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   

    一种基于CNN的故障预测方法(含代码数据集)

    本文以CWRU轴承故障的振动信号数据库作为模型的训练集和测试集并根据现有论文的思路和模型框架,用pytorch复现了论文的模型结构和性能,在二分类问题中准确率高达100%本文在理论方便不再过多赘述,详细可看博主之前的博客或观看论文原文数据连接:https://csegroups.case.edu/bearingdatacenter/pages/download-data-file论文链接:https://www.sci-hub.ren/10.1109/tie.2017.2774777代码


    2021-12-09 15:29:35    互联网    2353    分类:算法开发    专栏:故障诊断   

    旋转机械振动物理力学特性

    机械振动4.1 简谐振动4.1.1 简谐振动的动力学特性4.1.2 单摆4.2 简谐振动的运动学4.2.1 简谐运动的运动学方程4.2.2描述简谐振动的三个重要的特征向量1 振幅2 周期3 相位和初相位4.2.3 简谐振动的矢量表示法4.3 简谐振动的能量4.4 简谐振动的合成4.4.1 同方向、同频率简谐振动的合成4.4.2 两个同方向、不同频率简谐振动的合成4.4.3 两个相互垂直、相同频率的简谐振动的合成(没整理)4.4.4 两个相互垂直、不同频率的简谐振动的合成(没整理)4.4.5 振动的频谱分析4


    2021-12-10 17:18:58    互联网    902    分类:算法开发    专栏:故障诊断   

    基于深度学习的滚动轴承故障诊断

    本文主要介绍如何使用python搭建:一个基于深度学习的滚动轴承故障诊断系统项目中涉及使用了多种方法对比检测结果,包括:传统机器学习方法:随机森林深度学习方法:CNN增加残差模块后的深度学习方法:ResNet如各位童鞋需要更换训练数据,完全可以根据源码将图像和标注文件更换即可直接运行。


    2021-12-10 18:15:00    互联网    1174    分类:算法开发    专栏:故障诊断   

    一篇关于轴承故障诊断的综述

    在设备的故障检测中,有约30%-40%的设备故障是由轴承故障引起的,因此本文将列举有关检测轴承故障使用到的相关数据集,模型和算法。数据集现有的数据集,普遍由固定在电机马达上的两个震动检测器获得,并根据需要,分离震动数据在时域和频域上的特征以供网络模型学习。不同的数据集,区别在于,检测的马达转速不同,环境不同,取样频率不同,一段样本的时长不同等等(1)Case Western Reserve University (CWRU) Dataset该数据集拥有多种数据,测量的时候,通过改变轴承.


    2021-12-13 13:17:35    互联网    2935    分类:算法开发    专栏:故障诊断   

    阅读论文:电网的故障检测

    摘要存在的基于模型的方法无法涵盖时间序列的所有方面先进测量技术的出现带动着新一轮的数据爆炸,推动着数据导向形方法的发展方法包含:运用注意机制的长短期记忆架构,来提取时间序列特征 一维卷积神经网络获取频率信息基于频率的非监督分类信号方法,对于不同的分类,使用多任务学习方法本文提出的技术特别先进,甚至胜过数据网站的冠军术语索引:异常检测,故障检测,卷积神经网络,长短期记忆,多任务学习,高维时间序列1.介绍电网系统升级,把网络和传感技术相...


    2021-12-13 13:36:07    互联网    1663    分类:论文速递    专栏:未分组   

    故障诊断的性能评估指标

    评价一个故障诊断系统的性能指标有:   1)故障检测的及时性:是指系统在发生故障后,故障诊断系统在最短时间内检测到故障的能力。故障发生到被检测出的时间越短说明故障检测的及时性越好。   2)早期检测的灵敏度:是指故障诊断系统对微小故障信号的检测能力。故障诊断系统能检测到的故障信号越小说明其早期检测的灵敏度越高。   3)故障的误报率和漏报率:误报指系统没有出去故障却被错误检测出发生故障


