Advertisement

eastman-tennessee-fault-detection

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
Eastman Tennessee Fault Detection系统是一款用于监测和预防地质灾害的专业软件工具，特别针对田纳西州地区设计。 田纳西州伊士曼（Tennessee Eastman）使用深度学习进行过程故障检测的数据集：参考伍皓、赵劲松的《工业系统中的故障检测与诊断》及基于卷积神经网络模型的化工过程故障诊断的相关研究。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • eastman-tennessee-fault-detection
    优质
    Eastman Tennessee Fault Detection系统是一款用于监测和预防地质灾害的专业软件工具，特别针对田纳西州地区设计。 田纳西州伊士曼（Tennessee Eastman）使用深度学习进行过程故障检测的数据集：参考伍皓、赵劲松的《工业系统中的故障检测与诊断》及基于卷积神经网络模型的化工过程故障诊断的相关研究。
     
  • 田纳西州伊士曼挑战问题档案：Tennessee-Eastman-Challenge
    优质
    《田纳西州伊士曼挑战问题档案》记录了1973年发生在田纳西州的一场管理科学实验，该案例成为运营研究和系统工程中的经典教学素材。 田纳西州伊士曼挑战赛问题档案免责声明：该公共存储库基于作者的网页创建，并且任何人都可以免费使用它来访问互联网上的资源。同样，原始zip文件和源代码可以在作者的网页上免费获得。此存储库旨在作为公开提供的田纳西州伊士曼挑战研究平台，以促进有效传播、改进和共享源代码所需的开发工作。 目录 作者：N.劳伦斯·里克教授 化学工程系名誉教授 华盛顿大学 Box 351750 Seattle, WA 98195-1750 USA 来源说明：许多代码是为Matlab 3.x和4.x版本编写的。只有少数几个已更新，可以使用较新的版本。 如果需求足够强烈，我可以考虑进行相应的升级工作。
     
  • TE故障检测Matlab代码-动态图嵌入故障检测：Dynamic-Graph-Embedding-for-Fault-Detection...
    优质
    这段内容介绍了一个基于Matlab编写的TE（透平膨胀机）故障检测代码，采用动态图嵌入方法进行有效故障识别和分析。通过该工具可以深入研究设备运行状态，提前发现潜在问题并采取预防措施。 TE故障检测数学代码用于论文《用于故障检测的动态图嵌入》中的Matlab版本应晚于R2015b。演示代码可在“Matlab_code”目录中找到，这些文件被开发以对故障1的数据进行故障检测。“myConstructW.m”文件根据文中等式（6）计算相似性，并在注释中给出了相应的说明。主程序“myfunction_tensorLPP_markov_paper.m”可以直接运行，“TensorLGE.m”和“TensorLPP.m”是该程序所需的辅助代码，这两个文件由邓凯设计，他是发表于《神经信息处理系统18》（NIPS2005）的论文《张量子空间分析》的第二作者。此外，“kde.m”用于内核密度估计以确定T2和SPE统计值的控制界限。“File_published_by_matlab_in_PDF.pdf”包含运行结果以及使用MATLAB R2015b发布的代码信息。
     
  • Satellite Power System Fault Data
    优质
    《卫星动力系统故障数据》一书聚焦于分析和解决卫星电力系统的各种技术问题，提供详尽的数据与案例研究。 卫星电源系统的故障数据并非真实的遥测数据，而是来源于某种模拟。这些数据仅用于学术研究，并不能应用于商业用途。版权保留。如有需要，请通过邮件联系：buaasuozi@hotmail.com。
     
  • Fault Diagnosis with Intelligent RL Approach
    优质
    本研究提出了一种基于智能强化学习的方法进行故障诊断，通过优化的学习策略有效提高系统的可靠性和维护效率。 使用强化学习的智能故障诊断问题陈述如下：通过训练一个类似于人类感知分类方法的智能代理来执行条件分类任务。该过程涉及利用堆叠式自动编码器提取潜在特征，并采用深度Q网络对代理进行数据集训练。本研究使用的滚动轴承故障数据由凯斯西储大学（CWRU）提供，包含正常和各种故障状态下的滚珠轴承测试信息。 实验中采集的数据采样频率为48KHz，这一数值来源于电机轴附近的测量结果。四种不同的运行条件如下： - N：代表无故障情况； - IF：表示内部故障； - OF：指外部故障； - RF：表明滚动体出现的故障。 为了验证我们的方法有效性，在实验中依据不同负载量下的振动数据被划分为四组（A、B、C和D），这些不同的条件将导致各异的振动模式，进而增加轴上振动的动力学特性。每一组包括根据故障直径及位置划分出的不同类别共10种情况（例如，编号为1至10）。其中，A、B和C三类包含了所有可能的分类，并且在它们之间没有不可见的数据类型存在。 一般而言，在每个特定数据集内某一个具体类型的样本数量大约有48万条。
     
