简介这份MATLAB轴承故障诊断代码包面向机械振动信号处理与设备状态监测的学习者围绕轴承故障特征提取与模式判别整合Hilbert包络谱、Haar小波、数学形态学、时域无量纲参数及FFT等分析思路。压缩包共30个文件约1.04MB包含5个m脚本、11个dat数据文件及14张jpg结果图脚本用于复现分析流程数据与图像便于对照验证和结果展示。已有6610人学习下载说明其在故障诊断入门与课程实践中具有一定参考价值。读者可据此理解不同方法在早期微弱故障识别、噪声抑制、周期性冲击提取及故障特征频率定位中的差异并借助现成脚本完成振动数据处理、参数计算与频谱、包络谱观察形成从理论方法到MATLAB实现的完整链路适合作为课程设计、毕业设计或工程预研的基础素材。1. 从一段看不出问题的振动信号说起一台减速机换了新轴承三个月后测振仍然报异常可 FFT 幅值谱上干干净净一根像样的峰都没有。问题不在轴承而在于只看幅值谱根本抓不到早期冲击。这套轴承故障 matlab 代码要解决的就是这件事先用 FFT 与希尔伯特包络谱把故障特征频率找出来再叠加一层 haar 小波分解把埋在噪声里的周期性冲击放大到能判读的程度。它面向手里已经有振动数据、想快速验证判据的工程师和做课题的学生也适合当作诊断算法的基线工程——目录干净、链路完整、每一步都能单独拎出来替换。下面按我拆包时的顺序从目录结构、信号链路一直讲到参数怎么改、判据怎么加。2. 工程结构拆解数据、算法、主脚本三层怎么分工拿到这个包最先要做的不是急着run而是看清它把什么东西放在了哪里。这类诊断工程的翻车点八成不是算法写错而是数据、参数、调用顺序三者没对齐。我拆的时候习惯先画一张谁调用谁的图再逐个文件读。2.1 目录结构与文件职责包里的组织方式很典型数据单独放算法函数按处理环节拆开主脚本只负责串流程。实际文件命名可能略有出入但职责分工基本是下面这几块。路径职责改动频率data/原始振动数据.csv或.txt单列幅值或时间幅值两列换数据时动src/loadSignal.m读文件、去直流、统一成列向量几乎不动src/envelopeSpectrum.m带通滤波 希尔伯特包络 FFT调滤波带时动src/haarDecompose.mHaar 多层分解与单支重构调层数时动src/faultFreqs.m由轴承几何参数算 BPFO/BPFI/BSF/FTF换轴承型号时动src/findFaultPeak.m在特征频率邻域内找谱峰并算信噪比加判据时动main.m主流程读配置 → 处理 → 出图 → 打结论每次实验都动config.m采样率、滤波带、转速、轴承参数集中存放最该动的地方这种函数 主脚本的结构好处是每个环节都能单独拿一段信号喂进去试。坏处是 MATLAB 的工作目录机制很容易坑人脚本在src/里跑data/的相对路径就找不到。常见做法是在main.m开头把路径补上而不是靠手动切目录。% main.m 开头把 src 和 data 都挂到搜索路径上避免函数未定义 rootDir fileparts(mfilename(fullpath)); addpath(fullfile(rootDir, src)); addpath(fullfile(rootDir, data));mfilename(fullpath)拿到的是当前脚本的绝对路径再往上取一层就是工程根目录。这样无论从哪个目录启动路径都不会错。参数说明上addpath加的是目录不是文件所以新增函数只要丢进src/就自动可用。2.2 数据格式与采样参数约定诊断结果的可靠性一半压在采样率和转速这两个数上。包里对数据格式的约定比较宽松但有两件事必须自己确认第一列到底是什么采样率到底是多少。我见过太多人把带表头的 CSV 直接readmatrix结果第一行全变成NaN后面 FFT 出来一片噪声。function [x, fs] loadSignal(filePath, fs) % loadSignal 读取单通道振动信号并做最基础的前处理 % filePath : 数据文件路径支持 csv / txt / mat % fs : 采样率(Hz)由 config 传入绝不从文件里猜 raw readmatrix(filePath); % 纯数值读取表头会被解析成 NaN x raw(:, end); % 取最后一列单列时就是它两列时是幅值 x x(:); % 强制列向量防止后续维度对不上 bad isnan(x); if any(bad) warning(检测到 %d 个无效点已用线性插值补齐, sum(bad)); x(bad) interp1(find(~bad), x(~bad), find(bad), linear, extrap); end x detrend(x, constant); % 去直流分量否则 0 Hz 会压满量程 x x - mean(x); % 再减一次均值双保险 x x / max(abs(x) eps); % 归一化到 ±1便于跨数据比较阈值 end这段代码里有三个决策值得说。