基于遗传算法的BP神经网络齿轮箱故障诊断实例 资源包含以下内容，下载即可运行 1) Sheffield的遗传算法工具箱； 2) Bpfun.m 表示BP神经网络函数 3) 遗传算法主函数.m 4) callbackfun.m 回代网格函数：将该初始权值和阈值回代入网络画出训练误差曲线、预测值、预测误差、训练误差等。 5) data.mat 齿轮箱故障数据 6) Objfun.m 求解种群中各个个体的目标值函数 注意事项，一定要将Sheffield遗传算法工具箱加载到运行路径中！ 运行过程时间有点长，请耐心等待！

液体活检诊断工具行业调研及趋势分析报告摘要

HierMUD: Hierarchical Multi-task Unsupervised Domain Adaptation between Bridges for Drive-by Damage Diagnosis 通过驾驶车辆的振动响应监测桥梁，通过允许每辆车检查多座桥梁，并消除在每座桥梁上安装和维护传感器的需要，实现高效、低成本的桥梁维护。然而，许多现有的驱动式监控方法都基于有监督的学习模型，需要来自每座桥梁的大量标记数据。获取这些标记数据即使不是不可能的，也是昂贵且耗时的。此外，直接将在一座桥梁上训练的有监督学习模型应用于新桥梁，会由于不同桥梁的数据分布之间的变化而导致精度较低。此外，当我们有多个任务（例如，损伤检测、定位和量化）时，分布转移比只有一个任务更具挑战性，因为不同的任务有不同的分布转移和不同的任务难度。 为此，我们引入了HierMUD，这是第一个分层多任务无监督领域自适应框架，它将从一座桥梁学习到的损伤诊断模型转移到一座新桥梁，而无需在任何任务中使用新桥梁的任何标签。具体来说，我们的框架以对抗的方式学习分层神经网络模型，以提取对多个诊断任务有用且跨多个桥梁不变的

北京新能源汽车整车控制器系统诊断规范.docx

为解决异步电机故障轴承振动信号易受噪音影响信噪比较小的缺点,提出了一种新的故障诊断方法。首先,采用小波分析方法对测得的原始信号进行去噪,并根据频率对原始信号进行频带划分;其次,用经验模式分解(EMD)方法对小波包分解重构得到的低频段信号进行分解,获得若干固有内在模函数(IMF);最后,采用傅里叶变换对各个IMF函数进行时频分析获得频谱图,进而提取故障频率,根据故障频率和故障类型的对应关系得出最后的诊断结果。实验表明,该方法能有效地提取出故障特征频率,方便地判断出故障类型。对比分析了傅里叶变换和小波变换与本方法的优缺点,为滚动轴承的早期故障诊断提供了一个新的思路。

骆驼评级、平衡计分卡与商业银行财务诊断.docx.docx

参考资料-图灵电子与电气工程丛书@开关电源故障诊断与排除.zip

阿尔茨海默症诊断标准，ADNI是全球最大的开源的关于阿尔茨海默症的数据库。有研究ADNI的同学可以看看这个文档，里面详细说明了阿尔茨海默症的诊断标准。

高护诊断学生化检查.ppt

老年呆病的诊断及疗效评定标准(试行标准)分享.pdf