基于小波包能量谱与CNN的滚动轴承故障诊断方法，用的matlab

对机电系统进行音频信号的故障诊断研究，传统的音频信号处理方法大多采用滤 波降噪的方式，针对其中的不足，拟采用独立分量分析（ICA）的盲源分离方法。该方法只依据传感器采集的观测混合信号，就能恢复各个机械部件产生的声源信号，从而准确地对各个振源进行状态监测和故障诊断

基于小波变换的滚动轴承故障诊断,振动信号中的高频部分对诊断结果有一定影响,为克服此影响,首先运用小波包对SKF型滚动轴承故障信号进行预处理,以此为特征向量结合概率神经网络去验证模型的实用性和可行性。分析结果表明,小波包与概率神经网络相结合的故障诊断方法可以有效的应用于滚动轴承故障诊断。

分别用小波分解、小波包分解和EMD分解处理滚动轴承故障数据,并结合Hilbert变换进行包络谱分析实现滚动轴承故障诊断。对滚动轴承故障数据进行小波阈值降噪。小波阈值降噪后分别进行小波分解、小波包分解和EMD分解。分别求出小波分解、小波包分解和EMD分解后各个频带的能量谱。再根据能量谱确定故障频带范围并对其进行信号重构。采用Hilbert变换对重构信号进行包络谱分析实现滚动轴承故障诊断。通过对滚动轴承内圈故障信号的分析验证了小波分解、小波包分解和EMD分解结合Hilbert变换进行包络谱分析的滚动轴承故障诊断方法的有效性。

matlab程序，应用灰色关联方法进行变压器油色谱故障诊断程序，能跑通。

简单的CNN网络，用来做故障诊断分类

用MATLAB实现，基于PNN BP RBF 三种神经网络进行的电网故障诊断，用1 0 标注，同时给出利用神经网络函数 和手编两种方法，给出模型

本书是关于模拟电路检修的专著。作者Bob Pease是模拟电路设计界的传奇人物。在多年的实际工作中，他总结了一系列的技术与方法，大大提高了模拟电路诊断与检修的速度，把通常让人头疼的问题变得简单有趣。本书介绍了作者关于模拟电路的富于哲理的观点和认识，给出了常用的简易测试设备制作和使用方法，讲述了各种设备和元器件的特性和优缺点，并从真实电路出发引导读者逐步深入了解模拟电路检修的过程和方法。

机械设备状态监测与故障诊断系统的详细资料及代码 原创灰常重要

信息熵，一维信号，二维图像等，计算新的信息熵值，来判断信号是否具有规律性，MATLAB，故障诊断算法等均会用到