为提高供电系统的可靠性,采用自研的串联型故障电弧发生器开展了不同负载类型、不同电流下的串联型故障电弧实验.以故障电弧电流信号为研究对象,对时间序列进行时域、频域特性分析,提取故障电流在时域、频域的特征参数,构建串联型故障电弧的特征向量,采用主成分分析方法对特征向量进行去冗余、降维处理.最后以主成分分析后的特征向量作为输入,从可靠性角度对比分析LVQ神经网络与K近邻算法故障诊断的优越性,建立了经K循环寻优处理后的K近邻串联型故障电弧诊断模型,并对诊断模型进行了抗扰动分析、泛化性分析.结果表明,该方法能有效地实现对电连接器串联型故障电弧的识别.

人工智能-机器学习-融合支持向量机的水电机组混合智能故障诊断研究.pdf

本文针对齿轮箱故障检测与诊断问题，运用信号处理和神经网络等相关知识，构建了小波变换模型、1D-CNN 模型进行齿轮箱工作状态的分析。综合运用 MATLAB 和 Python 等软件编程求解，通过模型参数调整使 1D-CNN 模型效果趋于最优，最终得到较为准确的诊断结果。对于输入神经网络的数据，进行训练集与测试集的划分以及归一化、编码分类标签等操作便于模型训练。 有问题欢迎私信沟通交流，共同学习！

本教程具有以下特点： 1、   介绍安装步骤，重点注意事项； 2、   集群规划，搭建主要步骤，重点注意事项； 3、   编制简单脚本进行优化，参数调优。 4、   最全面、最实用 5、   软件版本Redhat7.5 Weblogic12.2.1.3 JDK1.8 6、  详尽的报错处理方案 7、   结构清晰 8、   由浅入深，初学者可以看懂，进阶者也不枯燥Redhat7.5企业版集群规划，搭建主要步骤，重点注意事项；脚本进行优化，参数调优

本文针对齿轮箱故障检测与诊断问题，运用信号处理和神经网络等相关知识，构建了小波变换模型、1D-CNN 模型进行齿轮箱工作状态的分析。综合运用 MATLAB 和 Python 等软件编程求解，通过模型参数调整使 1D-CNN 模型效果趋于最优，最终得到较为准确的诊断结果。对于输入神经网络的数据，进行训练集与测试集的划分以及归一化、编码分类标签等操作便于模型训练。 有问题欢迎私信沟通交流，共同学习！ 参考文献 [1] 李鹏, 孔凡让, 何清波. 齿轮箱状态监测中的振动信号多标度分析[J]. 计算机工程, 2011, 37(14):242-244. [2] 杨永灿, 刘韬, 柳小勤,等. 基于注意力机制的一维卷积神经网络行星齿轮箱故障诊断 [J]. 机械与电子, 2021, 39(10):6. [3] 梁睿君, 冉文丰, 余传粮,等. 基于 CWT-CNN 的齿轮箱运行故障状态识别[J]. 航空动 力学报, 2021, 36(12):9. [4] 吴春志, 江鹏程, 冯辅周,等. 基于一维卷积神经网络的齿轮箱故障诊断[J]. 振动与冲 击, 2018, 37(22):6.

Oracle坏块故障葵花宝典

飞塔waf7.0故障排查手册

JD生产故障等级定义+业务线维度

分布式系统Failover测试框架的实现 摘要 Failover是指系统处理故障并恢复的过程，目前大多数分布式系统都实现了自动Failover的机制，即使发生局部失败也能继续提供服务。Failover测试则是通过主动注入错误，模拟出各种软硬件故障，以此检验在失败和恢复时系统的健壮性。 我们内部的分布式系统已经部署在上千台普通服务器上，软硬件故障时有发生，进行Failover测试成了系统开发的必备环节。传统的测试方法需要人工参与，自动化程度低，我们亟需一个高效的Failover测试框架确保系统满足高可用的需求。于是我们实现了一个针对分布式系统的Failover测试框架，这个框架有错误注入功能，同时能够对系统进行数据验证，还有Web页面展示等功能。 本论文将会介绍这个分布式系统Failover测试框架的需求分析，讲述我们实现此测试框架的开发动机和调研成果；然后详细介绍这个测试系统的实现原理，了

人工智能-机器学习-模块化水下机器人及其故障诊断研究.pdf