52phm简介


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

联系我们


投稿说明


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:

  • 学习笔记
  • 技术理论
  • 工程案例
  • 行业资讯

加入我们




  • 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   


  • [置顶] 故障诊断和故障预测数据集汇总并附下载方式

    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


    2022-02-09 18:19:44    博客笔记    4150    分类:边缘感知    专栏:未分组   

    [置顶] python机器学习与特征工程理论与代码实现

    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


    2021-12-04 12:12:30    博客笔记    4525    分类:算法开发    专栏:特征工程   

    [置顶] 大型旋转机械状态监测与故障诊断

    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


    2021-12-13 17:29:41    互联网    7319    分类:算法开发    专栏:故障诊断   

    [置顶] 电机状态分类预测与研究

    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。


    2022-04-20 15:00:51    博客笔记    2975    分类:算法开发    专栏:故障预测与健康管理   

    [置顶] PIL图像预处理实操

    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


    2022-03-10 16:18:19    博客笔记    828    分类:算法开发    专栏:图像预处理   

    二值传感器动作识别

    二值传感器动作识别


    2021-12-04 23:16:54    博客笔记    514    分类:边缘感知    专栏:动作识别   

    可穿戴传感器健康老年人动作识别

    可穿戴传感器健康老年人动作识别


    2021-12-04 23:19:10    博客笔记    528    分类:边缘感知    专栏:动作识别   

    可穿戴加速度计动作识别

    可穿戴加速度计动作识别


    2021-12-04 23:21:00    博客笔记    695    分类:边缘感知    专栏:动作识别   

    OPPORTUNITY动作识别数据集

    OPPORTUNITY动作识别数据集


    2021-12-04 23:22:36    博客笔记    586    分类:边缘感知    专栏:动作识别   

    东南大学齿轮箱数据集

    东南大学齿轮箱数据


    2021-12-04 23:41:24    博客笔记    5993    分类:边缘感知    专栏:齿轮箱数据集   

    电机状态预测数据集

    电机状态预测数据集


    2021-12-09 11:26:41    博客笔记    7199    分类:边缘感知    专栏:故障诊断   

    机电设备故障诊断数据集

    机电设备故障诊断


    2021-12-09 11:27:13    博客笔记    5953    分类:边缘感知    专栏:故障诊断   

    机器人沿墙导航

    机器人沿墙导航


    2021-12-04 23:46:49    博客笔记    898    分类:边缘感知    专栏:工业机器人   

    机器人执行故障

    机器人执行故障


    2021-12-04 23:48:39    博客笔记    964    分类:边缘感知    专栏:工业机器人   

    钢板故障

    钢板故障


    2021-12-04 23:50:03    博客笔记    1825    分类:边缘感知    专栏:钢板   

    钢材退火

    钢材退火


    2021-12-04 23:51:17    博客笔记    647    分类:边缘感知    专栏:钢板   

    半导体制造过程

    半导体制造过程


    2021-12-04 23:52:28    博客笔记    2090    分类:边缘感知    专栏:半导体   

    匹兹堡桥梁结构健康评估数据集

    匹兹堡桥梁结构健康评估数据集


    2021-12-05 10:26:11    博客笔记    2041    分类:边缘感知    专栏:桥梁   

    液压装置状态评估

    液压装置状态评估


    2021-12-05 10:27:37    博客笔记    2109    分类:边缘感知    专栏:未分组   

    机械振动信号13个频域指标

    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()


    2021-12-08 09:51:40    互联网    4317    分类:算法开发    专栏:振动信号预处理   

    机械振动信号15个时域统计指标

    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


    2021-12-07 23:41:14    互联网    950    分类:算法开发    专栏:振动信号预处理   

    滚动轴承故障特征频率计算公式

    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...


    2021-12-08 10:24:10    互联网    1725    分类:算法开发    专栏:故障诊断   

    故障诊断技术体系阐述

    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...


    2021-12-09 11:31:41    互联网    1215    分类:算法开发    专栏:故障诊断   

    智能故障诊断方法总结

    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。...


    2021-12-09 11:32:32    互联网    1893    分类:算法开发    专栏:故障诊断   

    一种基于CNN的数据驱动故障诊断方法

    本文主要分为四个部分:目录本文主要分为四个部分:1.数据预处理2.使用的CNN框架3.性能评估4.总结


    2021-12-09 14:46:03    互联网    1948    分类:算法开发    专栏:故障诊断   








    • 52phm公告

    • 在这里,可以学习接触到工业互联网技术知识以及落地案例,其中涵盖工业数据集、工业标准库、机理模型、设备知识、机器学习、 深度学习、特征工程、振动分析、工业视觉、边缘硬件及传感器等技术知识!


    • 关于站长


    •         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。




    52phm社区

    52phm社区,专注预测性维护的学习平台!

    Saas体验

    + 工业demo学习系统

    技术博客

    + 博客首页    + 算法开发    + 边缘感知   

    + 设备机理    + 开发环境

    + 论文速递   

    友情链接

    + 在码圈

    联系我

    Copyright© 2021 52phm社区

    京ICP备2021029973号-1