传统的多变量分析（MVA）故障诊断方法通常要求分离的采样数据潜在变量必须服从正态分布，这通常很难满足实际的工业过程。 本文首先介绍了一种基于Q统计量的故障诊断方法。 它要求采样数据必须服从正态分布。 然后介绍一种基于信息增量矩阵（IIM）的故障诊断方法，该方法的采样数据不受正态分布的限制。 该方法主要由定义协方差矩阵，计算信息增量矩阵，信息增量均值和动态阈值等组成。 最后，给出了一个数值模拟的例子和一个田纳西州的伊斯曼过程的例子，以验证两种错误诊断方法，即Q统计量和IIM，在误报和漏报中的检测性能。 结果表明，在采样数据不服从正态分布的情况下，Q统计方法的检测性能较差，而基于IIM的故障诊断方法较好。

设计了一种多源信息特征层融合的故障诊断方法，应用在电力电子电路的诊断过程中。选择待测电路的节点电压和重要支路电流作为融合对象，利用小波变换和主成分分析对数据进行预处理和特征提取，采用间隔交叉的方式将电压特征矢量和电流特征矢量联合形成特征矢量，通过神经网络对联合特征矢量进行推理分类，得到故障诊断结果。以Buck―Boost电路为诊断实例，对比分析了选择不同特征融合对象对故障诊断结果的影响，实验结果证明该方法可以明显提高电路诊断率。

WORD格式，用MATLAB编程，对变压器故障进行诊断，整理成报告样式，包含数据和流程图，文字说明，

在柴油机故障诊断中进行故障分类的RBF的程序设计

为了保证矿井提升机安全可靠运行,开发出基于LabVIEW的状态监测与故障诊断系统。实现了对信号的时域分析、频域分析及相关分析,并完成了数据的存储与回放,为提升机故障诊断提供可靠依据。通过具体的实践,证明了该系统应用到矿井提升机故障诊断中是可行、可靠的。

峭度指标是非平稳信号故障诊断的重要参数。峭度指标对信号中的冲击成分十分敏感，冲击成分能量越大，其峭度值就会越大，在故障诊断的时域分析中十分重要。本文件中将其独立做成了一个子vi，便于程序直接调用。

通过GA算法优化RBF神经网络初始参数，以减小误差，提高诊断效率，对GA-BP故障诊断模型进行MATLAB仿真分析

- main为wdcnn卷积神经网络主文件，运行它就可以得出结果- preprocess为预处理文件，主要实现制作数据集的功能- 日志文件保存在logs里面，通过启动tensorboard查看

基于模型的故障诊断技术

基于emd的滚动轴承故障诊断驱动计数端的内圈故障，故障明显，基于EMD的包络解调有效风扇计数端的内圈故障，故障效果不好，基于EMD的包络解调不是很有效基础计数端的内圈故障，故障效果不好，基于EMD的包络解调无效，只能看到转频，故障频率不明显