案例19 概率神经网络的分类预测-基于PNN变压器故障诊断.7z

对基于EMD-AR模型的齿轮箱故障诊断进行了研究。对齿轮箱故障振动信号采用EMD方法进行分解,得到有限个平稳的IMF(本征模式函数),对其建立AR模型,将建立的每个AR模型残差的方差和自回归参数建立Mahalanobis距离判别函数,最后进行模式特征综合,确定齿轮箱的工作状态以及故障类型。研究表明,采用EMD-AR模型进行齿轮箱故障诊断是可行有效的,提高了齿轮箱故障检测的准确性。

对齿轮箱故障诊断特点和方法进行分析,举例介绍了小波变换在齿轮箱故障诊断中的应用。利用小波变换对齿轮箱工况信号进行分解,重构以及提取细节信号包络谱,快速准确判断出齿轮箱设备运行状态是否异常,并利用BP神经网络进行故障诊断定位,比传统方法更有效。

以小波变换、小波神经网络为工具,采用定子电流对HXD1B型机车的YQ1633异步牵引电动机开展牵引电机齿轮故障诊断研究。定子电流法相对于振动法更容易实施,有效克服了振动信号中包含的复杂干扰。由小波分析完成齿轮故障的特征量提取,通过神经网络对故障类型进行判断,实际测试表明,该方法具有较好的故障诊断性能。

自己的故障诊断课程设计，安装环境： tensorflow1.7 cpu版 用gpu会报内存不够错误 keras==2.2.4 数据集：CWRU数据集 西储大学轴承数据集 已附带处理好的数据集 包含CNN预测程序，已在本机使用。 直接可以使用，无bug版本。

5 种最常见的 DNS 故障诊断及问题处理方法.doc

具有空间矢量控制方案的感应电动机三相电压源逆变器被广泛用于工业应用中。 遭受的故障将导致输出转矩纹波和谐波电流降低系统性能。 本文提出了一种新颖的诊断方法，用于检测和定位绝缘栅双极型变压器的开路故障。 离散小波变换被用作三相输出电流的预处理技术，近似系数被应用于获得能量矢量。 计算每两个能量矢量之间的欧式距离，以测量电流相似度以诊断故障。 当IGBT发生开路故障时，欧氏距离的值将小于正常情况下的值，然后可以检测到故障。 也可以根据提取的特征来定位故障。 仿真和实验结果表明，该方法具有较高的效率和优点。

针对传统的专家系统在对异步电动机进行故障诊断时知识获取困难且无法解决新故障的问题,提出了一种基于神经网络的异步电动机故障诊断专家系统的设计方案,给出了系统结构及神经网络模型设计。仿真结果表明,该系统能够很好地结合专家系统与神经网络的优势,达到了异步电动机故障诊断的预期目标。

针对齿轮故障信号的能量所引起的变化会淹没在常规振动与噪声之中，用传统的信号处理方法不易提取故障特征，给齿轮的故障诊断带来很大困难这-事实，本文描述了用于从振动信号中提取故障信息的小波包和用于识别故障类型的BP网络，研究了BP网络故障模式识别与小波包故障特征提取结合在-起对齿轮故障进行诊断的方法。研究结果表明该方法可以成功地用于齿轮常见故障的识别和诊断。

故障诊断代码matlab SOCIS 2013提案 框架构建及其在现实世界中的推理问题 该项目的目标是为BRML工具箱的Python版本实现一个高效且面向对象的框架。 BRML工具箱是在MATLAB下开发的，并提供了与贝叶斯推理和机器学习有关的各种演示。 该工具箱隶属于伦敦大学学院（UCL）计算机科学系的读者David Barber最近精心设计的一本书。 我们PyBRML工作的意义可以通过两种方式来强调： 贝叶斯推理和概率图形模型是用于构建专家系统以解决实际问题的统一框架。 当前，不存在用于Python下贝叶斯推理和概率图形模型的积极开发工具箱。 我们的PyBRML将使喜欢Python的书籍读者，工程师和研究人员都受益。 BRML工具箱提供了用于各种主题的算法，例如贝叶斯推理，机器学习，动态系统和近似推理等。BRML当前的框架总结如下： 在SOCIS 2013中，最重要的是，我们将专注于贝叶斯推理和概率图形模型部分，因为它提供了概率建模，这对于概率机器学习和动力学模型以及进一步的近似推理是至关重要的。 路线图 该项目的第一步是在Python中为MATLAB版本对应的BRML工具箱创建一