采用基于小波包变换(WPT)和极限学习(ELM)的方法对轴承故障进行诊断和分类辨识。该方法首先采用小波包变换对采集到的振动信号进行分解,求得各频带的相对能量,并构建特征向量,接着利用极限学习机进行自动分类识别。经使用实验台实测电机滚动轴承不同状态的信号进行分析,研究结果表明,所建立的自动分类模型可以有效地对轴承的单一故障,以及不同程度故障有很好的辨识能力。

故障诊断用于离心泵上，可以对研究起到很好的帮助作用

基于电流相似度分析的两级三相PWM整流器开路故障诊断

基于粒子群算法的EMD-KICA联合故障诊断方法

基于MSPM的故障诊断技术的研究现状与展望

高阶谱在滚动轴承故障诊断中的应用

rbf神经网络在变压器故障诊断中的应用，可以用于其他故障诊断

文件包括凯斯西储大学轴承故障数据，分别在负载1.2.3下的十种故障类型，通过卷积神经网络方法对其进行故障诊断，准确率高达99.67%，使用python语言对其进行复现，里面包括具体对应的论文。亲测好用

elm代码，可用于预测，故障诊断，状态估计等

高清PDF版。“摘要：在对汽车的故障诊断过程中，基于ＳＡＥＪ１９３９协议的 ＣＡＮ 通信的 ＥＣＵ 提供的发动机性能检测参数和整车网络通信数据，实现整车网络中多个 ＥＣＵ 数据的共享；Ｊ１９３９协议同时也支持故障的诊断，通过数据转换模块将接收的数据转换成串行数据（包含 ＣＡＮ 的ＩＤ地址），诊断工具（手持终端）可以读取当前故障码 ＤＭ１或清除当前故障码 ＤＭ１１。本文提出了一种车辆故障诊断的研究策略，同时提出了一种基于ＪＡＶＡ 语言的报文的解析方法，能够有效实时地实现对汽车发动机的故障检测。”