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
2021-05-27 17:03:07
12KB
1
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。
2021-05-27 08:59:12
40.38MB
1
为了优化反向传播网络相关学习参数,提出一种粒子群优化辅助BP 神经网络(BPNN)的新方法.以变压器油中气体体积分数百分比构造故障特征,将BP网络的初始权值和阈值进行实数编码,以对应PSO中的粒子,实现BP网络的离线训练与在线分析,对变压器故障模式做出判断.结果表明,该算法更合理地更新了粒子的位置和速度,最优地设置了全局极值,有效克服了粒子的早熟收敛,获得的故障诊断准确率高达91%,并大大提升了BP网络的收敛速度.该算法为此类设计提供了有效的模型参考.
2021-05-22 10:22:02
744KB
1
轴承故障在线检测系统设计，本文详细介绍了采用振动信号监测法对滚动轴承进行故障诊断过程中包含的信号采集、特征提取、状态识别、故障分析和决策干预等五个基本环节并设计了模拟信号调理、A/D转换、数字信号处理及通信硬件电路。模拟信号调理电路对输入的信号进行调理，以达到系统和模数转换器(ADC)采样的要求；单片机作为系统的核心部件，对实时数据进行处理，并将实时故障数据通过CAN总线上传给上位机。
2021-05-21 09:41:59
1021KB
1