自己做的长三角数学建模论文，质量很不错，代码数据都在附录，代码用的python 通过建立逐步回归模型，最近邻故障检测模型，分类故障诊断模型等，解决齿轮 箱的故障检测和有效诊断。 针对问题一，对振动数据进行分析，并且筛选出用于故障诊断的关键特征。纵 向角度，对不同故障状态下的同一传感器数据进行预处理分析，通过描述性统计， 箱线图分析，基于拉依达准则的异常值分析等定性的分析了数据的变化趋势。横向 角度，通过 Pearson 相关性分析量化传感器变量线性关系得到变量存在显著线性关 系，进一步利用逐步回归模型确定出关键特征为 sensor1，sensor3，sensor4。

基于 PCA 与 KPCA 的 TE 过程故障检测，MATLAB代码 + 文章！内含MATLAB源代码、PDF文档、word文档，做毕设或者做相关研究的人可以用到！

网络技术-综合布线-新一代互联网服务及故障检测若干关键技术.pdf

查看有关如何使用 GUI 的帮助文件。 有关故障诊断对应分析理论的详细信息，请参阅以下论文：Detroja KP、Gudi RD、Patwardhan SC 和 Roy K. (2006)，使用对应分析进行故障检测和隔离，Ind. & Eng。 切。 研究，45（1），223-235。

四、降维观测器 同维观测器（全维观测器）与原系统的维数相同，在受控系统维数很高时，观测器复杂程度随之提高，一种降低观测器维数的方法是利用输出量y对部分状态进行估计。 龙伯格降维观测器就是利用系统p个输出量，致使观测器维数减少到n-p维 构造这种观测器，要求： 1）系统完全能观 2）输出阵C应为满秩，即rank C=p

人工智能-机器学习-面向IDGPS机器人集群通信链路故障检测.pdf

状态反馈和观测器；现代控制；线性系统理论

基于自适应观测器的参数估计及其在道路坡度和车辆质量估计中的应用

% 基于 PCA 的故障检测％ % 输入：z0 [N x 2] = 训练数据% z1 [N x 2] = 测试数据% 其中： N = 样本数％ % 此代码可视化 PCA 如何计算% 用于故障检测中的多元数据。 % 它还使用 MATLAB 的 ks密度% 估计数据 PDF，以便计算% 基于 T^2 的控制上限。 ％ % simpledata.mat 具有样本温度 [K] % 和浓度 [mol/L] 数据来自% 模拟 CSTR 的含量。 ％ % 输出是原始数据的图， % 归一化数据和 PCA 投影数据。 % 另外，环代表基于 T^2 的% 不同用户的控制上限 - % 定义的置信水平被绘制。 ％ % 您可以在第 77 行编辑置信限。 ％ % 此代码用于教育目的。 ％ % 加载 simpledata.mat 并运行以下命令： % >> pcabased_fault_detection(train,

渲染器的matlab仿真求代码介绍 这些文件是基于 Matlab/Simulink 对论文的模拟： ATTACK-RESILIENT OBSERVER PRUNING FOR PATH-TRACKING CONTROL OFWHEELED MOBILE ROBOT 。 如果您使用全部或部分代码，请引用论文： @proceeding{Yu2020false, author={Zheng, Yu and Anubi, Olugbenga Moses}, title= "{Attack-Resilent Observer Pruning for Path-tracking Control of Wheeled Mobile Robot}", series = {Dynamic Systems and Control Conference}, volume={}, number={}, pages={}, year={2020}, publisher={ASME} } 论文有任何问题，请联系郑宇（ ），阿努比博士（ ）。 如何使用代码 机器学习oracle模拟 （参考： Localizatio