故障诊断

这张生成的图像能检测吗

（论文速读）MMFSL：面向工业轴承故障诊断的多模态小样本学习框架论文题目：MMFSL: A Novel Multimodal Few-Shot Learning Framework for Fault Diagnosis of Industrial Bearings（MMFSL：一种面向工业轴承故障诊断的新型多模态小样本学习框架）

这张生成的图像能检测吗

（论文速读）LINN：液体神经网络与脉冲神经元融合的可解释旋转机械故障诊断论文题目： A liquid-impulse neural network model based on heterogeneous fusion of multimodal information for interpretable rotating machinery fault diagnosis 中文翻译：基于多模态信息异构融合的液体-脉冲神经网络可解释旋转机械故障诊断模型期刊： Mechanical Systems and Signal Processing，2026

这张生成的图像能检测吗

（综述）边缘计算 × IoT：从机器信号处理到低时延故障诊断论文题目：Edge Computing on IoT for Machine Signal Processing and Fault Diagnosis: A Review（面向机器信号处理与故障诊断的 IoT 边缘计算：综述）

【论文解读】DRSN：把软阈值去噪“内化”进残差网络的强噪声故障诊断方法本文解读的论文是 Deep Residual Shrinkage Networks for Fault Diagnosis，发表在 IEEE Transactions on Industrial Informatics。

【论文解读】EMR：在保持内在成分的前提下做振动数据增强本文解读的论文是 Empirical mode reconstruction: Preserving intrinsic components in data augmentation for intelligent fault diagnosis of civil aviation hydraulic pumps，发表在 Computers in Industry。

【论文解读】DCSN：面向船舶发动机少样本故障诊断的难样本挖掘船舶发动机的故障样本极其稀少，且不可避免地存在类间差异较小的难样本，给少样本条件下的故障诊断带来了很大挑战。针对这一问题，论文DCSN: Focusing on hard samples mining in small-sample fault diagnosis of marine engine提出了一种深度度量学习方法，名为深度同心孪生网络（Deep Concentric Siamese Network，简称 DCSN）。其核心想法是用一对同心边界把容易和难的样本对区分开来，让网络把主要的学习压力施加

【论文解读】DA-SMOTE：可学习插值系数的不平衡异常检测增强方法燃气轮机的监测数据常常同时面临类别不平衡和类间重叠两大难题：正常运行样本远远多于异常样本，而且异常的早期征兆往往藏在正常工况的边界附近，与正常样本特征高度相似。传统过采样方法在这种场景下很容易生成噪声样本，反而降低检测性能。论文Deep attention SMOTE: Data augmentation with a learnable interpolation factor for imbalanced anomaly detection of gas turbines针对上述问题，提出了一种新的数

今天吃饺子

超高创新模型！TF-SAX-Llama 轴承故障诊断近年来，大语言模型火得一塌糊涂，写文案、敲代码、做图样样都行。于是很多人开始琢磨：能不能把大模型用在工业故障诊断上？

这张生成的图像能检测吗

（综述）基于遗传神经网络的不平衡故障诊断技术综述论文题目：Review of imbalanced fault diagnosis technology basedon generative adversarial networks（基于遗传神经网络的不平衡故障诊断技术综述）

从故障诊断到寿命预测：用 DolphinDB 构建工业设备的预测性维护管线做工业设备运维的人，多半听过状态维修（CBM）的三个递进层次：诊断（现在有没有故障）、评估（一群设备整体多健康）、预测（这台设备还能用多久）。

这张生成的图像能检测吗

（论文速读）基于 MEMS 振动的无人机智能健康监测：螺旋桨损伤与结构松动检测论文题目： Intelligent UAV health monitoring: Detecting propeller and structural faults with MEMS-based vibration（智能无人机健康监测：基于 MEMS 振动信号检测螺旋桨与结构故障）期刊： Engineering Science and Technology, an International Journal

这张生成的图像能检测吗

（论文速读）多旋翼飞行器螺旋桨损伤的检测、分类和估计论文题目：Propeller Damage Detection, Classification, and Estimation in Multirotor Vehicles（多旋翼飞行器螺旋桨损伤的检测、分类和估计）

这张生成的图像能检测吗

（论文速读）基于频域分集调制的单通道无人机螺旋桨损伤诊断论文题目：Frequency-domain diverse modulation for single-channel UAV propeller damage diagnosis（基于频域分集调制的单通道无人机螺旋桨损伤诊断）

这张生成的图像能检测吗

（论文速读）元结构增强的单传感器无人机螺旋桨故障定位方法论文题目： Metastructure-enhanced single-sensor method for improving UAV propeller fault localization（元结构增强的单传感器无人机螺旋桨故障定位方法）期刊： Mechanical Systems and Signal Processing

这张生成的图像能检测吗

（论文速读）基于MFC传感和能量采集的无人机螺旋桨故障自能实时监测论文题目：Self-powered real-time monitoring of UAV propeller faults via integrated sensing and energy harvesting of MFC（基于MFC传感和能量采集的无人机螺旋桨故障自能实时监测）

这张生成的图像能检测吗

（论文速读）REF-DDPM：一种新的基于DDPM的不平衡滚动轴承故障诊断数据增强方法论文题目：ReF-DDPM: A novel DDPM-based data augmentation method for imbalanced rolling bearing fault diagnosis（一种新的基于DDPM的不平衡滚动轴承故障诊断数据增强方法）

原野风霜324

认识UDS故障诊断中DTC的形成过程本文主要对UDS故障诊断中DTC的形成过程进行分析，以加深理解。首先，需要明确的是，不能简单理解为：故障=DTC。因为，DTC分为多个状态位，是动态变化的过程。

【建模先锋】

创新升级！从 Conditional DCGAN 到 Conditional WGAN-GP：小样本故障诊断生成增强再进阶Python轴承故障诊断 (14)高创新故障识别模型-CSDN博客独家原创 | SCI 1区高创新轴承故障诊断模型！-CSDN博客

【建模先锋】

强噪声故障诊断新思路！从频域降噪到故障分类：FusADFaultClassifier 自适应谱降噪分类模型详解Python轴承故障诊断 (14)高创新故障识别模型-CSDN博客独家原创 | SCI 1区高创新轴承故障诊断模型！-CSDN博客

这张生成的图像能检测吗

（论文速读）MDRS-GAN：基于多尺度密集残余收缩GAN的旋转机械故障诊断论文题目：A novel multi-scale dense residual shrinkage GAN for data-limited rotating machinery fault diagnosis（基于多尺度密集残余收缩GAN的旋转机械故障诊断）