    2021-12-13 13:51:37    互联网    1961    分类:算法开发    专栏:故障诊断   

    旋转机械故障诊断学基础知识

    1. 机械故障诊断涉及哪些学科?做哪方面的科学研究?包含了哪些技术?形成了哪些方法?解决什么工程问题?(1) 涉及的学科有:机械、力学、电子、计算机、信号处理、人工智能等。(2) 机械故障诊断是研究机器或机组运行状态的变化在诊断信息中的反映,因此包括信号获取与传感技术、故障机理与征兆联系、信号处理与特征提取、识别分类与智能决策等方面的研究,根据基础和关键科学问题又可细分为机械系统运行状态下故障动态演化机理、机械系统动态信号处理的内积匹配原理与微弱信号特征增强机制、故障定量识别和剩余寿命预测原理、


    2021-12-13 14:30:26    互联网    2067    分类:算法开发    专栏:故障诊断   

    机械故障诊断方法论

    1. 故障诊断概念故障诊断主要研究如何对系统中出现的故障进行检测、分离和辨识 , 即判断故障是否发生 , 定位故障发生的部位和种类 , 以及确定故障的大小和发生的时间等 。2. 故障诊断方法故障诊断防范可分为定性分析和定量分析两大类 , 如图 1 所示。 其中 , 定量分析方法又分为基于解析模型的方法和数据驱动的方法 , 后者又进一步包括机器学习类方法、多元统计分析类方法、信号处理类方...


    2021-12-13 14:48:01    互联网    2028    分类:算法开发    专栏:故障诊断   

    电气设备故障诊断法“六诊、九法、三先后”

    一、“六诊”—口问、眼看、耳听、鼻闻、手摸、表测六种诊断方法,简单地讲就是通过“问、看、听、闻、摸、测”来发现电气设备的异常情况,从而找出故障原因和故障所在的部位。前“五诊”是借人的感官对电气设备故障进行有的放矢的诊断,称为感官诊断,又称直观检查法。同样,由于个人的技术经验差异,诊断结果也有所不同。可以采用“多人会诊法”求得正确结论。“表测”即应用电气仪表测量某些电气参数的大小,经过与正常数值对比,来确定故障原因和部位。1、口问当一台设备的电气系统发生故障后,检修人员应和医生看病一样,首先要了解


    2021-12-13 16:52:04    互联网    1755    分类:算法开发    专栏:故障诊断   

    故障诊断期刊文献分析

    看看故障诊断研究重点方向在哪?故障诊断总发文量统计如下:前20个主要主题词分布情况:前20个次要主题词分布情况:录用期刊分布:期刊类型:学科分布情况:发文机构分布:基金分布情况:...


    2021-12-13 17:11:53    互联网    3091    分类:算法开发    专栏:故障诊断   

    轴心位置来进行机械诊断转子不对中情况

    轴心轨迹和轴心位置结合可以更好地分析更好地对机械故障诊断:


    2021-12-13 17:30:19    互联网    1928    分类:算法开发    专栏:故障诊断   

    往复式与离心式压缩机的区别

    往复式压缩机:                         曲轴带动连杆,连杆带动活塞,活塞做上下运动。活塞运动使气缸内的容积发生变化,当活塞向下运动的时候,汽缸容积增大,进气阀打开,排气阀关闭,空气被吸进来,完成进气过程;当活塞向上运动的时候,气缸容积减小,出气阀打开,进气阀关闭,完成压缩过程。通常活塞上有活塞环来密封气缸和活塞之间的间隙,气缸内有润滑油润滑活塞环 离心式压缩机:


    2021-12-13 17:31:05    互联网    2019    分类:算法开发    专栏:故障诊断   

    旋转设备故障诊断轴心轨迹分析

    轴心位置分析:         1、轻微不对中,轴心轨迹则呈椭圆形;         2、在不对中方向上加一个中等负载,轴心轨迹变为香蕉形;         3、严重不对中故障会使转子的轴心轨迹图呈现外“8”字形,这种具有8字形的轴心轨迹,一般表现为二倍频或四倍频的成分较大。         4、轴心轨迹呈“8”字型,是典型的不对中故障所致。最大的可能是2号轴承附近的发电机与同


    2021-12-13 17:31:46    互联网    2004    分类:算法开发    专栏:故障诊断   

    异常检测模型整理

    写在前面文中使用了其他博主的图,具体链接已不好追踪,如果不妥,还请谅解(私信我加备注哦)~异常检测主要检测数据中的离群点,异常数据的特征值与正常数据的特征值距离较远。异常检测具有以下难点:标签数据较少,从较少的标签数据中很难学习到哪些是正常数据,哪些是异常数据。难以划分异常和正常的边界。数据本身存在噪声,导致噪声和异常难以区分。处理异常检测的模型包括监督模型、半监督学习和无监督学习模型,具体如下:一、监督模型常见分类模型都可使用。若有标签数据,则优先使用有监督学习方法解决问题。在基于监