取raw(:, end)而不是raw(:, 1)是因为很多采集软件导出时第一列是时间戳取最后一列更稳如果数据只有一列end就等于 1两种情况都覆盖。detrend(x,constant)和减均值看着重复实际差别在于前者对缓慢漂移更有效两个都做不会出错。最后归一化这一步是为了让峭度、峰值这些无量纲指标在不同量程的数据之间可比——如果你要做绝对幅值判断比如 ISO 振动烈度这行得去掉。fs明确作为入参传进来不从文件里读。这是血泪经验靠文件头或靠点数除以时长反推采样率只要数据段被截过算出来的fs就是错的后面所有频率轴全部偏移。2.3 主流程脚本的调用顺序main.m的职责就一件事按正确顺序把函数串起来并把中间结果画出来。顺序错了后面全白搭。%% main.m 主流程 cfg config(); % 1. 全部参数集中在这里 [x, fs] loadSignal(cfg.file, cfg.fs); % 2. 读数据 去直流 ff faultFreqs(cfg.bearing, cfg.rpm); % 3. 先算理论特征频率 [f, S] envelopeSpectrum(x, fs, cfg.band); % 4. 带通 包络谱 [c, l] haarDecompose(x, cfg.haarLevel); % 5. Haar 多层分解 d3 wrcoef(d, c, l, haar, 3); % 取第 3 层细节重构 kurt kurtosis(d3); % 6. 峭度指标 [peakFreq, snr] findFaultPeak(S, f, ff.BPFO); % 7. 特征频率邻域找峰 fprintf(BPFO%.2f Hz, 实测谱峰%.2f Hz, 峭度%.2f\n, ... ff.BPFO, peakFreq, kurt);调用顺序上第 3 步算特征频率必须排在第 7 步找峰之前而第 3 步又依赖cfg.rpm——转速是唯一无法从信号里直接得到的量必须人工给。这里有个容易忽略的点faultFreqs接收的是转速 rpm内部要除以 60 转成转频 Hz单位换算放在函数内部比放在config里更不容易乱。wrcoef(d, c, l, haar, 3)里的3是层号1 是最细的那层。想拿哪一层的冲击成分就把这个数字换掉后面第 4 章会讲怎么定这个层数。整条链路里只有cfg是需要频繁改的其他函数基本一次写定。提示第一次跑不要急着看结论先把x的时域波形和S的包络谱画出来确认波形不是一条直线、谱图不是一片糊再谈诊断。3. FFT 包络谱从原始振动到故障特征频率轴承故障的物理本质是冲击滚动体碾过剥落坑每次都会激起一个宽带脉冲脉冲重复的频率就是故障特征频率。问题是这个重复频率往往在几十到几百赫兹而冲击能量集中在几千赫兹的共振带上——直接对原始信号做 FFT看到的是共振带被调制后的宽包特征频率本身被藏在调制里。包络解调做的就是把这层调制拆出来。3.1 去直流、去趋势与带通滤波带通滤波这一步决定了成败。滤波带不是随便选的它的目标是把共振频带留下来、把低频的转频谐波和高频噪声切掉。选窄了冲击的边带被削掉包络失真选宽了其他部件的干扰混进来谱峰被淹没。function [b, a] designBand(fs, band, order) % designBand 设计零相位带通滤波器 % fs : 采样率 % band : [fLow fHigh]共振频带单位 Hz % order : 滤波器阶数4 阶够用太高会引起数值不稳定 if band(2) fs/2 error(带通上限 %.1f Hz 超过奈奎斯特频率 %.1f Hz检查采样率, ... band(2), fs/2); end wn band / (fs/2); % 归一化到 0~1 [b, a] butter(order, wn, bandpass); endbutter返回的是 IIR 系数4 阶带通实际是 8 阶原型滚降足够陡而且不会像高阶那样在低频段数值发散。