利用多信号模型可简明表征系统因果关系以及盲源分离算法可提取系统本源信息的特点, 提出一种新颖有效的复合故障诊断方法. 首先, 针对复合故障下多信号模型出现冗余测试和故障模糊组的情况, 应用盲源分离算法实现测点信息的盲分离, 基于盲信号重建多信号模型的因果结构; 其次, 理论分析了该方法对复合故障具有良好的可诊断性. 轧制过程AGC系统的实验结果表明, 所提出方法对双复合故障和部分多复合故障的隔离和定位准确率可达100%.

摘要：由于负载的改变或环境的改变，机械设备通常会以多模态的方式运行。因此抽取的观测数据随着模态的变化而变化。模式划分是故障分类之前的一个重要的步骤。本文提出了一

文章概述了旋转机械故障诊断的基本方法和国内外的先进技术，分别阐述了各方法的基本原理、优缺点及典型应用

摘要：基于软件定义网络环境下故障诊断方法的研究现状，提出了一种在软件定义网络下故障诊断定位的方法。通过发送具有匹配识别标志字段的TCP测试数据分组，利用软件定义

基于AR模型和支持向量机的转子系统故障诊断方法，于德介，陈淼峰，提出了基于AR模型和支持向量机的转子系统故障诊断方法。该方法对转子系统的振动信号建立AR模型，以AR模型主要的自回归参数和残差的

1、最小割集测试法 基于故障树定量分析的故障诊断 一个最小割集代表设备的一种故障模式，故障诊断时，可以逐个测试最小割集即故障模式，从而搜寻故障源。 但对复杂设备的故障树分析，将有大量故障模式需要测试，在实际工程中，有时是很难实现的，此时可利用故障树最小割集重要度进行分析。 具体做法是：在计算出故障树各最小割集的重要度后， 首先在量级上进行分析比较，对那些重要度值很小的最小割集的故障模式，可以不必测试，而对那些需要测试的故障模式，按重要度值从大到小的次序进行检测，这样可以提高故障诊断命中率，减少测试诊断的工作量。

Alzheimer-s-disease-documentation:阿尔茨海默氏病的常见检查方法和诊断方法

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。

风电机组轴承处于早期故障阶段时，特征信号往往比较微弱，并且受环境噪声及信号衰减的影响严重，因此轴承早期故障特征一直难以提取。经验模态分解(EMD)在轴承的故障特征提取中已经得到了广泛的应用，但其在强背景噪声干扰下对轴承早期故障特征的提取具有一定的局限性。针对这一问题，考虑到最大相关峭度解卷积(MCKD)算法可凸显出轴承振动信号中被噪声所掩盖的故障冲击脉冲，非常适用于轴承早期故障信号的降噪处理，因此将MCKD与EMD相结合用于轴承早期故障诊断。用MCKD对强噪声轴承信号进行降噪，然后对降噪后的信号进行EMD，选取敏感本征模态函数(IMF)并计算其包络谱，通过分析包络谱中幅值凸出的频率成分判断故障类型。仿真和试验分析结果验证了所提方法的有效性和准确性。

随着电路系统集成度的不断增大，模拟电路中的故障成本占据集成电路总诊断成本的绝大部分，因此加强模拟电路故障诊断与排除的研究十分重要。首先分析模拟电话故障的类型与原因，随后详细介绍几种故障的诊断方法。