基于Matlab GUI编程的神经网络故障诊断平台

rolling-bear-fault-diagnosis-based-wavelet-time-frequency-map-and-CNN The wavelet time-frequency map is obtained from the original vibration signal, and then input into CNN to realize fault diagnosis, the test set has the highest diagnostic accuracy 在matlab和pytorch0.4下，通过matlab对原始振动信号求取小波时频图，然后输入进pytorchCNN实现故障诊断，测试集诊断精度最高达99.5%。代码出售的、出售的、出售的，需要的加qq2919218574.详细见我的博客： 小波时频数据为：链接: 提取码: xhqz

系统分析了基于FSK调制的远动信号频率测量方法以及电平测量方法。分析了提高频率测量精度的措施。针对二线远动方式,提出了一种基于信道参数测量和逻辑推理的电力远动设备、信道故障诊断方法。现场实验运行表明,该方法对于实现电力远动设备的安全运行具有重要的意义。

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,提出了一种改进的BP算法。应用这种改进的BP算法对某发电机组振动故障进行了诊断研究,结果表明,该改进BP算法加快了网络的收敛速度,避免了陷入局部极小陷阱的问题。

在两类支持向量机的基础上,综合分级聚类和决策树的思想构造多类支持向量机,从而简化了分类器结构,减少了分类器数量,避免了拒绝分类区的出现,并加快了训练和识别速度。在小样本情况下对多类汽轮发电机组故障进行了诊断研究,结果表明该方法能够正确地对故障进行识别。

电机故障诊断数据介绍： 数据描述训练数据包含3个不同机械的运行数据，数据已经经过脱敏处理。数据中包含一个电机故障，发生在3号机器。 数据包含如下信息： temp_drv：发电机轴承驱动端温度 temp_nondrv：发电机轴承非驱动端温度 wind_speed：环境风速 wind_dir：环境风向 env_temp：环境温度 power_W：电机有功功率 time：时间 wtid：机器编号

基于深度学习的机械故障诊断 CNN用于机械故障诊断 这些代码用于两篇论文：“基于基于原始传感信号的卷积神经网络的滚动轴承故障智能诊断”（paper_1）和“基于以振动信号的二维表示作为输入的基于卷积神经网络的轴承故障诊断”（paper_2） ）。 先决条件，Matlab 2013a，Python 2.7.11，Tensorflow（在ubuntu14.04中更好）。 首先，您应该运行image_matrix.m来准备自己的数据。 其次，应该使用disorder_images.py和input_bear_data.py将数据变形为张量流的输入格式。 最后，您可以选择为paper_1运行mnist_b.py或mnist_c.py，为paper_2运行mnist_2d.py。 如果大家对以上研究兴趣，可以进一步参考我的这两篇论文：针对原始振动信号具有良好抗噪和域自适应能力的故障诊断新的深

人民邮电出版社出版，（美）马尼克塔拉　著，王晓刚，谢运祥　译，本书基于作者多年从事开关电源设计工作过程中收获的经验与教训，利用大量真实的事例论述了开关电源故障和排除过程中应遵循的原则，以及高频环境下的去耦、输出噪声和滤波、电容的选用、接地层的铺设技巧、印制电路板的布局、设备的有效使用、提高效率的手段、emi 和噪声等基础知识和上述原因造成的故障及其排除方法，并视角独特地提出开关电源故障诊断的一家之言。书中还利用解答网络论坛问题的方法讨论了业内公司和工程师应持有的态度及与数据手册相关的一些实际问题。 本书可供各层次开关电源工程人员、设计人员、高校相关专业师生阅读和参考。

开关电源故障诊断与排除 作者：[美]Sanjaya Maniktala 王晓刚 谢运祥 译 图灵电子与电气工程丛书

机电系统故障诊断与辨识技术的研究.pptx