wn归一化必须除以fs/2这一步写错是新手最常见的错误之一——写成band/fs滤波带就直接偏移一倍。真正执行滤波时用filtfilt而不是filter[b, a] designBand(fs, cfg.band, 4); xf filtfilt(b, a, x); % 零相位滤波正反各滤一次filtfilt会把相位延迟抵消掉代价是边界附近有暂态。做包络分析时相位一致性很重要因为后面要用冲击的时间位置filter引入的群延迟会让冲击挪位。如果你的数据段很短不到滤波器阶数的 10 倍边界暂态会吃掉可观的一段那就掐头去尾再分析。带通中心怎么定常见做法是先看原始信号的功率谱找 2 kHz8 kHz 区间里那个凸起的宽包如果谱图很平就试三组带比如 1–3k、2–5k、4–8k哪组的包络谱峰最干净用哪组。更严谨的办法是谱峭度图但那属于额外工程量先跑通再说。3.2 希尔伯特包络与包络谱包络的数学定义是解析信号的模。MATLAB 里hilbert返回的已经是解析信号复数列取abs就得到包络不需要自己造虚部。function [f, S, env] envelopeSpectrum(x, fs, band) % envelopeSpectrum 带通 - 希尔伯特包络 - 单边幅值谱 [b, a] designBand(fs, band, 4); xf filtfilt(b, a, x); % 零相位带通 env abs(hilbert(xf)); % 解析信号取模 包络 env env - mean(env); % 去掉包络直流关键一步 env env .* tukeywin(numel(env), 0.05); % 轻微加窗压边带泄漏 N 2^nextpow2(numel(env)); % 补零到 2 的幂次加速 FFT Y fft(env, N) / numel(env); % 幅度归一化 f (0:N/2-1) * fs / N; % 单边频率轴 S 2 * abs(Y(1:N/2)); % 单边谱幅值乘 2 end参数上几个细节2^nextpow2补零不改变频率分辨率真正的分辨率还是fs/numel(env)补零只是让 FFT 算得快、曲线插值更密。所以别误以为补零能提高精度想提高分辨率只能加大数据长度。env - mean(env)这行是整个函数里最容易被忽略、后果最严重的一行。包络恒为正均值很大如果不去掉FFT 之后 0 Hz 处会出现一根比故障峰高两三个数量级的巨峰纵轴一压缩什么细节都看不见了。我第一次跑的时候就栽在这盯着图看了半天以为算法有 bug。tukeywin加 5% 的锥形窗是为了让包络两端平滑过渡到零减少频谱泄漏。窗太狠比如 0.5会把有效数据压掉太多5% 是经验值。拿到S之后判读方法很直接在理论故障特征频率f0附近 ±2% 的窗口里找最大值再算这个峰值相对于窗口附近背景中位数的比值作为信噪比。比值大于 3 就认为有峰小于 2 就当没检出。function [peakFreq, snr] findFaultPeak(S, f, f0, tol) % 在 f0 邻域内找谱峰并给出相对背景的信噪比 if nargin 4, tol 0.02; end win f f0*(1-tol) f f0*(1tol); % 目标窗口 guard f f0*0.5 f f0*1.5 ~win; % 参考背景避开目标 [pk, k] max(S .* win); % 窗口外置零后取最大 peakFreq f(k); snr pk / (median(S(guard)) eps); % eps 防零除 endS .* win这个技巧很实用逻辑索引当掩码乘上去窗口外直接变 0max就只在窗口内取值。snr用中位数而不是均值做分母是因为背景里可能混着其他谐波峰均值会被拉高。3.3 故障特征频率计算与谱峰比对理论特征频率由轴承几何决定四个公式必须记牢写反一个就全盘皆输function ff faultFreqs(brg, rpm) % brg : 结构体字段 d(滚动体直径) D(节圆直径) n(滚动体数) alpha(接触角,度) % rpm : 轴转速转/分 fr rpm / 60; % 转频 Hz别把 rpm 直接当转频用 r brg.d / brg.D * cosd(brg.alpha);% 无量纲比值Haar 分析里也用得上 ff.BPFO brg.n/2 * fr * (1 - r); % 外圈故障频率 ff.BPFI brg.n/2 * fr * (1 r); % 内圈故障频率 ff.BSF brg.D/(2*brg.d) * fr * (1 - r^2); % 滚动体自转故障频率 ff.FTF fr/2 * (1 - r); % 保持架故障频率 endcosd用的是角度制如果参数表给的是弧度就要换cos这个坑很隐蔽——接触角通常写 0°、15°、25°用cos会得到 0.999 而不是 1误差小到看不出来但深沟球轴承的alpha0时结果应该完全等于n/2*fr一旦对不上就说明单位用错了。