信号处理算法工具箱SPAgent

        在机械设备信号处理算法软件包SPAgent，基于机械设备信号处理典型算法模型，以及近3年公开的各种学术文献，形成了信号处理各类经典算法模型以及最新的各类信号处理算法模型，形成了机械设备信号处理算法软件包SPAgent-V2.5版本：融合了目前各种先进的信号处理算法（可处理振动信号、转速信号、位移信号、声信号等），合计包括近200套算法开发完成，集中于最新3年的新颖算法，可应用于各种机械部件对象（如滑动轴承、滚动轴承、转子、齿轮箱、电机等）），采用全Python语言，以B/S模式，通过前端与后端集成开发，采用开放的、模块化、多层架构的设计思想实现机械系统故障诊断与健康退化预诊维护，能应用在不同场合的设备故障诊断与监测，满足不同类型机械设备与关键部件（轴承、转子、齿轮箱等）的健康预诊与故障诊断需求。SPAgent所有算法模型可灵活地集成到各种设备诊断与健康预诊系统，提供完整的算法类调用接口，基于该工具箱的各种信号处理模型，可迅速建立起一套完整的设备故障诊断与健康预诊系统，也可支持各类系统研制与学术研究。SPAgent包含以下机械设备型号处理算法模块：

（1）时域频域信号处理模块：信号滤噪、频谱分析、时域统计分析、时频域分析、多传感信息融合、故障分离、故障诊断、多故障诊断、变转速诊断等功能；

（2）可视化监测与故障诊断模块：实时波形频谱图、设备振动实时趋势、设备运行状态、振动历史比较图、单多值棒图、三维瀑布图、伯德图、提纯轴心轨迹图、二、三维全息谱图、绘制阶次谱图、启停机转速谱图、频域谱细化图、变速信号处理、稀疏保持、信号变换、形态滤波、转子动静平衡测试等算法模型；

（3）信号降噪算法模块：形态滤波、梳状滤波、小波包滤波、带通滤波、一维Gabor滤波等

（4）信号分解算法模块：小波分解、小波包分解、经验模态分解、变分模态分解、局部均值分解、群分解、非负矩阵分解等

（5）变转速下的信号处理典型算法模块：阶次跟踪、广义解调、同步压缩变换、排列熵等典型算法模型；

（6）早期缺陷预示算法模块：形态分量分析、能量分离算法、正则化正交匹配追踪、子空间追踪等

（7）针对滚动轴承、滑动轴承、转子、变速箱、电机等典型关键机械部件提供各类信号分析处理算法；

（8）声纹处理工具箱：梅尔倒谱系数、梅尔滤波器、Bark倒谱系数、线性预测倒谱系数等；

（9）近3年公开的各种学术文献最新的各类信号处理算法模型。

 

 

---