  • 12k Drive End Bearing Fault Data_All-Digital_EWE_HFTZ_Bearing.zip
    优质
    该压缩包包含由全数字方法采集的12k驱动端轴承故障数据，适用于工程与机械领域的研究和分析。 振动信号是通过一个16通道的DAT录音器收集，并在Matlab环境中进行后期处理。所有数据文件均为Matlab格式（*.mat）。数字数据以每秒12,000个样本的速度采集。
     
  • linux中的segmentation fault错误
    优质
    Linux中的Segmentation Fault错误介绍的是在Linux操作系统下编程时常见的内存访问异常问题。当程序试图读取或修改其权限不允许的一块内存区域时发生此类故障。本文详细解释了这种错误的原因、常见原因及如何通过调试技巧来避免和解决它们，帮助开发者更好地理解和处理这类问题。 本段落简要介绍了Segmentation fault的发生原因，并通过实际例子阐述了内核向用户态程序发送SIGSEGV信号的流程。文章以实例解答了一些常见的SIGSEGV问题，例如“为什么函数返回后还能访问栈”、“为何free()后的内存仍然可被使用”以及“遇到的是SIGSEGV而非SIGILL的原因是什么”。最后作者结合自身经验列举了几种预防SIGSEGV的编程习惯供读者参考。需要注意的是，SIGSEGV信号的具体表现依赖于操作系统、编译器和硬件平台的不同配置，本段落基于Linux系统、GCC编译器及32位IA-32架构进行讨论，但对其他平台也有一定的借鉴价值。
     
  • Fault-Operational Safety Design for ADAS Systems
    优质
    本研究探讨了高级驾驶辅助系统（ADAS）在故障条件下的安全设计方法，旨在提高系统的可靠性和安全性。 Fail-Operational Safety Architecture for ADAS System Considering Domain ECUs 这段文字描述的是针对ADAS系统考虑域控制器的失效运行安全架构的研究主题。其中，“Fail-Operational”指的是在发生故障时，系统仍能保持一定水平的功能性；“Safety Architecture”则是指为了确保系统的安全性而设计的整体框架或结构。“ADAS system”代表高级驾驶辅助系统，它通过各种传感器和摄像头来帮助驾驶员提高行车安全性和舒适度。最后，“Domain ECUs”是指按照功能领域划分的电子控制单元，每个域控制器负责特定的功能区域内的信息处理与决策。 该主题的研究重点在于探讨如何设计一种能够在发生故障时仍能维持关键驾驶辅助功能的安全架构，并且这种架构需要考虑到由不同域ECU组成的复杂网络系统。
     
  • 故障树指南（Fault Tree Handbook）
    优质
    《故障树手册》是一本详尽介绍故障树分析方法的经典著作，为工程师和安全分析师提供识别及解决系统潜在风险的有效工具。 目录如下：1. 系统分析概念 2. 系统分析方法介绍 3. 故障树分析基本概念 4. 故障树基本元素 5. 建立故障树基础 6. 概率定理-事件的数学描述 7. 布尔代数及故障树分析应用 8. 压力舱示例 9. 三速电动机示例 10. 概率与统计分析 11. 故障树评价技术 12. 故障树评价计算代码
     
  • Residual Shrinkage Networks with Deep Learning for Fault Diagnosis.pdf
    优质
    本文提出了一种基于深度学习的残差收缩网络模型，用于机械设备故障诊断，通过实验验证了该方法的有效性和优越性。 Deep Residual Shrinkage Networks for Fault Diagnosis, by Minghang Zhao, Shisheng Zhong, Xuyun Fu, Baoping Tang, and Michael Pecht, Fellow Member of IEEE.