判读的时候外圈故障看 BPFO 及其 2 倍频内圈看 BPFI同时要留意转频fr的边带——内圈故障因为随轴旋转调制更明显BPFI 两侧常有BPFI ± fr的边频。如果只看到fr的谐波而没有任何特征频率成分那多半是不平衡或不对中不是轴承问题。一个实用习惯把ff里四个频率竖线画到包络谱上一眼就能看出哪根峰落在哪条线上。这一步比看数字快得多也更容易发现峰位整体偏移这种系统性错误。4. Haar 小波分解把早期微弱冲击从噪声里挖出来包络谱对中晚期故障很好用但早期剥落面积小、冲击弱包络谱上可能只是一个勉强过阈值的小包。这时候小波变换的价值就出来了它在时频两个维度上同时定位能把短时、周期性、宽频带的冲击成分单独拎出来。4.1 为什么在这套链路里选 Haar小波基的选择是个老生常谈的问题。db4、sym8、morl 都有人用这套代码里选 Haar等价于 db1理由有三个都跟冲击检测这个具体任务有关。第一Haar 的支撑长度最短只有两个点时域定位精度最高。冲击信号的特征就是突变用长支撑的基函数去匹配等于用一个平滑窗去糊一个尖峰冲击的起跳点会被抹开。第二Haar 是正交基分解后的各层细节系数能量可以直接相加不用考虑基函数之间的相关性做能量占比统计时省事。第三Haar 的滤波器系数只有[1/√2, 1/√2]和[1/√2, -1/√2]计算量极小批量跑几百个文件时差距明显。代价是频域局部性差频率划分是二分的、不平滑相邻层之间有重叠。所以它适合做冲击检测不适合做精细的频率估计——频率估计交给 FFT 那一路。4.2 多层分解与单支重构分解本身一行就够关键是层数怎么定。层数决定了每一层对应的频带宽度第k层细节系数覆盖的是fs/2^(k1)到fs/2^k这个区间。要让目标频带落在某一层里层数就得按采样率反推。function [c, l] haarDecompose(x, level) % haarDecompose 多层一维小波分解 % level : 分解层数需满足 numel(x) 2^level * 滤波器长度 wname haar; maxLev wtdemm(max, numel(x), wname); % 允许的最大层数 if level maxLev warning(层数 %d 超过上限 %d已自动截断, level, maxLev); level maxLev; end [c, l] wavedec(x, level, wname); % c 是全部系数l 是各段长度 endwavedec返回的c是把近似系数和各层细节系数首尾拼起来的一维长向量l记录每段的长度。直接操作c很容易下标错位所以取某一层时用detcoef或wrcoef别自己切片。function d haarDetailBand(c, l, level) % haarDetailBand 重构第 level 层细节系数返回与原信号等长的分量 d wrcoef(d, c, l, haar, level); endwrcoef(d, ...)做的是单支重构把第level层细节系数保留其余全部置零再逆变换回原尺度。输出的长度和原信号一致可以直接和原信号叠画对比。要特别注意单支重构后的幅值不等于原始信号里该频带的真实幅值——它只是一个该层系数对应的时域波形做阈值判断只能用相对值比如相对整段信号的峭度、相对包络谱峰值不能拿绝对值去和 ISO 标准比。层数怎么选我一般这么算目标共振带取 2–5 kHz采样率 20 kHz那么第 2 层细节覆盖 2.5–5 kHz第 3 层覆盖 1.25–2.5 kHz。两层都试看哪一层的重构信号里周期性冲击更清楚时域上能看到等间隔的尖峰簇。这比死记硬背公式靠谱。4.3 峭度与频带能量作为辅助判据小波分解出来的东西最终要变成能比较的数字。两个指标最常用峭度和频带能量占比。峭度衡量分布的尖峭程度正态信号峭度约为 3冲击成分越多峭度越高。它对早期冲击特别敏感缺点是也容易被偶发的单点干扰骗到。