齿轮故障数据的建模因为数据复杂有一定的挑战性。提出将选择性集成学习技术引入到该领域,并将聚类算法用于选择性神经网络集成学习技术。对已有的选择性集成学习技术进行改进,构建了一个基于聚类的选择性神经网络。应用实际数据进行实验,结果表明新算法提高了对齿轮故障诊断的精度,同时诊断效率比基于遗传算法的选择性神经网络集成算法有了显著提高。

大功率离心泵故障诊断与排除.rar

泵站系统故障诊断智能PETRI网.rar

CWRU数据集数据整理程序+下载好的数据包（防止程序中的下载部分出现bug）+数据使用说明，个人研究正在使用，可直接用（请将解压后的所有文件和故障诊断程序放在同一个目录下）

将支持向量机理论引入振动机械故障诊断中,提出了新的故障诊断模型—PSO-SVM模型,并采用粒子群优化算法对支持向量机的参数进行优化,使得故障诊断结果更加准确。通过实例中的样本数据进行新模型的训练与测试,将其结果与传统神经网络相比,证明其模型具有更高的准确性。

本书针对过程工业变量多、藕合强的特点，侧重介绍多元统计类方法在过程工业故障诊断中的应用，详细介绍主元分析法、Fisher判据分析、部分最小二乘法、独立元分析等分析方法之间的区别和联系;针对一般多元统计方法难以解决非线性间题的缺点，对其进行核化处理，揭示几种核化多元统计方法之间的关系和本质;提出故障特征的选择以及小样本问题的解决方法，并给出不同方法的模式稳定性比较，为选择算法参数提供参考依据;最后介绍基于解析模型和基于信号处理的方法在故障诊断中的应用。 本书可作为过程工业及其自动化、控制理论与控制工程等相关专业研究生课程的参考书，也可供从事过程工业故障检测与诊断的研究人员和工程技术人员参考。

hankel矩阵是一维时间序列的一种矩阵空间重构形式，常用于信号处理领域的文献中，但是对于初学者常常不知道如何实现，这里给出方便后来者参考学习。

算法优化，故障诊断，参数寻优等

针对电力电子电路模型具有非线性，进行故障诊断比较困难这一问题，提出了一种基于高阶累积量与Fisher判别法的故障诊断方法。首先，利用高阶累积量（HOC）对电路可测点的响应信息进行处理，将处理得到的峰度和陡度作为故障的特征向量。再利用Fisher判别分析法对故障进行模式分类，得到最终的模式识别结果。所选实例证明了高阶累积量构造的特征向量可以区分各种故障模式，Fisher判别分析法识别故障的准确率很高。

H3CTE 网络故障诊断与排除 V2.2教材，考TE必备。