱状图, 每根柱子的颜色为紫罗兰色

    p2 = plt.bar(index, values, width, label="num", color="#87CEFA")#设置横轴标签

    plt.xlabel('clusters')#设置纵轴标签

    plt.ylabel('number of reviews')#添加标题

    plt.title('Cluster Distribution')#添加纵横轴的刻度

    plt.xticks(index, ('', '', '', '', '', '', '', ''))#plt.yticks(np.arange(0, 10000, 10))#添加图例

    plt.legend(loc="upper right")

    plt.show()

    作图如下:

    20200808221548337sw5e0fy7gnfmf6c_1.png

    展开全文
  • 对轴承故障信号进行小波包分解,重构能量最大的频段信号,并对该重构信号计算样本
  • 小波包能量特征提取

    千次阅读 2020-06-20 22:20:58
    最近在弄小波包能量特征提取,可以说弄了很长时间。 废话不多说,抓紧时间上重点! 小波变换 小波变换是处理低频的信息,但是对于高频却不能处理。不能处理非线性、非平稳的信号(例如滚动轴承)。 波包变化 因为...

    最近在弄小波包能量特征提取,可以说弄了很长时间。
    废话不多说,抓紧时间上重点!

    小波变换

    小波变换是处理低频的信息,但是对于高频却不能处理。不能处理非线性、非平稳的信号(例如滚动轴承)。

    小波包变化

    因为有不足,才会发展;知识也是这样,所以小波包问世。小波包变化弥补了小波变换的不足之处,即可对低频也可对高频信号处理;
    在这里插入图片描述

    小波包能量特征提取

    我提取的是8维db3小波包能量特征,以上即是小波包树,其中节点的命名规则是从(1,0)开始,叫1号, (1,1)是2号………依此类推,(3,0)是7号,(3,7)是14号。 每个节点都有对应的小波包系数,这个系数决定了频率的大小。
    在这里插入图片描述

    代码

    function E =wavelet_energy_spectrum( wpt,n )
    %% 计算每一层每一个节点的能量
    % wpt-wavelet packet tree
    % n-第n层能量
    %
    % Author hubery_zhang
    % Date 20170714

    %%
    % 求第n层第i个节点的系数
    E(1:2^n )=0;
    for i=1:2^n
    E(i) = norm(wpcoef(wpt,[n,i-1]),2); %求第i个节点的范数平方,其实也就是平方和
    end
    %求每个节点的概率
    E_total=sum(E);
    for i=1:2^n
    p_node(i)= 100*E(i)/E_total;
    end
    % E = wenergy(wpt); only get the last layer
    figure;
    x=1:2^n;
    bar(x,p_node);
    title([‘第’,num2str(n),‘层’]);
    axis([0 2^n 0 100]);
    xlabel(‘结点’);
    ylabel(‘能量百分比/%’);
    for j=1:2^n
    text(x(j),p_node(i),num2str(p_node(j),’%0.2f’),…
    ‘HorizontalAlignment’,‘center’,…
    ‘VerticalAlignment’,‘bottom’)
    end

    end

    展开全文
  • 小波包能量可视化和GUI设计_gui故障_GUI;波包分解;能量熵_能量熵_故障gui_分解_源码.zip
  • 提出了一种新的最优小波包基搜寻算法,在BBS( best basis selection)基础上,选择对数能量熵作为信息花费代价函数,自上而下搜索,将父节点对数能量熵与子节点和的对数能量熵进行比较,标记最小熵节点,直至标记到根节点,...
  • 小波包能量可视化和GUI设计_gui故障_GUI;波包分解;能量熵_能量熵_故障gui_分解_源码.rar.rar
  • 基于小波包对数能量熵与BP神经网络的孤岛检测方法.pdf
  • 对滚动轴承振动信号提取波包并对各个频带上的小波包熵值进行作图,代码中有注释,比较简单,只要对MATLAB懂一些并可理解~
  • 小波包熵程序

    千次阅读 2018-03-01 16:40:51
    x=beatftr(1,:);figure;... %小波包分解plot(wpt);for j=1:2^4 %4层分解,16组系数 E(j)=sum(abs(wprcoef(wpt,[4,j-1])).^2);endE1=sum(E);dim=length(E);for j=1:dim p(j)=E(j)/E1;endShang=...
  • 信号处理 - 小波包能量 - python代码讲解
  • 对某信号进行3层小波包分解并重构,提取方差,获得信号特征。
  • 代码:波包分解与重构、小波包能量特征提取

    万次阅读 多人点赞 2017-10-19 20:07:03
    基于小波包能量特征的滚动轴承故障监测方法 》。 4、Matlab代码 给出两部分代码,写成两个函数。一个是波包分解与重构,另一个是能量谱函数。 下载地址: https://download.csdn.net/download/ckzhb/10030651 ...
  • 基于小波包相关频带谱能量熵的滚动轴承性能退化评估方法,康守强,郑建禹,滚动轴承在使用过程中会经历不同的性能退化状态。提出小波包相关频带谱能量熵以评估滚动轴承初始性能退化程度。以滚动轴承全寿命

空空如也

空空如也

1 2 3 4 5 ... 13
收藏数 259
精华内容 103
关键字:

小波包能量熵