function [kurt, ratio] bandIndicators(x, d) % kurt : 重构分量的峭度 % ratio : 该分量能量占原信号能量的比例 kurt kurtosis(d); % 正态信号基准值 3 ratio sum(d.^2) / (sum(x.^2) eps); endkurtosis默认用的是有偏估计不减去 3所以判断基准是 3 而不是 0。如果你用的是kurtosis(d) - 3那种超额峭度基准就变成 0两种写法混用会让阈值全部失效——这类基准不一致的错误在多人协作时特别常见。ratio用来说明这层到底有没有料。如果某层能量占比不到 1%即使峭度很高也要怀疑是噪声尖峰能量占比合理5%–30%且峭度明显高于 3才算是可信的冲击成分。实际判据常见做法是双门限包络谱上特征频率处的信噪比大于 3同时对应小波层的峭度大于 4两个条件都满足才报疑似故障。单靠一个指标误报率会明显上升尤其是在变工况数据上。5. 跑起来与环境排查五个让结果失真的坑代码能跑出图不等于结果可信。诊断类工程最大的特点是错了也出图一条平滑的谱线看着挺专业实际上可能全是伪影。这一章把我踩过的、以及帮别人看代码时反复见到的几类问题摊开讲。5.1 最小跑通路径与环境先确认环境。这套代码只用到 Signal Processing Toolbox 和 Wavelet Toolboxbutter、filtfilt、hilbert属于前者wavedec、wrcoef、wtdemm属于后者。缺任何一个报错信息会是未定义函数而不是缺少工具箱容易误判成路径问题。% 一键检查依赖是否就位 deps {butter,filtfilt,hilbert,wavedec,wrcoef,kurtosis}; missing deps(cellfun((f) exist(f, file) 0, deps)); if isempty(missing) disp(依赖齐全); else fprintf(缺失: %s\n, strjoin(missing, , )); end跑通的最短路径是四步把数据文件放进data/在config.m里改cfg.file、cfg.fs、cfg.rpm和cfg.band运行main.m看图。cfg.rpm必须填真实转速填个大概值比如 1500 而实际 1480会让特征频率偏 1.3%刚好落在 ±2% 的搜索窗边缘找峰结果时对时错——这类问题最难查因为有时候能出结果。数据长度也有要求。做包络谱至少要有 10 个以上的故障冲击周期也就是fs/BPFO * 10个采样点采样率 20 kHz、BPFO 100 Hz 的话至少要 2000 点实际建议 1 万点以上。数据太短频率分辨率不够谱峰展宽到几个 binmax取到的位置随机性很大。5.2 五条踩坑记录第一坑包络谱上 0 Hz 一根巨峰右侧什么都看不见现象是画出来的谱图左边一根顶到画布顶部其余部分几乎是平的。原因是包络信号恒为正值均值远大于交流分量FFT 之后直流项占了绝大部分能量纵轴自动缩放把细节全压没了。解决很简单求 FFT 之前减掉包络均值再顺手高通一下截止 5 Hz 足够。判断是否已经处理过的方法看env的均值是否接近 0。第二坑特征频率对不上整体偏了几十赫兹现象是谱峰位置和理论 BPFO 差得离谱但换个数据又能对上。原因通常是转速单位搞错把 rpm 直接当转频用了。rpm 1500对应的转频是 25 Hz如果直接拿 1500 去乘算出来的 BPFO 会大 60 倍完全对不上。还有一种情况是采样率填错频率轴整体缩放这时候不光是特征频率所有峰的位置都不对。解决办法是先用一段已知频率的标定信号或者转频本身验证频率轴——转频峰应该出现在rpm/60处对不上就说明fs有问题。第三坑换一段数据结果全乱峭度从 5 跳到 20现象是同一台设备换个时间段采的数据指标差了好几倍。原因往往是固定了分解层数却没管采样率变化。第 3 层细节在 20 kHz 采样下覆盖 1.25–2.5 kHz换成 50 kHz 采样就变成 3.1–6.25 kHz完全跑到另一个频带去了。解决办法是把层数从写死的常数改成由fs和目标频带算出来写个小函数pickLevel(fs, bandCtr)返回最匹配的层号。第四坑小波重构后的幅值比原信号小一大截现象是把wrcoef的结果和原信号叠画发现幅值只有原来的几分之一怀疑代码算错了。原因这是单支重构的正常行为只保留一层系数其余置零能量自然只剩那一小部分幅值小是必然的。解决办法是别用绝对幅值做判断改用峭度、能量占比这类相对指标或者同时对多层重构后求和再比较。