国家电网公司继电保护故障信息处理系统技术标准，国网103规约，保信主子站通讯规范

这是在闭环控制下的 CSTR 的 Simulink 模型，其中过程由 4 个 ODE（常微分方程）表示，它们是系统周围的质量和能量平衡。 CSTR（连续搅拌釜React器）进行假设的一级放热React，其中使用冷却夹套保持槽温（T）。 液体滞留量 (h) 也通过控制罐出口流流速 (F) 来维持。 过程条件在标称操作点附近受到 4 个输入变量（即 Fi、Ti、Ci 和 Tci）的随机干扰的干扰。 此外，可以模拟故障以用于过程监控研究。 当没有模拟故障时，人们可以了解正常运行下的系统动态过程。 可以在 10 个测量变量中的每一个中添加突然的传感器偏置故障。 初期故障包括传感器偏置斜坡变化和输入干扰斜坡变化。 倍增故障包括催化剂失活和指数衰减引起的传热积垢。 也可以一起模拟这些故障的任何组合。 所有输出测量中都存在附加白噪声。 注意：由于此模型是在 MATLAB R2018a 中编辑的，请

Linux 系统排除网络故障命令.doc

亲测有效，含运行结果

针对智能电网对监控和停电预测的客观需求问题，基于物联网技术设计了一套大电网停电故障监控及预警系统。该系统包括故障检测装置、信息管理及无线通讯、故障节点地图绘制3个主要部分。故障检测使用嵌入式终端设计，并使用小波变换算法对故障信息进行分析，将故障的定位误差控制在8%，定相分析准确率达到100%，从而提高故障信息分析与预警信息的可靠性。故障节点地图基于GIS-MapX技术绘制，能够直观、清楚地确定故障节点位置。从监控中心的服务器到用户终端，采用ZigBee无线通讯技术，该技术传输性能安全、可靠。通过模拟故障实验对该系统进行验证，测试结果表明，该系统具备良好的可靠性与实用性。

人工智能-机器学习-软件故障分析及质量评估方法的研究李心科.pdf

这是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。

1.介绍 毕设研究课题，根据轴承的振动数据信息来诊断轴承故障的位置和故障严重等级。方法思路走的是数据驱动，使用传统机器学习方法以及深度学习方法。这个开源项目做的是整理基于传统机器学习的轴承故障诊断的内容。 主要分为三个部分： 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

用于故障诊断的胶囊网络 最大训练>99% 最大测试>98% 原始振动信号经过滑动窗口采样归一化后成为32x32的图像，再经过数据增强后输入到胶囊网络中。这是纯破胶囊网络的代码实现。由于胶囊网络的参数约为8558848，所以在我的970m GPU上训练需要很长时间。但是准确率还是很高的。 一般的组合模型可以达到很高的准确率，但需要重新设计卷积核的大小，使用一维卷积。所有这些都需要通过debug来实现，目前还没有实现。现在胶囊网络故障诊断一般结合inception或者bilstm。

（python）论文“时变转速下基于改进图注意力网络的轴承半监督故障诊断”源码