目录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1 课题研究背景及意义 1
1.2 故障诊断国内外研究现状 2
第二章 机器学习算法在故障检测中的应用 4
2.1基于机器学习故障检测基本概念 4
2.1.1 机器学习基本概念 4
2.1.2 故障检测和故障诊断技术基本概念 5
2.2常见算法在故障诊断中的运用 7
2.2.1 基于决策树的故障诊断方法 7
2.2.2 基于支持向量机的故障诊断方法 8
2.2.3 基于随机森林的故障诊断方法 9
2.2.4 基于梯度下降树的故障诊断方法 10
2.3本章小结 11
第三章 机器学习在传感器故障检测上的应用 12
3.1 机器学习所需训练集的获取 12
3.2 机器学习算法在PC端的模型训练与保存 14
3.3 四种机器学习算法在PC端的运行结果 15
3.4 本章小结 15
第四章 将机器学习算法移植到树莓派 16
4.1 树莓派简介 16
4.2 机器学习模型导入树莓派的步骤 16
4.3 四种机器学习方法在树莓派上的运行结果 18
4.4 本章小结 18
第五章 结论与展望 19
5.1 结论 19
5.2 展望 19
参考文献 21
致 谢 23
基于树莓派和机器学习的传感器故障检测算法研究
摘 要
传感器的正常工作为设备的正常运行提供最基本的保证，其工作的稳定性至关重要，长时间工作的设备经常会发生故障，带来巨大损失。若能在故障发生前或在故障发生时及时发现问题，可以极大程度地降低损失。现代工业系统对安全性与可靠性的要求越来越高，故障诊断技术逐渐成为研究的热点之一，在《中国制造2025》中提到对设备健康状况及故障检测列为智能制造中的核心技术，因此对传感器的故障检测研究具有重要意义。机器学 *51今日免费论文网|www.51jrft.com +Q: ￥351916072$ 
习算法已经被广泛应用在传感器故障检测中并有良好的检测效果。基于树莓派硬件的便携性和低能耗的特点将机器学习算法的模型移植到树莓派上，不再需要繁重的PC端对所得数据进行分析处理。此外，为了正确高效地从传感器的工作状态数据中判断出其是否故障，本文基于支持向量机、决策树、随机森林、GBDT机器学习算法对数据进行训练得到模型，选择出精度最高的算法，并对机器学习方法在传感器故障检测领域的应用前景进行了展望。
目录
目录

原文链接：http://www.jxszl.com/dzxx/dzdq/609064.html