专注于工业智能预警系统研发, 通过机理算法和数据驱动算法分析振动信号、音频、DCS、PLC信号、SCADA信号等设备运行状态数据对机器设备进行看病预诊,为机器设备健康运行保驾护航。 网站正在不断建设和完善过程中,欢迎大家给予建议和参与社区建设
52phm,专注于预测性维护知识学习和交流,欢迎广大从事预测性维护行业人员投稿,投稿请联系管理员(wx: www52phmcn),投稿内容可以是:
精选专栏: 钢板 编码规范 工业机器人 轴承 齿轮箱数据集 图像预处理 寿命预测数据集 桥梁 刀具 default 动作识别 数字信号处理 振动信号预处理 工业异常检测 故障预测与健康管理 风电机组 语音信号预处理 半导体 python基础 故障诊断 数据库操作 下载安装 时间序列预测 bug 特征工程
本篇目录- 轴承类数据集- 齿轮箱数据集- 电机故障诊断数据集- 机电设备故障数据集- 结构健康监测和评估数据集- 液压装置状态评估数据集- 半导体制造过程数据集,故障诊断和故障预测数据集汇总并附下载方式
通过python编程语言实现特征工程功能,本篇特征工程文章较为全面的介绍数据预处理,缺失值处理方法、异常值处理方法、数据无量纲、标准化、归一化,另外还介绍特征选择、特征降维等特征工程知识
1 故障诊断的含义故障就是指机械设备丧失了原来所规定的性能和状态。通常把运行中的状态异常、缺陷、性能恶化及事故前期的状态统称为故障,有时也把事故直接归为故障。而故障诊断则是根据状态监测所获得的信息,结合设备的工作原理、结构特点、运行参数及其历史运行状况,对设备有可能发生的故障进行分析、预报,对设备已经或正在发生的故障进行分析、判断,以确定故障的性质、类别、程度、部位及趋势。大型旋转机械
电机状态.txt数据集中最后一列是`电机状态`标签,其余列是特征。本数据集可以作为学习工业数据的分类算法使用,(1)分析不同电机状态的特征分布情况;(2)建立分类模型体验分类算法的应用。
1 PIL基本操作:主要是为了介绍 PIL 打开、展示和保存图像的基本运用。 2 图像处理:这个主要是为了对原始图像进行再处理,从而使图像符合我们的需求, 通常这里的处理情况会影响到模型训练的精度和准。 3 图像向量化:由于图片是非结构化数据,计算机不能直接识别处理, 因此需要向量化处理,从而转换成结构化数据 4 图像识别分类实战:主要是以步骤性来讲述,方便掌握
频域统计指标计算公式振动信号频域分析首先需要把信号的时域波形借助离散傅里叶变换转化为频谱信息,公式如下:式中:x(kΔt)x(k\Delta t)x(kΔt)为振动信号的采样值;NNN为采样点数;Δt\Delta tΔt为采样间隔;kkk为时域离散值的序号。求得频谱信息后,可根据频域统计指标公式计算相应的值,公式如下:python程序def get_fre_domain_feeatures(f,y): fre_line_num = len(y) p1 = y.mean()
时域统计指标计算公式振动信号原始统计特征分为两类:时域统计特征、频域统计特征。信号的时域特征是通过统计分析信号的各种时域参数、指标的估计或计算得到的,如表所示,分为有量纲参数和无量纲参数两种,其中1-9为有量纲参数和10-15无量纲参数。python程序def get_time_domain_features(data): '''data为一维振动信号''' x_rms = 0 absXbar = 0 x_r = 0 S = 0 K = 0
依据滚动轴承的结构参数,可以计算出轴承滚道外圈故障、滚道内圈故障、滚动体故障和保持架故障所产生的特征频率,具体的计算公式如下:(1)外圈故障(2)内圈故障(3)滚动体故障(4)保持架故障式中:ddd代表滚动体直径,DDD表示滚道节径,α\alphaα表示轴承接触角,zzz表示滚动体个数,fff表示转频...
1.引言 智能故障诊断(IFD)是指将机器学习理论,如人工神经网络(ANN)、支持向量机(SVM)和深度神经网络(DNN)应用于机器故障诊断。这种方法利用机器学习理论,从采集的数据中自适应地学习机器的诊断知识,而不是利用工程师的经验和知识。具体而言,IFD需要构建一个诊断模型,该模型能够自动将收集的数据与机器的健康状态之间的关系连接起来。 机器学习的早期研究可追溯到1950年,1980年左右成为了人工智能的一个重要方向,并于2010年开始得到了广泛的应用。在此期间发明了许多传统理论,如AN...
1.故障诊断方法可分为三个步骤:信号处理、特征提取、模式分类。2.信号处理方法通常包括:时域处理(提取振动信号的相关指标);频域处理(包络谱分析,频谱分析);时频域分析(小波分析,傅里叶变换)3.故障诊断方法:专家系统故障诊断法,模糊故障诊断、灰色关联度故障诊断、神经网络故障诊断、数据融合故障诊断。...
从事设备故障预测与健康管理行业多年的PHM算法工程师(机器医生)、国际振动分析师, 实践、研发和交付的项目涉及“化工、工业机器人、风电机组、钢铁、核电、机床、机器视觉”等领域。专注于工业智能预警系统研发, 通过机理算法和数据驱动算法分析振动信号、音频、DCS、PLC信号、SCADA信号等设备运行状态数据对机器设备进行看病预诊,为机器设备健康运行保驾护航。