關(guān)于故障診斷方向論文引用文獻(xiàn)有很多，選擇引用的參考文獻(xiàn)直接關(guān)系到文章的質(zhì)量，所以選擇文獻(xiàn)要注意，不能脫離論文的主題，例如文章是關(guān)于故障診斷方向的，就不能引用無關(guān)的文獻(xiàn)，引用文獻(xiàn)要能夠突出文章的主題，這是選擇參考文獻(xiàn)的一個(gè)基本原則，這里就匯總了部分關(guān)于故障診斷可以引用的文獻(xiàn)推薦：

　　一、基于行波理論的輸電線路故障診斷方法研究

　　摘要：運(yùn)行中的輸電線路發(fā)生故障時(shí)，會(huì)在故障點(diǎn)產(chǎn)生向兩側(cè)傳播的電流行波和電壓行波。電流行波和電壓行波又統(tǒng)稱為故障行波，故障行波會(huì)在阻抗不連續(xù)點(diǎn)發(fā)生折射和反射，由此可以通過采集并分析故障行波得到線路故障信息。利用相模變換對三相電流行波進(jìn)行解耦，通過解耦后得到的獨(dú)立模量之間的關(guān)系可以確定故障類型和故障相，再利用小波變換模極大值的方法標(biāo)定行波波頭，通過波頭信息可以得到故障點(diǎn)距離。仿真結(jié)果顯示，該方法能準(zhǔn)確地確定故障類型和故障相，對故障點(diǎn)距離的定位也能達(dá)到很高的精度。

　　來源：軟件工程. 2022,25(07)

　　二、基于紋理圖像的強(qiáng)抗干擾性軸承故障診斷方法

　　摘要：針對傳統(tǒng)時(shí)頻分析與卷積神經(jīng)網(wǎng)絡(luò)(CNN)結(jié)合的軸承故障診斷模型抗噪性能差的問題，提出了一種能高效提取振動(dòng)信號(hào)特定頻段信息并具有強(qiáng)抗干擾性的卷積神經(jīng)網(wǎng)絡(luò)模型。首先根據(jù)診斷對象的型號(hào)與運(yùn)轉(zhuǎn)狀態(tài)，自適應(yīng)地將一維振動(dòng)信號(hào)轉(zhuǎn)換成二維CNN善于處理的紋理圖像，再輸入首層超大卷積核的強(qiáng)抗干擾性卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練。為了驗(yàn)證模型的抗噪性和準(zhǔn)確性，設(shè)計(jì)了模型抗噪測試和故障定位測試。

　　來源：軸承.北大核心(錄用定稿)網(wǎng)絡(luò)首發(fā)時(shí)間：2022-07-06 11:08:36

　　三、特征篩選與SVM結(jié)合的風(fēng)機(jī)軸承故障診斷研究

　　摘要：由于城市軌道交通頻繁運(yùn)行，地鐵風(fēng)機(jī)滾動(dòng)軸承的故障特征極易被復(fù)雜多變的背景噪聲所掩蓋。針對這一問題，提出了一種基于特征篩選與支持向量機(jī)(SVM)的故障診斷方法。首先，從軸承原始監(jiān)測信號(hào)中提取多尺度特征，構(gòu)建軸承常見故障狀態(tài)下的健康指標(biāo)特征集;其次，利用拉普拉斯評分對處于故障狀態(tài)下的健康指標(biāo)特征集與正常狀態(tài)下的健康指標(biāo)特征集進(jìn)行對比，獲得健康指標(biāo)敏感程度權(quán)重分?jǐn)?shù)，篩選出敏感故障特征;最后，運(yùn)用SVM算法對篩選出的特征進(jìn)行故障識(shí)別，從而準(zhǔn)確地實(shí)現(xiàn)地鐵風(fēng)機(jī)滾動(dòng)軸承的故障診斷。通過在實(shí)際軸承故障數(shù)據(jù)集上的故障診斷實(shí)驗(yàn)，證明了提出方法的有效性和優(yōu)越性。

　　來源：機(jī)械設(shè)計(jì)與制造.北大核心(錄用定稿)網(wǎng)絡(luò)首發(fā)時(shí)間：2022-07-08 09:59:25

　　四、基于CatBoost算法的光伏陣列故障診斷方法

　　摘要：針對基于傳統(tǒng)機(jī)器學(xué)習(xí)算法的光伏陣列故障診斷方法需要大量訓(xùn)練集的問題，提出了基于CatBoost算法的故障診斷方法，實(shí)現(xiàn)小規(guī)模訓(xùn)練集下不同程度故障的準(zhǔn)確診斷。建立了光伏組件等效電路模型，考慮短路、開路、老化、局部陰影下不同程度的光伏陣列故障，分析包含旁路二極管和阻塞二極管的光伏陣列的伏安特性曲線變化特性，構(gòu)建反映不同故障特性的特征量，作為光伏陣列故障診斷方法的輸入向量。使用CatBoost算法對小規(guī)模訓(xùn)練集進(jìn)行訓(xùn)練，建立基于CatBoost算法的故障診斷模型。為驗(yàn)證所提方法的效果，分別進(jìn)行了仿真和實(shí)驗(yàn)分析。將所提方法與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法、其他決策樹算法進(jìn)行對比，驗(yàn)證了所提方法在小規(guī)模訓(xùn)練集下的準(zhǔn)確性與穩(wěn)定性。

　　來源：電力系統(tǒng)自動(dòng)化(錄用定稿)網(wǎng)絡(luò)首發(fā)時(shí)間：2022-06-30 20:37:44

　　推薦閱讀：如何選擇故障診斷方向?qū)I(yè)的期刊

如果您現(xiàn)在遇到期刊選擇、論文內(nèi)容改善、論文投稿周期長、難錄用、多次退修、多次被拒等問題，可以告訴學(xué)術(shù)顧問，解答疑問同時(shí)給出解決方案 。