这是基于改进Fireworks优化的深度信念网络的极限学习机的滚动轴承亚健康识别的Matlab版本的部分实现 Rolling Bearing Sub-Health Recognition via Extreme Learning Machine Based on Deep Belief Network Optimized by Improved Fireworks 算法： PSO-MCKD FWA-MCKD

深度残差收缩网络应用于故障诊断(python) Deep Residual Shrinkage Networks for Intelligent Fault Diagnosis（pytorch） 深度收缩残差网络的pytorch版本的完整实现。 数据集为江南大学轴承数据集。

pca的基础程序，详细阐述了pca的用法和编写过程，有助于新接触者更好的理解pca的原理和步骤，利于完成特征降维的基础理解

大数据-算法-货车底部手把和拉杆的故障识别算法研究.pdf

CloudEngine 12800, 12800E, 8800,7800,6800, 5800系列交换机 一键式故障查询技术专题

在分析煤矿电机常见电气故障的基础上,采用PIC16F877A单片机为控制核心,设计了一种矿用电机综合保护装置。由PIC16F877A单片机实现信号的采样及保护功能的动作,同时拥有液晶显示、键盘操作以及通信接口等功能。介绍了保护装置硬件部分的电路设计以及由C语言编程实现的软件部分设计,装置保护功能安全可靠。

CAN总线的故障注入，从电气及协议层出发，面向 CAN 总线的故障注入设备的设计与实现。 通用该设备可以完成对采用CAN 总线作为通讯接口的设备进入故障注入，以测试设备 的BIT 功能是否完备。

总结了机械设备故障诊断技术方面的研究现状,阐述了常用故障数据采集和状态监测方法,探讨了模糊理论、神经网络、遗传算法等智能控制理论在故障诊断技术研究中的应用前景,指出了要完善信号融合技术,提高网络集成化水平,发挥智能决策诊断优势,提升容错控制水平的发展方向。

传统智能故障诊断算法需要依赖人工特征提取和专家知识,而旋转机械设备复杂的工作环境和工况使得传统算法在实际应用中缺乏良好的自适应性和泛化性.针对以上问题,提出基于卷积神经网络(Convolutional neural network,CNN)的层级化故障诊断算法(CNN based hierarchical fault diagnosis,CNN-HFD).首先,将原始振动信号进行分段预处理,以实现数据扩容;然后,分别根据故障类型和故障程度设计多个卷积神经网络,并将原始振动数据以某一时间步进行分割,作为卷积神经网络的输入进行训练;最后,将待识别信号送入CNN-HFD模型,经过分层故障诊断,在末端卷积神经网络输出相应故障类别和程度.通过滚动轴承振动数据库的实验表明,所提出的算法不仅具有高达99.5%以上的故障识别率,而且在负载发生变化时依然可以保持高达97%以上的故障识别率,具有较好的鲁棒性和泛化性能.

这是一份对配电网络故障指示器研制的理论分析，基于ATmega8单片机的故障指示器的设计。