安全技术-网络信息-模拟电路故障诊断的神经网络实现.pdf

基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法的研究 基于机器学习的旋转机械故障诊断方法

变压器是电网的核心设备，其健康状态关系到电力系统的安全运行，开展变压器故障诊断既有实用价值，又有研究意义。变压器故障诊断的传统方法为国际电工委员会发布的IEC三比值法，该方法存在诊断准确率低、对编码以外的部分样本无法诊断等弊端。鉴于此，本文提出了一种基于统计规律的故障诊断方法，利用变压器油中溶解气体作为特征量，以故障类型为分类结果，采用朴素贝叶斯算法，建立了基于贝叶斯分类器的变压器故障诊断模型。为验证本文模型的效果，采取了两次实例测试：单次随机试验表明，本文模型将诊断准确率较IEC传统方法提高了10个百分点；多次随机试验表明，本文模型的平均诊断准确率在95%以上。因此，本文模型具有分类准确率高、泛化能力强等特点，能满足实际工程需要，可作为电力设备故障诊断的有效方法。

从振动信号中提取故障特征是滚动轴承故障诊断的常用方法。提出了利用零空间追踪算法和包络谱分析进行滚动轴承故障诊断的方法。首先对轴承故障振动信号进行零空间追踪(Null Space Pursuit)分解,降低噪声的干扰,提取高能量成分。然后对高能量分量进行包络谱分析得到振动信号特征频率,与理论故障特征频率对比后确定故障类型。仿真和试验结果显示该方法能够成功提取特征频率,辨别轴承故障类型,具有一定的实际意义。

介绍了一种基于C#的带式输送机故障诊断系统的设计与实现方法,利用该系统可以对带式输送机进行实时监控与故障诊断,及时发现、排除带式输送机的各种故障,保证其稳定运行,提高生产效率,在煤矿企业具有良好的推广前景与应用价值。

LMD分解,lmd分解故障诊断,matlab源码

PCA故障诊断matlab代码，只需输入训练数据和测试数据即可。

时序信号分析 ceemd分解，形态学滤波

针对液压系统故障难以发现的问题,将故障树与专家系统有效地融合,设计了专家系统知识库;使用MATLAB软件的图形用户界面(GUI),开发了一套煤矿液压支架故障诊断系统,通过界面把知识库的数据导入该系统,实现故障诊断。该系统操作方便,可视化界面友好,为煤矿液压支架故障诊断与维修提供帮助。

LabVIEW与MATLA在制冷系统故障诊断中的应用.pdf