Fault-Diagnosis Applications;Model-Based Condition Monitoring;Actuators, Drives, Machinery, Plants, Sensors;

目录如下: 1、系统分析概念(Basic concepts of System Analysis)； 2、系统分析方法介绍(Overview of Inductive Methods) 3、故障树分析基本概念（Fault Tree Analysis-Basic Concepts） 4、故障树基本元素(The Basic Elements of a Fault Tree) 5、建立故障树基础（Fault Tree Construction Fundamentals） 6、概率定理-事件的数学描述(Probability Theory-The Mathematical Description of Events) 7、布尔代数及故障树分析应用(Boolean Algebra and Application to Fault Tree Analysis) 8、压力舱示例(The Pressure Tank Example) 9、三速电动机示例（The Three Motor Example） 10、概率与统计分析(Probabilistic and Statistical Analyses) 11、故障树评价技术(Fault Tree Evaluation Techniques) 12、故障树评价计算代码(Fault Tree Evaluation Computer Codes)

PHM深度学习 PHM中的深度学习，故障诊断中的深度学习，剩余使用寿命预测中的深度学习 该存储库的目的是收集PHM领域中深度学习的应用研究，收集和组织开源算法资源，并为研究人员提供学习和交流的平台。 文件 每周纸快递 2020年 | 评论论文 Dalzochio，J.等人，《机器学习和工业4.0中预测性维护的推理：当前状态和挑战》。 工业计算机，2020年。123：第。 103298. Zhao，Z.等人，《旋转机械智能诊断的深度学习算法：开源基准研究》。 ISA Transactions，2020年。 Jiao，J.，et al。，卷积神经网络在机器故障诊断中的全面综述。 神经计算，2020年。 Singh，J.等人，滚动轴承PHM的机器学习算法的系统综述：基本原理，概念和应用。 测量科学与技术，2020年。 Liu，Z. and L. Zhang，大型风力涡轮机轴承的故障模式，状态

12k Drive End Bearing Fault data---DE驱动端12k数据集。

12k Fan End Bearing Fault Data凯斯西储大学轴承数据风扇端12k的数据集。

田纳西州伊士曼（Tennessee Eastman）使用深度学习进行过程故障检测 数据集： 参考： 工业系统中的故障检测与诊断 深基于卷积神经网络模型的化工过程故障诊断的伍皓，赵劲松-

Fault Tolerant Control Design for The Attitude Control Systems of Flexible Spacecraft with Sensor Faults

风力发电机故障穿越

轴承_故障_CWRU 来自CWRU数据集的10类分类。 作为我的硕士论文的一部分创建，题目为“轴承故障分类的深度学习算法”。 所有代码都使用Tensorflow库和Keras API在Python中完成。 标记为“分类”的情况。 这些代码包含卷积神经网络（CNN）形式的深度神经网络（DNN）。 CNN基础结构取自 基本代码结构在漂亮的文章 #cwru #bearingfault #keras #tensorflow #deeplearning #cnn

容错堆栈 问题 基于指针的数据结构容易受到内存故障的影响，这会改变元素之间的链接。 此类故障可能导致数据结构的部分或全部内容丢失。 （想象一个单向链表：被内存故障损坏的单个指针会使列表中的所有以下元素都无法访问。）内存故障很容易观察到（尽管它们通常会导致系统崩溃），并且最近的各种工作都描述了现代 DRAM 对此类故障的敏感性，甚至可以由精心编写的旨在破坏数据的程序引起（例如，[1, 2, 3]）。 潜在的解决方案 帮助减少内存故障对基于指针的数据结构的影响的一种方法是简单地复制数据结构的全部内容。 这需要大量的存储开销和额外的操作来保持副本之间的一致状态。 为了避免最多n 个错误，一个数据结构必须被复制n + 1 次。 为了帮助减少帮助容错所需的开销，Aumann 和 Bender [4] 设计了几种容错数据结构。 他们的主要思想是使用较低开销的方法，允许数据结构中最多n 个元素出现故障