光传输线路与设备维护

基于小波变换的信号奇异性检测原理,提出了信号奇异点的定位及奇异性程度的检测方法,并利用Matlab仿真平台,对故障信号实例进行了仿真和分析。仿真结果表明,与传统的Fourier分析方法相比,该方法是一种简单、有效的检测方法,特别在非平稳信号的监测和机械故障诊断领域。利用此方法可以比较精确地判断出信号发生的奇异点时刻以及奇异程度的大小,并且边缘效应要小得多。

一键解决Windows照片查看器无法查看图片的故障，故障提示如“Windows照片查看器无法显示此图片，因为计算机上的可用内存可能不足。请关闭一些目前没有使用的程序或者释放部分硬盘空间（如果硬盘几乎已满），然后重试。”特别适合线上分发，批量设置。

设备剩余寿命预测学习，CMAPSS发动机数据集

故障检测，分别是pls和pca，计算spe和t2控制量。

基于LSTM的故障诊断-python程序说明及源代码.zip

长坤 CK-T1503 测温枪固件 ，开机提示H1 温度高，不一定是测温头坏，下载此固件写入 24C02 里面即可修复

ISO 15031 合集，ISO 15031-2、ISO 15031-3-2004、ISO 15031-5 2006、ISO 15031-6 2005

传统的多变量分析（MVA）故障诊断方法通常要求分离的采样数据潜在变量必须服从正态分布，这通常很难满足实际的工业过程。 本文首先介绍了一种基于Q统计量的故障诊断方法。 它要求采样数据必须服从正态分布。 然后介绍一种基于信息增量矩阵（IIM）的故障诊断方法，该方法的采样数据不受正态分布的限制。 该方法主要由定义协方差矩阵，计算信息增量矩阵，信息增量均值和动态阈值等组成。 最后，给出了一个数值模拟的例子和一个田纳西州的伊斯曼过程的例子，以验证两种错误诊断方法，即Q统计量和IIM，在误报和漏报中的检测性能。 结果表明，在采样数据不服从正态分布的情况下，Q统计方法的检测性能较差，而基于IIM的故障诊断方法较好。

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。