BP网络在汽车电脑控制点火系统故障诊断中的应用，杨黎黎，戴永贤，基于人工神经网络的基本原理，本文研究了BP算法在汽车发动机电脑控制点火系统常见故障检测与诊断建立BP网络模型，模型中同时考虑�

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.

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

人工智能-机器学习-模拟移动床控制系统故障诊断及远程监控的研究和实现.pdf

matlab故障诊断代码BLDC电机控制FOC 该存储库在Matlab / Simulink中为BLDC电机实现了磁场定向控制（FOC）。 该控制器已在实时气垫板嵌入式平台上进行了部署和测试： 目录 FOC架构 FOC体系结构包括： 估算：根据霍尔传感器信号估算转子位置，角度和电动机速度 诊断：实现错误检测，例如未连接的霍尔传感器，电机堵转，MOSFET损坏 控制管理器：管理控制模式（电压，速度，转矩）之间的转换 FOC算法：实现FOC策略 控制类型管理器：管理换向，正弦和FOC控制类型之间的过渡 下图说明了FOC算法架构： 在此实现中，可以使用3种控件类型： 换向 SIN（正弦波） 具有以下3种控制模式的FOC（磁场定向控制）： 电压模式：在此模式下，控制器向电机施加恒定电压。 速度模式：在该模式下，闭环控制器通过抑制施加到电动机的任何干扰（电阻负载）来实现输入速度目标。 转矩模式：在此模式下，实现输入转矩目标。 当转矩目标为0时，此模式将使电动机“空转”。 控制器的C代码可以使用生成自动代码。 如图所示，该控制器设计用于电机绕组结构。 但是，只要稍加修改，控制器就可以适用于其他可用

1、python程序 2、有数据集 3、里面进行了三种算法对比，遗传算法、粒子群算法和布谷鸟算法 4、有一篇类似论文

现代工业系统已呈现出向大型化、复杂化的方向发展,使得针对工业系统的故障诊断方法遇到一系列的技术难题.近年来,深度学习(deep learning)在特征提取与模式识别方面显示出独特的优势与潜力,将深度学习应用于解决复杂工业系统故障诊断的研究已初现端倪.为此,首先介绍几种典型的基于深度学习方法实现工业系统故障诊断方法;然后对基于深度学习实现故障诊断的主要思想和建模方法进行描述;最后总结和讨论了复杂工业系统故障的特点,并探讨了深度学习在实现复杂工业系统故障诊断方面所面临的挑战,展望了未来值得继续研究的方向.

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。