智能故障诊断已经吸引了越来越多的关注在过去几十年来在各种工业领域,如航空航天、造船、制造、可持续能源、基础设施建设和运输。预防故障诊断将改善机械操作复杂的系统或设备的可靠性和安全性,进一步减少循环寿命,避免系统的成本风险。如今,许多诊断基于振动信号分析的应用程序部署。振动信号可以方便地获取和含有丰富的签名信息,反映了潜在的故障和性能退化趋势的监控系统。这个特殊的问题旨在发布新进展状态的艺术在各种工程应用和研究人员和工程师提供了一个平台来分享他们的小说理论和方法,以提高技术在智能故障诊断的研究领域。
这个特殊的问题智能故障诊断基于振动信号分析提供了一个独特的机会来展示最新趋势和先进的研究在这个快速发展的研究领域。9 23报纸专门开发用于轴承故障诊断的新技术。增强内在模型的神经网络分类器,敏感的选择函数,自适应随机共振算法分析,提升小波包符号熵评估、割边重量基于tri-training置信区间,先进的图像识别算法在EEMD空间,STFT-based深度学习技术,和深层的信念网络加上多传感器信息融合算法只是一些先进的方法在这个特殊的问题领域的滚动轴承诊断。
其他报纸的特殊问题致力于其他或应用程序(但不是那么重要)领域:智能故障诊断在变速箱,风力涡轮机,液压泵,涡轮发电机、电子设备、振动器、机床等等。递归估计的内核岭回归、先进多类支持向量机分类器,则修改时频夏侬熵方法,和先进的图像分析技术在频率空间只是一些新颖的技术和算法用于智能故障诊断这些要求应用程序。
我们希望这个特殊的问题将有利于专家、研究生、研究人员和科学家们正在快速发展地区的智能故障诊断的基于振动信号的分析。
确认
特刊的编辑要感谢作者的所有提交的论文。
Minvydas Ragulskis
陈路
机械连接的歌
Ameen El巫乐