可靠的识别故障类型和故障严重程度的评估是必不可少的在旋转机械的状态维修决策。在工程实践中,旋转机械的机械系统经常受到混合故障在同一组件或不同的组件。同时发生的多个故障使故障检测,特别是和考试错的类型和严重性通常更具挑战性。

流行的智能算法,例如,人工神经网络,引入multifault模式识别。很难理解神经网络工作由于缺乏”的物理意义。“一个潜在的解决方案是一个多通道、集成的方法,将混合故障通过提取子模型每个对应一个错。然后multifault检测、诊断和预测可以有效地执行。

这个特殊问题的目的是发布高质量的研究论文和评论文章解决multifault检测的最新进展,为旋转机械诊断和预后。我们欢迎原创的、高质量的贡献尚未发表,或者目前不被其他期刊或评审会议审查。

潜在的主题包括但不限于以下:

• 基于小波的分离技术
• 基于经验模态分解的分离技术
• 基于订单跟踪解耦技术
• 基于稀疏分解的分离技术
• 基于盲源分离(BSS)的分离技术
• 智能理论基于解耦技术
• 小说multifault预测技术
• 剩余寿命预测技术
• 实际案例研究multifault诊断和预后