基于LabVIEW与MATLAB混合编程的思想,设计了矿井提升机在线监测与故障诊断系统,综合运用计算机、虚拟仪器、故障诊断等技术,经数据采集及分析、预测报警等实现了提升机在线监测与故障诊断功能。充分利用了LabVIEW与MATLAB的特点,安装简便,界面友好,编程灵活。对现场采集的振动信号进行了小波消噪与奇异性检测测试,取得了良好的效果。

人工智能-机器学习-船舶减摇鳍智能故障诊断系统设计研究.pdf

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。

介绍了小波变换在滚动轴承故障特征提取中的应用。结合小波变换研制了一套滚动轴承故障诊断虚拟仪器系统。通过对滚动轴承振动信号的小波变换分析,可提取滚动轴承运行状态的特征向量,分析滚动轴承的振动信号,诊断轴承的故障。

大型水轮发电机组状态监测与故障诊断系统zip,大型水轮发电机组状态监测与故障诊断系统

基于Labview和Matlab混合编程的故障诊断系统研究 论文

为了实现采煤机健康状况的实时监测与故障诊断,使采煤机能够长时间处于最佳运行状态,结合电子领域研究热点嵌入式技术,提出了一种基于嵌入式Linux的采煤机状态监测与故障诊断系统设计方案,研究了电牵引采煤机状态监测与故障诊断系统的总体设计、工作原理和软硬件实现,结果表明:该系统设计能够较好实现采煤机的状态监测与故障诊断,具有一定的实用价值。

基于NI USB-6251数据采集卡的故障诊断系统，宋斌，李小平，实时数据采集是对大型设备在线监测和故障诊断的基础.如何将实时采集的海量数据存储到数据库一直是一个热点。虽然NI公司提供了相关

主要介绍电机如何进行故障诊断，并在论文中使用多种方法进行故障诊断，最后对结果进行分析

现有训练集数据，1000 × 7，如下： xxxxxxxxxxxxxxxxxxxx 有测试集数据，100 × 7，如下： xxxxxxxxxxxxxxxxxxxx 以上数据分别是从某系统采集的数据，  训练数据集中，分别是采集的数据和标注结果，其中1、2分别表示该系统有无故障；  测试数据集中，分别是采集的数据和真实结果，其中1、2分别表示该系统有无故障； 现在需要使用训练数据集训练BP神经网络，然后用训练好的神经网络对测试数据集进行测试，并与真实结果进行对比，最终分析出神经网络的性能。 % --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) % hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global output_test inputn_train outputn_train inputn_test ... outputps BPoutput_test xunlian_num Error input_train output_train %创建网络 %获得gui_set中值 num_yinhan=str2num(get(findobj('tag','edit_yinhan'),'string')); TF=get(findobj('tag','transfer'),'string'); %传递函数 valueTF=get(findobj('tag','transfer'),'value'); TF=TF{valueTF}; BTF=get(findobj('tag','train'),'string'); %训练函数 valueBTF=get(findobj('tag','train'),'value'); BTF=BTF{valueBTF}; BLF=get(findobj('tag','learn'),'string'); %学习函数 valueBLF=get(findobj('tag','learn'),'value'); BLF=BLF{valueBLF}; tic;%启动一个定时器 net=newff(inputn_train,outputn_train,num_yinhan,{TF},BTF,BLF); net.trainParam.epochs=str2num(get(findobj('tag','cishu'),'string')); net.trainParam.goal=str2num(get(findobj('tag','goal'),'string')); net.trainParam.lr=str2num(get(findobj('tag','rate'),'string')); net=train(net,inputn_train,outputn_train); an=sim(net,inputn_test); t=toc;%关闭定时器，获取程序运行时间 %网络输出反归一化