人工智能-机器学习-柴油机常见故障诊断技术的智能化研究.pdf

人工智能-机器学习-柴油机电子调速器系统仿真及故障诊断智能系统.pdf

人工智能-机器学习-船舶减摇鳍智能故障诊断系统设计研究.pdf

Oracle物理结构故障的处理方法.docx

数据集预处理：数据集增强(utils.augment) 特征工程(utils.feature):均值(mean), 均方差(rms), 标准差(std), 偏度(skewness), 峭度(kurtosis), 包络谱最大幅值处频率(maxf), 信号熵(signal_entropy), 信号幅值中位数处概率密度值(am_median_pdf) 分类器训练和保存

一维DCNN用于轴承故障诊断，仿真数据集为CWRU（凯西私储大学的公开轴承数据集） 轴承故障诊断时机械状态监测的热门研究方向，其算法的核心在于信号特征提取与模式分类两个部分。在轴承故障诊断领域，常见的特征提取算法有快速傅里叶变化，小波变换，经验模式分解以及信号的统计学特征等，常见的模式分类算法有支持向量机，BP 神经网络（也称为多层感知器），贝叶斯分类器以及最近邻分类器等。当下轴承故障诊断的研究热点是可以归结为 3 类：寻找更好的特征表达；寻找最适合的特征表达以及分类器的组合；以及发明新的传感器。

LSTM和SVM实现设备故障诊断(PYTHON代码+数据)； 电机轴承是一个用于支撑电机轴的零件，电机的轴从轴承的内圈穿过，外圈固定在电机壳上。滚珠轴承在内外圈之间有一圈滚珠，当电机旋转时带动内圈旋转，滚珠随之运动。轴承的使用可以避免电机轴与电机外壳产生的较大摩擦。轴承的使用寿命以及可靠性对主机的使用寿命有决定性作用。在机械设备上，有旋转的地方就有轴承。

基于深度学习的滚动轴承故障诊断方法（python代码） 轴承故障诊断时机械状态监测的热门研究方向，其算法的核心在于信号特征提取与模式分类两个部分。在轴承故障诊断领域，常见的特征提取算法有快速傅里叶变化，小波变换，经验模式分解以及信号的统计学特征等，常见的模式分类算法有支持向量机，BP 神经网络（也称为多层感知器），贝叶斯分类器以及最近邻分类器等。当下轴承故障诊断的研究热点是可以归结为 3 类：寻找更好的特征表达；寻找最适合的特征表达以及分类器的组合；以及发明新的传感器。

介绍了一种基于CAN总线的分散检测，集中诊断、显示的雷达BIT故障诊断系统，描述了其硬件组成、专家系统结构，知识表示和推理机制。通过在该雷达BIT中采用专家系统诊断方法，使得推理机与知识库分离，便于诊断知识库的扩充、维护，有效提高了系统BIT故障诊断能力。

为了解决常规配电设备的故障诊断和快速定位的问题，以飞机常规配电系统为背景，选取设备自身状态决策项、电气参数决策项和生命周期决策项，建立故障诊断方程，提出了一种基于机内自检（Built-in Test，BIT）的故障诊断方法。经实践应用表明，该方法对常规配电设备出现的故障能快速定位，可实现故障综合诊断、告警和信息上报等功能，提升了飞机的外场保障能力和故障排查效率。同时，该技术也可应用于国内现有其他机型常规配电系统中，意义重大。