PLS故障经检测程序，适用于田纳西伊斯曼模型的故障检测

基于多输入输出神经网络模型传感器故障检测源代码.。传感器数据使用仿真数据，共有7个输入和4个输出，分别是： CS_angle：操纵面偏转量（机翼）单位：度； F_alt：飞行高度 单位：米 rate_HC：高度变化速率 单位：米/秒 P_angle：俯仰角 单位：度 Windspeed：风速 单位：米/秒 Airspeed：空速 单位：节 Engine_thrust：引擎推力 单位：千克 Attack_angle：迎角 单位：度 P_rate：俯仰角速率 单位：度/秒 Roll_rate：滚转角速率 单位：度/秒 Yaw_rate：偏航角速率 单位：度/秒传感器数据使用仿真数据，共有7个输入和4个输出，分别是： CS_angle：操纵面偏转量（机翼）单位：度； F_alt：飞行高度 单位：米 rate_HC：高度变化速率 单位：米/秒 P_angle：俯仰角 单位：度 Windspeed：风速 单位：米/秒 Airspeed：空速 单位：节 Engine_thrust：引擎推力 单位：千克 Attack_angle：迎角 单位：度 P_rate：俯仰角速率 单位：度/秒 Roll_ra

映美打印机电路故障检测与维修.pdf

-包含了Pensim仿真软件的安装文件以及中文使用手册 很详细的步骤，方便自己生成数据 -包含了两个Excel文件，分别是正常工况下的数据和故障1下的数据，都是300h的数据，每0.5h的采样间隔，故障1是底物流加速度以10%的幅度阶跃降低，从80h加入，一直到发酵结束 -可以自己使用Pensim仿真软件生成各种故障数据 -附带两篇论文介绍青霉素发酵过程数据集

计算机故障检测卡(PCIISA两用型)故障代码表

分布式无线传感器网络故障检测算法综述.doc

故障诊断代码 matlab

基于PLS的多采样率过程故障检测及其仿真

现代工业系统已呈现出向大型化、复杂化的方向发展,使得针对工业系统的故障诊断方法遇到一系列的技术难题.近年来,深度学习(deep learning)在特征提取与模式识别方面显示出独特的优势与潜力,将深度学习应用于解决复杂工业系统故障诊断的研究已初现端倪.为此,首先介绍几种典型的基于深度学习方法实现工业系统故障诊断方法;然后对基于深度学习实现故障诊断的主要思想和建模方法进行描述;最后总结和讨论了复杂工业系统故障的特点,并探讨了深度学习在实现复杂工业系统故障诊断方面所面临的挑战,展望了未来值得继续研究的方向.

自己做的长三角数学建模论文，质量很不错，代码数据都在附录，代码用的python 通过建立逐步回归模型，最近邻故障检测模型，分类故障诊断模型等，解决齿轮 箱的故障检测和有效诊断。 针对问题一，对振动数据进行分析，并且筛选出用于故障诊断的关键特征。纵 向角度，对不同故障状态下的同一传感器数据进行预处理分析，通过描述性统计， 箱线图分析，基于拉依达准则的异常值分析等定性的分析了数据的变化趋势。横向 角度，通过 Pearson 相关性分析量化传感器变量线性关系得到变量存在显著线性关 系，进一步利用逐步回归模型确定出关键特征为 sensor1，sensor3，sensor4。