超螺旋滑模观测器simulink仿真，亲测可以运行

用于故障检测电路BDD算法的实现，基于linux系统，需要移植，安装readme操作，并make生成可执行文件

基于状态观测器的故障诊断方法，陈晓智，，本文给出了故障诊断的基本概念和该学科研究方法的详细分类表，从数学模型的角度介绍了基于观测器的故障诊断方法，并详细推导了失

干扰观测器的，即DOB实现，提供详细的matlab代码。

工业过程的过程监控与故障检测，一实现方法性能评估，二实现在线监控，使用以太网通信。

这是我在网上找到的一个程序，有点问题，但也可以给大家参考一下

基于机器学习实现发电厂辅机故障预警系统源码+项目说明.7z 针对电厂辅机故障率高，传统的基于机理的模型预警不及时，经常误诊的问题，设计了基于机器学习的新型故障预警模型 面对三种不同的使用场景，分别设计了基于聚类和关联规则的预警模型、基于随机森林的预警模型、与基于多元高斯分布和人 工神经网络的预警模型 使用某电厂一次风机的实际数据进行验证，所设计的三种预警模型能够提前约60min发出预警，给电厂运行人员提供指导 除了以上的算法，还使用一分类、支持向量机、XGBoost算法等对数据进行了处理

研究了带有预见信息的线性离散时间系统的状态观测器,并将其应用到预见控制系统.为了满足设计观测器的需要,首先导出了包含可预见的目标值信号和干扰信号的扩大误差系统,并由此得到最优预见控制器.在设计状态观测器时,通过改写输出方程充分利用了可预见的目标值信号和干扰信号.设计的状态观测器针对原系统是全维观测器,而针对扩大误差系统则是降维观测器.最后通过数值仿真证明了所设计的状态观测器的有效性.

此提交包含以下文件： 1）dataset.mat 2) KPCAsurface.m 3) PCAsurface.m 4）greenmag.m dataset.mat 包含取自模拟过程示例的二维数据集。 该数据用于训练和测试内核 PCA 以进行故障检测。 训练后，为输出数据空间中的每个位置计算广泛使用的用于故障检测的 T2 和 Q 统计指标，从而生成等高线图。 然后将 99% 显着性水平检测限叠加在地图上，作为数据空间的正常（绿色）和错误（品红色）区域之间的边界。 使用等高线图，人们可以将各种内核类型和参数选择对正常和故障过程状态之间的决策边界的影响可视化。 这项工作是对参考文献 [1] 中结果的补充。 进一步的工作可以通过调查内核行为对进程监控性能的影响来进行。 [1] KES Pilario、Y. Cao 和 M. Shafiee。 非线性动态过程中早期故障监测的混合核规范变量

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。