    2021-12-13 23:52:54    互联网    1506    分类:算法开发    专栏:工业异常检测   

    使用python(scipy和numpy)实现快速傅里叶变换(FFT)最详细教程

    说明:本文适合信号处理方面有一定的基础的人阅读,能够理解什么时候傅里叶级数和傅里叶变换,能够理解他们的核心思想以及基本原理,能够理解到底什么是“频率域”,能够从频率的角度分析信号。一、一些关键概念的引入1、离散傅里叶变换(DFT)离散傅里叶变换(discrete Fourier transform) 傅里叶分析方法是信号分析的最基本方法,傅里叶变换是傅里叶分析的核心,通过它把信...


    2021-12-14 00:04:26    互联网    1350    分类:算法开发    专栏:数字信号处理   

    数字信号处理期末总复习

    DSP期末总复习基于教材:《数字信号处理——原理、实现及应用(第3版)》 高西全等 编著一、基本概念1.1 信号1.2 系统1.3 卷积1.4 差分方程二、傅里叶变换2.1 连续信号:CTFT和CTFS2.2 时域离散信号:DTFT和DTFS2.3 周期信号的傅里叶变换2.4 离散傅里叶变换(DFT)2.5 快速傅里叶变换(FFT)三、Z变换3.1 Z变换3.2 Z变换的性质3.3 逆Z变换3.4 Z变换的应用四、模拟信号数字处理五、滤波器5.1 一些散落的实例5.


    2021-12-14 10:44:43    互联网    795    分类:算法开发    专栏:数字信号处理   

    频域特征提取的Python实现(频谱、功率谱、倒频谱)

    频域特征提取的Python实现(频谱、功率谱、倒频谱)本文只对 频域特征值提取的MATLAB代码实现(频谱、功率谱、倒频谱) 做代码翻译,用python重写一遍,以加强对这些特征的理解1. 频谱from scipy.fftpack import fft, fftshift, ifftfrom scipy.fftpack import fftfreqimport numpy as npi...


    2021-12-14 14:05:51    互联网    1477    分类:算法开发    专栏:数字信号处理   

    基于Python的频谱泄露分析

    1、频谱泄露  对于频率为fs的正弦序列,它的频谱应该只是在fs处有离散谱。但是,在利用DFT求它的频谱时,对时域做了截断,结果使信号的频谱不只是在fs处有离散谱,而是在以fs为中心的频带范围内都有谱线出现,它们可以理解为是从fs频率上“泄漏”出去的,这种现象称 为频谱“泄漏”。2、代码分析如果我们波形不能在fft_size个取样中形成整数个周期的话会怎样呢?将上篇博客中的采样对象...


    2021-12-14 14:06:09    互联网    782    分类:算法开发    专栏:数字信号处理   

    基于python的快速傅里叶变换FFT

    基于python的快速傅里叶变换FFT(二)本文在上一篇博客的基础上进一步探究正弦函数及其FFT变换。知识点  FFT变换,其实就是快速离散傅里叶变换,傅立叶变换是数字信号处理领域一种很重要的算法。要知道傅立叶变换算法的意义,首先要了解傅立叶原理的意义。傅立叶原理表明:任何连续测量的时序或信号,都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量...


    2021-12-14 14:06:34    互联网    841    分类:算法开发    专栏:数字信号处理   

    光谱信息在癌症检测上的应用

    拉曼光谱(Raman) 与傅里叶变换红外光谱(FTIR) 在癌症的检测上具有一定的应用价值。由于检测组织中水的存在常使结果变得复杂,FTIR常用于皮肤层面的检测。在材料的制备与探针选择上,拉曼方法也更适用于组织活检,甚至实时检测。1.拉曼光谱在乳腺癌检测上的应用文章:Application of Raman Spectroscopy and Infrared Spectroscopy in the Identification of Breast Cancer(2016)期刊 Applied


    2021-12-14 15:50:53    互联网    814    分类:算法开发    专栏:数字信号处理   








    • 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