以美国NI公司的LabVIEW为开发平台,针对风机振动信号的振动机理和特点,结合故障诊断技术,在信号分析模块中提供了时域无量纲参数分析、频谱分析、小波分析方法判断设备的运行状态,识别故障特征。该系统具有界面友好、操作简便,广泛适用于煤矿行业。

BP算法基于梯度下降原理是一种局部寻优算法,在变压器故障诊断应用中网络学习过程收敛速度慢,且易陷入局部极小值。而遗传算法(GA)具有并行计算的特点,可以有效防止搜索过程收敛于局部最优解。将二者结合起来,由GA寻找最优的BP神经网络权值与相应节点的阈值。仿真结果表明:此方法既能快速收敛,又能大大提高避免陷入局部极小的能力,改善了故障诊断的精度和速度。

本文从基于数据驱动的故障诊断方法出发，主要研究了动态主元分析(DPCA)算 法离线和在线的自适应故障诊断过程，本文的主要工作和贡献如下： (1)阐述了故障诊断的研究现状，并从定性分析和定量分析角度研究了故障诊断 方法的分类，其中着重研究了DPCA算法理论及其发展过程。详细总结分析了工业过程 数据动态性(数据的自相关性)产生的原因及其影响； (2) 研究了多维小波去噪算法和自适应主元分析算法，包括递推主元分析 (RPCA))算法、滑动窗主元分析(MWPCA)算法和指数加权主元分析(EWPCA)算 法。 (3)提出了一种基于小波去噪和DPCA相结合的故障诊断方法。该方法利用小波 去噪算法对构建的动态增广矩阵数据进行处理，提高了动态PCA算法的计算效率。通 过分别对ffl纳西．伊斯曼过程(Tennessee Eastman Process，TEP)的典型故障和轧钢过程 的断带故障的仿真研究，验证了提出方法的有效性。

基于支持向量机的故障诊断，代码中有一些注释，可以根据里面的注释修改，会测的最佳正确率，以及预测样本和测试样本的误差，真实可信

以LabVIEW为平台设计滚动轴承振动信号分析软件,实现对滚动轴承故障信号的时域分析和频域分析。时域分析主要实现对滚动轴承振动信号的自相关、均值、有效值、峰值以及峭度值分析。对滚动轴承振动信号的频域分析主要完成对滚动轴承振动信号的幅值频谱分析、功率谱分析、Hilbert包络谱分析、倒频谱分析以及ZOOM-FFT分析。利用该分析软件对实测滚动轴承故障信号进行了分析,取得了良好的分析效果。

齿轮故障数据的建模因为数据复杂有一定的挑战性。提出将选择性集成学习技术引入到该领域,并将聚类算法用于选择性神经网络集成学习技术。对已有的选择性集成学习技术进行改进,构建了一个基于聚类的选择性神经网络。应用实际数据进行实验,结果表明新算法提高了对齿轮故障诊断的精度,同时诊断效率比基于遗传算法的选择性神经网络集成算法有了显著提高。

大功率离心泵故障诊断与排除.rar

泵站系统故障诊断智能PETRI网.rar

CWRU数据集数据整理程序+下载好的数据包（防止程序中的下载部分出现bug）+数据使用说明，个人研究正在使用，可直接用（请将解压后的所有文件和故障诊断程序放在同一个目录下）

将支持向量机理论引入振动机械故障诊断中,提出了新的故障诊断模型—PSO-SVM模型,并采用粒子群优化算法对支持向量机的参数进行优化,使得故障诊断结果更加准确。通过实例中的样本数据进行新模型的训练与测试,将其结果与传统神经网络相比,证明其模型具有更高的准确性。