我不是多啦A梦的博客

破解油污数据、系统割裂、未知故障等难题，亟需产教融合构建“算法-经验”双引擎，让机器疼痛被听懂。

机器“生病”前的“求救声”很微弱，还藏在巨大噪音里，信号分解技术就像超级“声音分离器”，能把机器的复杂振动拆成清晰易懂的“声音片段”。未来它会结合人工智能，变得更智能，成为守护工厂安全高效的“超级医生”？？

西交大首创工业智能运维大模型！突破专用模型局限，统一处理轴承、齿轮等多部件故障，实现监测、诊断、预测"一站式"管理。小样本快速适配新场景，诊断预测任务协同增效，终结机械运维"百模大战"困局？

VMD是一种自适应、完全非递归的模态变分和信号处理的方法。

matlab代码——最大相关性最小冗余性(MRMR)

针对滚动轴承早期故障微弱和故障识别准确率低等问题，提出了一种基于经验模态分解（EMD）和支持向量机（SVM）相结合的滚动轴承故障诊断方法。首先，利用EMD对滚动轴承的振动信号进行分解，挑选有效的IMF分量并对其进行功率谱特征计算；然后，对于获得的功率谱特征集进行最大相关性最小冗余性（MRMR）特征优选，构建最优特征集；最后，将优选后的特征集输入SVM进行滚动轴承的状态识别。通过仿真信号和实际信号的验证，所提出的方法能够有效分解滚动轴承振动信号，总的故障识别准确率能达到100%。

一些关于语音信号处理的理解。

一些有关opensmile的特征描述......