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
故障诊断期刊文献分析
0、前言
跟随着人工智能浪潮，基于智能算法的故障诊断热度高涨不下，故障诊断文献在自动化、电力、机械和汽车四大学科领域的占比超过65%。滚动轴承、变压器、发动机等对象的故障诊断文献最多，最多应用的方法有神经网络、支持向量机、深度学习方法等。聚焦点有故障诊断方法、故障定位方法、故障特征提取方法、故障监测和故障预测等，其中故障预测与故障定位相关文献较少。基于深度学习、强化学习、集成学习范式的故障诊断近5年快速增长，但是基于平行学习和引导学习范式的相关研究很少。同样，针对小样本数据集和不平衡数据集的故障诊断方法近5年也得到越来越多研究者重视，需要广大学者们再接再厉。考虑领域的应用需求，个人建议研究学者可适当在这些方面进行深入研究。
1、故障诊断发文统计
图1 故障诊断发文趋势图
2、主要方法
基于SVM的故障诊断发文量统计：
图2 基于SVM的故障诊断
基于专家系统的故障诊断：
图3 基于专家系统的故障诊断
基于神经网络的发文量统计：
图4 基于神经网络的故障诊断
基于深度神经网络的发文量统计：
图5 基于深度学习的故障诊断
图6 深度学习发文趋势图
可见，从2016年深度学习火爆开始（图6），基于深度学习的故障诊断方法（图5）深受喜爱。图4中2016年开始，增长力主要贡献是深度神经网络，让神经网络再次爆发活力。
3、故障诊断主题词分布情况
图7 主要主题词
图8 次要主题词
4、学习范式分析
集成学习：
图9 集成学习的故障诊断发文
强化学习：
平行学习：在故障诊断方面的发文量基本上为0（值得深入探索）
引导学习：在故障诊断发文量基本上为0（值得深入探索）
5、故障诊断聚焦点
故障诊断方法： 
特征提取方法： 
故障预测：
故障监测：
故障定位： 
故障容错：
不平衡数据集故障诊断： 
小样本数据集故障诊断：
6、录用期刊分布
7、期刊类型统计
8、学科分布情况
9、发文机构分布
10、基金分布情况
总结
目前故障诊断相关文献很多，但是需要解决和深入探索的方面也很多。学者们应该对整个行业有较为清晰的认识，并实时掌握新兴技术及动态发展趋势，与时俱进，突破领域壁垒。
版权声明：遵循 CC 4.0 BY-SA 版权协议原文链接：https://blog.csdn.net/m0_61363749/article/details/120946972
[推荐] 机械故障诊断方法论
2021-12-13 14:48:01
互联网
2028
分类：算法开发
专栏：故障诊断
[推荐] 旋转设备故障诊断轴心轨迹分析
2021-12-13 17:31:46
互联网
2004
分类：算法开发
专栏：故障诊断
[推荐] 故障诊断之基于振动信号的阶比谱分析
2022-05-31 11:08:40
互联网
1568
分类：算法开发
专栏：振动信号预处理
转发此文章到社区关注公众号进群
让志同道合读者学习交流
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
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
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
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
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
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
-
52phm公告
-
-
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。