风电机组的故障预测方法综述，马玉，王晨升，随着风电机组投产数量的不断增大，风机故障的出现也越来越频繁，时刻影响着安全与经济效益。本文详述风电机组的主流故障预测方法

优化随机森林模型的网络故障预测.pdf

在实际应用场景的配电网故障占电网总故障的80%以上，并且配电网故障的预测一直以来都是比较困难的课题.本文在国家电网提出“泛在物联”的号召下，分析了学者们在此问题上的研究成果后，结合图神经网络的思想提出了一种基于图神经网络的配电网故障预测方法.参考了现在常用的图神经网络设计框架，详细的设计了节点信息汇集函数、预测函数和损失函数，并根据算法流程测试选定了合理的深度参数.算法充分考虑了相连节点间的互相影响，使用真实的电网运行数据对在该课题上常用的其它两种算法的横向比较，实验表明算法在精确度上提高了3.0%，并具有更强的鲁棒性.

基于SVM-HSMM模型的设备故障预测研究，张彦如，孙志豪，数控机床是保证加工企业正常生产经营的基础资源。本文根据数控设备的运行过程，提出了基于程序片段的数据采集方式，针对监测数据

基于日志关联规则挖掘和模糊推理的集群系统故障预测方法，董婧，邱雪松，随着集群系统规模和复杂性的不断增长，故障的发生已经成为一种常态。故障预测是一种有效的可靠性主动管理和失效预防机制。针对现

随着业务系统规模不断扩大, 系统结构也变得十分复杂, 常规基于规则的方法已经很难判断多个系统相互作用下的复合型故障, 也难以对潜在故障进行预测. 本文在多业务系统的复杂场景下, 使用ELK平台对日志进行集中化管理, 梳理出复杂系统环境下日志与各业务系统、主机、进程之间的关系, 筛选出系统中直接与故障相关的日志文件, 进而在深度学习框架TensorFlow中使用这些海量数据对LSTM算法模型进行训练, 从而实现对系统的实时故障预测.

提出一种基于近似熵测度的变权组合预测方法. 首先, 不同于传统的预测效果评价准则, 从衡量样本序列复 杂性的角度出发, 以预测值误差序列的近似熵测度为评价效果准则, 建立变权组合预测优化模型; 然后, 在变权组合 预测权值分配问题上, 为克服常规的均值估计法和回归分析法的不足, 采用在线最小二乘支持向量机(LS-SVM) 回 归法, 实现预测点加权系数的准确预测; 最后, 通过实例表明了该方法的可行性和有效性.

寿命预测与故障诊断作为复杂装备系统可靠性分析中的两类重要问题，基于数据驱动的机器学习分析方法具有良好的 工程效果；文章系统地从故障预测与寿命估算及后续健康管理的实际工程需求出发，深入分析该类型系统因性能衰退出现的早期 故障诊断与维护时间确定的共性难点问题并深度挖掘其所对应的关键科学问题，对机器学习算法在其中的应用与研究进行综述， 重点阐述了人工神经网络、支持向量机等机器学习算法，对于完善可靠性分析方法，进一步推动机器学习算法在可靠性工程领域 的运用具有一定的指导意义。

_基于机器学习的故障预测与健康管理（PHM）方法研究 机器学习 PHM 故障预测与健康管理

航空军用发动机故障诊断与状态预测是制定合理的发动机调度和维修规划的基础，也是保障运营安全、提高经济性的重要支撑技术