matlab实现的阶次分析算法，用于变转速机械故障特征提取，可运行，包含寻找脉冲时刻，等角度时刻，数字跟踪滤波，样条差值等步骤

机械故障诊断学 课程ppt

TE数据集是现在故障诊断中的应用较多的一种数据集。整个TE数据集由训练集和测试集构成，TE集中的数据由22次不同的仿真运行数据构成，TE集中每个样本都有52个观测变量。d00.dat至d21.dat为训练集样本，d00_te.dat至d21_te.dat为测试集样本。 d00.dat和d00_te.dat为正常工况下的样本。d00.dat训练样本是在25h运行仿真下获得的。观测数据总数为500。而d00_te.dat测试样本是在48h运行仿真下获得的，观测数据总数为960。

利用置信规则库的数控机床伺服系统故障诊断

采用小波阈值法对齿轮箱故障信号进行去噪预处理,将经验模式分解(EMD)和快速傅立叶变换(FFT)相结合对齿轮箱故障信号进行特征提取,这种方法适用于非线性非平稳信号的自适应状态分析。利用EMD方法将去噪后的信号就行经验模态分解,得到一定数量的固有模态函数(IMF)分量,选取具有特定意义的IMF进行FFT,就可以得到相应的功率谱,从而提取齿轮箱故障特征频率。

DeepConvolutionalTransferLearningNetworkANewMethodforIntelligentFaultDiagnosisofMachineswithUnlabeledData(深度卷积迁移学习网络：一种新的无标记机器故障智能诊断方法) 雷亚国团队2018年文章。 机械智能故障诊断的成功依赖于两个条件。1)含有故障信息的有标签数据是可用的。2)训练和测试数据是从相同的概率分布中获取的。然而，对于大部分机械，很难获得大量的有标签数据。此外，尽管一些机械可以获取有标签数据，但是由于数据分布的差异，用这些有标签数据训练的智能故障诊断方法可能无法对从其他机械获得的无标

基于主元分析的TE过程的故障诊断技术(Matlab代码) 基于主元分析的TE过程的故障诊断技术(Matlab代码)

汽车电气系统故障诊断分析

移动计算环境的复杂性、网络条件多样性,便携设备有限的资源、弱连接性、安全漏洞等因素,使得系统中故障发生的可能性增加,有效地感知、隔离、恢复故障可提高系统容错性能。该文针对具有中心结点类的移动计算环境,运用互测比较的方法,通过小区中的移动结点和移动支持站进行交互测试来获取故障征兆信息;基于概率诊断方法对检测结果进行评估,运用不同的处理策略来诊断故障结点集。对算法性能进行了理论分析和仿真实验,结果表明:算法能够满足移动计算环境下结点故障感知要求,具有较高的可诊断性和较低的时间、通信开销。

机械故障诊断学：第一部分是第1章绪论,主要是说明工况监视与故障诊断的意义、发展概况、研究和系统设计的指导思想;第二部分即第1篇第2~第5章,主要是说明信号检测与特征信号处理方法的原理,旨在为读者在工程实践中能正确