第五坑CSV 首行有表头第一行数据变成 NaN现象是readmatrix读进来第一行全是NaNdetrend之后整段信号变成NaN图上一片空白。原因是导出软件默认带列名。解决办法是读完之后做一次isnan检查和插值补齐或者在readmatrix里用NumHeaderLines参数跳过表头。前者更稳因为它能同时处理中间偶发的缺采样点。注意这五类问题的共同点是不报错、只出图。所以每换一个数据集先看时域波形形状对不对、再看转频峰在不在正确位置最后才看特征频率这个检查顺序能挡掉大部分误判。6. 二次开发把参数抽干净把判据换成自己的这套代码当基线用完接下来必然要改。改之前先做一件事把所有会变的量从函数里搬到config.m。我见过太多人直接在envelopeSpectrum.m里把band写成硬编码的[2000 5000]换个采样率就全崩而且过两周自己也忘了改过哪。6.1 参数集中与配置抽离config.m至少要有这几项文件路径、采样率、转速、带通上下限、小波层数、轴承几何参数、判据阈值。用结构体返回主流程里只出现cfg.xxx不出现任何魔法数字。function cfg config() % 所有可变参数集中在此换设备只改这一个文件 cfg.file fullfile(data, vib_01.csv); cfg.fs 20000; % 采样率 Hz cfg.rpm 1480; % 实测转速别填铭牌值 cfg.band [2000 5000]; % 共振频带由功率谱观察确定 cfg.haarLevel 3; % 目标频带落在第 3 层 cfg.bearing.d 7.94e-3; % 滚动体直径 m cfg.bearing.D 39.04e-3; % 节圆直径 m cfg.bearing.n 9; % 滚动体个数 cfg.bearing.alpha 0; % 接触角度 cfg.th.snr 3.0; % 包络谱信噪比门限 cfg.th.kurt 4.0; % 峭度门限 end单位统一用米和赫兹别混着毫米用。d和D在公式里是比值单位一致就抵消了但一旦有人把d写成毫米、D写成米比值就差 1000 倍特征频率直接飞到天上。我一般会在faultFreqs里加一句合理性检查BPFO应该在3*fr到12*fr之间超出就报错。6.2 批量跑与判据验证单文件跑通之后下一步是批量。把main.m拆成runOne(cfg)返回一个结构体结果外层套一个循环扫目录最后汇总成表。这样几百个文件跑下来异常的那几条一眼就能挑出来。function res runOne(cfg) % 单文件诊断返回结构化结果便于批量汇总 [x, fs] loadSignal(cfg.file, cfg.fs); ff faultFreqs(cfg.bearing, cfg.rpm); [f, S] envelopeSpectrum(x, fs, cfg.band); c haarDecompose(x, cfg.haarLevel); d wrcoef(d, c, [], haar, cfg.haarLevel); [res.peakFreq, res.snr] findFaultPeak(S, f, ff.BPFO); res.kurt kurtosis(d); res.verdict res.snr cfg.th.snr res.kurt cfg.th.kurt; end改判据的时候有个验证技巧拿一段确认正常的数据人为在时域上按 BPFO 的周期叠加几个窄脉冲幅值取背景噪声标准差的 2–3 倍再跑一遍流程看snr和kurt能不能被推过门限。这个半仿真测试能告诉你门限定得是高还是低——如果 2 倍标准差注入都检不出说明门限太严如果纯噪声也能过说明太松。比直接拿现场数据调参可靠得多。wrcoef的第二个参数传[]是允许的只要wavedec时用的是默认模式很多版本会自动沿用但更稳妥的写法是把l一起传出来。这一点在不同 MATLAB 版本上表现不一致属于典型的兼容性坑。最后是扩展方向。想加倒频谱在envelopeSpectrum后面接一层real(ifft(log(abs(fft(env)))))就能看出谐波族的间隔想加谱峭度选带把cfg.band换成自动搜索结果接口不用动想上深度学习runOne输出的结构体正好当特征表用。这套代码的价值不在算法多新而在于每个环节都能单独替换、替换后还能验证。从那以后我每次拿到一批新数据都强制先跑一遍转频峰定位——只看fr rpm/60那根线在不在正确位置。在不在决定了后面所有特征频率的判断有没有意义。希望帮到你。本文还有配套的精品资源点击获取