RBF神经网络神经网络故障诊断和数据预测的matlab程序matlab

一个用神经网络实现故障诊断的matlab程序

这是对深度置信网络的进一步优化，构成了一个分类器，可依据变压器的特征气体，对变压器的故障进行诊断分析，其中附带完整可运行的MATLAB代码。

美国凯斯西储大学轴承测试数据CWRU，从官网下载的mat版本，有需要的可以下载

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