驱动电机及控制系统检修

MATLAB神经网络之SOM神经网络的数据分类--柴油机故障诊断.zip

MATLAB源程序17 SOM神经网络的数据分类--柴油机故障诊断.zip

MATLAB源程序19 概率神经网络的分类预测-基于PNN变压器故障诊断.zip

基于LSTM的故障诊断-python程序说明及源代码.zip

传统的多变量分析（MVA）故障诊断方法通常要求分离的采样数据潜在变量必须服从正态分布，这通常很难满足实际的工业过程。 本文首先介绍了一种基于Q统计量的故障诊断方法。 它要求采样数据必须服从正态分布。 然后介绍一种基于信息增量矩阵（IIM）的故障诊断方法，该方法的采样数据不受正态分布的限制。 该方法主要由定义协方差矩阵，计算信息增量矩阵，信息增量均值和动态阈值等组成。 最后，给出了一个数值模拟的例子和一个田纳西州的伊斯曼过程的例子，以验证两种错误诊断方法，即Q统计量和IIM，在误报和漏报中的检测性能。 结果表明，在采样数据不服从正态分布的情况下，Q统计方法的检测性能较差，而基于IIM的故障诊断方法较好。

设计了一种多源信息特征层融合的故障诊断方法，应用在电力电子电路的诊断过程中。选择待测电路的节点电压和重要支路电流作为融合对象，利用小波变换和主成分分析对数据进行预处理和特征提取，采用间隔交叉的方式将电压特征矢量和电流特征矢量联合形成特征矢量，通过神经网络对联合特征矢量进行推理分类，得到故障诊断结果。以Buck―Boost电路为诊断实例，对比分析了选择不同特征融合对象对故障诊断结果的影响，实验结果证明该方法可以明显提高电路诊断率。

WORD格式，用MATLAB编程，对变压器故障进行诊断，整理成报告样式，包含数据和流程图，文字说明，

在柴油机故障诊断中进行故障分类的RBF的程序设计

为了保证矿井提升机安全可靠运行,开发出基于LabVIEW的状态监测与故障诊断系统。实现了对信号的时域分析、频域分析及相关分析,并完成了数据的存储与回放,为提升机故障诊断提供可靠依据。通过具体的实践,证明了该系统应用到矿井提升机故障诊断中是可行、可靠的。