基于深度学习的滚动轴承故障诊断方法（python代码） 轴承故障诊断时机械状态监测的热门研究方向，其算法的核心在于信号特征提取与模式分类两个部分。在轴承故障诊断领域，常见的特征提取算法有快速傅里叶变化，小波变换，经验模式分解以及信号的统计学特征等，常见的模式分类算法有支持向量机，BP 神经网络（也称为多层感知器），贝叶斯分类器以及最近邻分类器等。当下轴承故障诊断的研究热点是可以归结为 3 类：寻找更好的特征表达；寻找最适合的特征表达以及分类器的组合；以及发明新的传感器。

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

传感器故障主要包括：完全失效故障、固定偏差故障、漂移偏差故障和精度下降四类。从不同角度出发，故障诊断方法的分类不完全相同。现简单地将故障诊断方法分为：基于解析数学模型的方法和不依赖于数学模型的方法

故障树的规范化处理 目的:是为了使FTA程序的输入格式标准化。 规范化的故障树在本质上只含有底事件（对立事件）、顶事件及 两类逻辑门（“与”、“或”）中的一类或两类逻辑门。

WebLogic服务故障诊断方法

传统的深度信念网络规模大、难度大、训练时间长，导致其故障诊断的时间较长。针对该问题，提出了一种基于贝叶斯正则化深度信念网络的电力变压器故障诊断方法。采用贝叶斯正则化算法改进传统深度信念网络的训练性能函数，在保证网络精度的同时快速提高计算速度，从而提高网络的收敛速度。实验结果表明，经过贝叶斯正则化改进后，深度信念网络训练的泛化能力得到了提高，同时故障诊断的准确率也得到了保证。

当前基于油中溶解气体分析(DGA)的变压器故障诊断方法往往仅考虑单一时刻数据点，容错性差，难以充分挖掘在线监测数据的时序信息。提出一种考虑变压器油特征参量序列间复杂关系的基于双向长短时记忆(Bi-LSTM)网络的变压器故障诊断方法。首先构建了变压器油特征参量序列，基于序列数据构建了Bi-LSTM变压器故障诊断模型。工程实际中不同变压器油特征参量序列长短不一，需通过排序、分组填充对模型输入进行重构改进，然后对超参数进行优化。基于同一自建数据库对比所提方法与其他方法，结果表明：经过数据重构后所提方法的准确率可达91.9 %；当特征指标数量减少约2/3时，所提方法的准确率仅下降约1%，而其他方法的准确率平均下降约6 %；当采样数据存在10%的随机错误时，所提方法诊断准确率仅下降2%~6 %，且通过改变隐藏层的数量可得到改善。

电力变压器在电网电力能量的传输和电力能量的转换中起非常重要的作用,在电网安全防御上的作用也非同一般。电力变压器一旦发生故障会严重影响电力系统的运行,对国家财产、居民生活造成损害。因此对其故障进行研究十分重要。目前一般采取外表特征分析、数据量化分析、人工智能模拟等方法进行故障原因探寻。通过这些分析,初步了解了电力变压器的故障一般是由外界环境变化、变压器自身老化引发的短路、断路而造成。掌握这些理论知识有助于提高故障紧急处理的能力、防范能力,提升电网运行的稳定性和运行效率。同时也可促进对于一些未出现的故障在设计时进行防范,提升电网建设质量。

介绍了一种非线性故障检测方法——核主元分析法（KPCA），通过核函数来完成非线性变换，将变量由非线性的输入空间转换到线性的特征空间。在特征空间中使用PCA计算主元，构造T2和SPE统计量检测过程故障的发生。提出了一种KPCA贡献图计算方法，根据测量变量和非线性主元的相关性，计算测量变量的贡献量绘制贡献图，用于故障变量的分离。仿真结果表明，KPCA方法可以比PCA方法更加迅速的检测到故障的发生，利用KPCA贡献图可以较好的辨识出故障变量。

异步电机状态监测与故障诊断方法浅析，黎腊红，马宏忠，异步电动机定子绕组故障是一种常见故障，国内外学者多年来对此进行了大量的研究。本文国内外学者多年来对于异步电机状态监测和故