建立了非平稳运行工况下行星齿轮箱共振频带内的声音信号解析模型，揭示了齿轮故障特征在声音信号共振频带内的分布规律。根据共振频率不随转速变化的特点定位了齿轮箱共振频率，为在共振频带内提取齿轮故障特征奠定基础。针对传统时频分析方法时频分辨率低的缺陷，研究了基于高阶同步压缩变换的时变故障特征提取方法。通过数值仿真和实验信号分析，验证了所提出的声音信号模型与行星齿轮箱故障特征分布规律的正确性，以及利用高阶同步压缩变换方法提取共振频带内行星齿轮箱故障特征的有效性

一、热力学状态参数 二、压—焓图的形成及应用 三、制冷剂的种类、命名及性质 四、电冰箱的类型、结构与工作原理 五、电冰箱制冷系统的主要部件与结构 六、电冰箱电器控制系统的工作原理 七、电冰箱常见故障的分析和维修

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用AR(n)模型对分解后的时间序列进行预测,进而得到最终的预测结果.将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于BP网络的预测方法相比较表明:该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中

机械可靠性设计 第一章机械可靠性设计概述 第二章机械可靠性设计基础 第三章可靠性设计基本方法 第四章机械系统的可靠性分析 第五章机械系统的故障分析 第六章机械零件的疲劳强度可靠度分析

基于摩擦学和齿轮系统动力学,同时考虑到轮齿摩擦、时变啮合刚度、偏心质量和综合误差的影响,创建了齿轮传动系统六自由度耦合动力学模型.利用自适应及变步长数值仿真方法对其进行了非线性振动研究,比较了完好齿轮与带裂纹故障齿轮的振动特性,分析了齿根裂纹对齿轮传动系统载荷谱的时域特性、频域特性和时频特性的影响

本章要点： • 熟悉高频头的作用及组成 • 了解高频头的性能要求 • 掌握高频头的分类 • 掌握高频头内部电路的基本工作原理 • 掌握高频头供电电路的分析 • 掌握高频头电路的故障分析 第一节 高频头 第二节 高频头的类型

2.1黑白显像管口 2.2黑白电视机原理框图 2.3电视信号和信号通道的频谱分析 2.4黑白电视机常见故障的分析

§3.1 交通安全分析方法 一、概述 二、统计图表分析法 三、因果分析图法 四、安全检查表分析法 五、预先危险性分析法 六、故障模式和影响分析法 七、事件树分析法 八、事故树分析法 §3.2 交通安全评价方法 一、安全评价概述 二、安全检查表评价法 三、作业条件危险性评价法 四、概率安全评价法 五、安全综合评价