FANUC机器人SRVO-214和SRVO-220故障报警及诊断处理

基于CLIPS平台的离心泵故障诊断专家系统 说明了建立循环泵故障诊断专家系统的必要性，并介绍了一种基于C语言的专家系统开发工具，从知识库的建立、推理模型、工作流程等方面阐述了该离心泵故障诊断专家系统的实施方案。

基于支持向量机的离心泵故障诊断方法研究 简要论述了支持向量机的大批量，介绍了几种支持向量机的多类分类算法，最后将它们应用于离心泵的故障诊断进行比较，获得了令人满意的效果。

FANUC机器人SRVO-348故障报警分析及处理对策

在电机滚动轴承的故障诊断领域中,由于电机运行环境的复杂性,以及目前大多数故障诊断依然是基于单参数进行,如振动、温度及电流等所能携带的故障特征进行诊断,所以不确定性因素及不确定信息也充斥其间,从而致使故障诊断的准确率较低。分析了传统故障诊断系统的弊端,并介绍了多信息源数据融合诊断系统的结构及其在故障诊断应用中的优势,并通过实例分析,采用3个独立传感器对轴承故障信号采集,并通过经验模态方法对信号处理得到故障特征向量,最后应用BP神经网络和D-S证据理论进行故障识别。每使用一次D-S证据理论的合成,均会提高故障诊断的准确率,进一步说明多信息源数据融合故障诊断系统的的可行性及有效性。

电力变压器在运行过程中发生故障时,变压器中油气体成分和某些电气参数会出现变化,同时也有一些部位的外表颜色、气味、声音、温度、油位、负载等变化。通过对煤矿电力变压器常见故障诊断,做出故障处理与检修方法。

太阳能光伏产业近年发展迅速，准确诊断光伏组件故障位置及类型可以提升运维人员的工作效率。提出一种基于卷积神经网络-长短期记忆模型(Convolutional Neural Networks-Long Short Term Memory，CNN-LSTM)的深度学习诊断模型，利用电站原有设备就可完成检测任务。首先提出了一种依据电流值的组件故障分类方式；然后，检测模型根据光伏阵列布局特点设计了一种特征提取算法，分别提取光伏阵列电流横向与纵向特征，来获取空间与时间上的特性；再通过CNN网络来对横向特征做进一步的提取与纵向特征的压缩，以解决特征种类单一及训练缓慢的问题；最终进入LSTM神经网络来完成对光伏组件的故障诊断。

适合用于探讨如何完成电力系统物联网架构部署、研究进展等研究人员

压缩包中包含代码和所需数据，此代码实现了TE数据故障1测试集的正确分类，正确率99.9%。开发环境为jupyter lab。

设备故障诊断技术 图书pdf,设备故障诊断技术 图书