图3
图4
图5
图6
结论：通过对滚动轴承故障诊断分析中，我利用的是
FFT方法，其实这种方
法并没有其他的方法分析的准确，因为我对MATLAB的不熟悉，只能选择较为简单的方法，但是我还是从这里面学到了许多操作，对MATLAB更上一层楼。也对FFT有了更深入的了解，对滚动轴承是否正常有了明确的判断。
附：编程程序
1.图1的程序
>> x=X097_DE_time;%导入信号数组 fs=12000;%采样频率 N=length(x); n=0:N-1;
y=fft(x,N);%进行fft变换
m=abs(y(1:N/2))*2/N;%求信号的真实幅值 f=n*fs/N; %进行对应的频率转换 stem(f(1:N/2),m(1:N/2));%绘出频谱图 xlabel('频率/Hz'); ylabel('幅值');
title('信号频谱图'); grid on;
2.图2的程序
>> x=X097_DE_time;%信号数组 subplot(2,1,1); plot(x);%时域波形 xlabel('时间序列'); ylabel('幅值');
title('信号时域图'); fs=12000;%采样频率 N=length(x); n=0:N-1;
y=fft(x,N);%进行fft变换
m=abs(y(1:N/2))*2/N;%求信号的真实幅值 f=n*fs/N; %进行对应的频率转换 subplot(2,1,2)
stem(f(1:N/2),m(1:N/2));%绘出频谱图
xlabel('频率/Hz'); ylabel('幅值');
title('信号频谱图'); grid on;
3.图3的程序
>> x=X282_DE_time; >> plot(x)
>> x=X282_DE_time;%导入信号数组 fs=12000;%采样频率 N=length(x); n=0:N-1;
y=fft(x,N);%进行fft变换
m=abs(y(1:N/2))*2/N;%求信号的真实幅值 f=n*fs/N; %进行对应的频率转换 stem(f(1:N/2),m(1:N/2));%绘出频谱图 xlabel('频率/Hz'); ylabel('幅值');
title('信号频谱图'); grid on;
4.图4的程序
>> x=X282_DE_time;%信号数组 subplot(2,1,1); plot(x);%时域波形 xlabel('时间序列'); ylabel('幅值');
title('信号时域图'); fs=12000;%采样频率 N=length(x); n=0:N-1;
y=fft(x,N);%进行fft变换
m=abs(y(1:N/2))*2/N;%求信号的真实幅值 f=n*fs/N; %进行对应的频率转换 subplot(2,1,2)
stem(f(1:N/2),m(1:N/2));%绘出频谱图 xlabel('频率/Hz'); ylabel('幅值');
title('信号频谱图'); grid on;
5.图5的程序
x=X294_DE_time;%导入信号数组 fs=12000;%采样频率 N=length(x); n=0:N-1;
y=fft(x,N);%进行fft变换
m=abs(y(1:N/2))*2/N;%求信号的真实幅值 f=n*fs/N; %进行对应的频率转换 stem(f(1:N/2),m(1:N/2));%绘出频谱图 xlabel('频率/Hz'); ylabel('幅值');
title('信号频谱图'); grid on;
6.图6的程序
>> x=X294_DE_time;%信号数组 subplot(2,1,1); plot(x);%时域波形 xlabel('时间序列'); ylabel('幅值');
title('信号时域图'); fs=12000;%采样频率 N=length(x); n=0:N-1;
y=fft(x,N);%进行fft变换
m=abs(y(1:N/2))*2/N;%求信号的真实幅值 f=n*fs/N; %进行对应的频率转换 subplot(2,1,2)
stem(f(1:N/2),m(1:N/2));%绘出频谱图 xlabel('频率/Hz'); ylabel('幅值');
title('信号频谱图'); grid on;