提出了基于神经网络的滚动轴承故障诊断方法。以滚动轴承小波分解后的能量信息作为特征, 通过神经网络作为分类器对滚动轴承故障进行识别经过实验表明, 该方法对于滚动轴承的故障诊断具有一定的应用价值, 并可方便地推广到其他类似的诊断领域

滚动轴承是机械中应用最广泛的一种通用机械部件，轴承特定的使用环境造成其寿命的随机性较大，目前还无法准确预测其寿命。因此，轴承故障诊断就显得非常重要。本文对滚动轴承的振动数据分别在时域和频域进行了分析，由神经网络处理，对结果采用“判决区间+举手表决”方式，获得最终判断结果。

高三第一次诊断性考试语文(答案).pdf

2012年放射诊断医生年终个人总结.doc

此PPT是本人总结的关于风电上的回转支承的一些资料，包括风电概况，及故障诊断信号处理的一些基础知识

ISO-15765-2车载总线诊断网络层中文全翻译，非扫描版，文字清晰阅读愉快，汽车行业电子工程师必备！

安全社区建设社区安全诊断报告借鉴.pdf

介绍了基于红外成像技术电气设备外部热故障在线检测和故障诊断技术。设备故障时主要产生3种发热源:电阻损耗发热、介质损耗发热、铁损发热。采用热检测可以有效判断设备故障。与传统热故障方法相比,红外成像技术能够实现非接触式、远距离、不停电、大面积快速在线检测电气设备的温度变化。结合具体的实测电气设备外部热故障热成像图形,通过合理选择绝对温差法,相对温差法,档案分析法,及时准确地对电气设备进行故障诊断,实现了电气设备安全可靠地运行。

电力变压器故障与诊断pdf,电力变压器故障与诊断

传统的深度信念网络规模大、难度大、训练时间长，导致其故障诊断的时间较长。针对该问题，提出了一种基于贝叶斯正则化深度信念网络的电力变压器故障诊断方法。采用贝叶斯正则化算法改进传统深度信念网络的训练性能函数，在保证网络精度的同时快速提高计算速度，从而提高网络的收敛速度。实验结果表明，经过贝叶斯正则化改进后，深度信念网络训练的泛化能力得到了提高，同时故障诊断的准确率也得到了保证。