频谱分析诊断法 不同故障的特征频率 不平衡、不对中、松动、轴承故障、齿轮故障等 趋势分析法 通频值趋势分析 频谱趋势分析 报警值和危险值的确定 状态监测和故障诊断及其作用 设备维修制度的发展和不同维修制度的比较 故障诊断的各种手段 振动监测仪器的分类及其选用原则 离线仪器和在线系统

3.1 微机故障的特点 3.2 微机启动过程分析【重点】 3.3 死机故障分析【重点】 3.4 运行速度降低故障分析 3.5 随机性故障分析 3.6 开关机故障分析

9.1.1发动机电控系统故障诊断方法 (一)故障码诊断法 现代汽车电子控制系统都具有故障自诊断功能,当系统出现故障时,ECU会使“CHECK ENGINE”(检查发动机警告)灯点亮,同时将故障码信息存入存储器

针对滚动轴承故障振动信号的特点,考虑变分模式分解在复杂信号分解及微积分增强能量算子在瞬态成分检测方面的优势,提出基于变分模式分解和微积分增强能量算子的滚动轴承故障诊断方法.首先利用变分模式分解将复杂信号分解为多个本质模式函数,以削弱背景噪声的影响和满足能量算子对信号单分量的要求;然后根据提出的敏感分量选取原则,从本质模式函数中选出包含主要故障信息的本质模式函数为敏感分量;最后利用微积分增强能量算子强化敏感分量中的瞬态冲击,并根据敏感分量瞬时能量的时域波形及Fourier频谱诊断滚动轴承故障.分析结果表明该方法能够有效诊断滚动轴承故障

针对滚动轴承故障精密诊断的需要,采用小波包分析方法提取了滚动轴承故障的特征信号,通过小波包分析将高频信号分解到8个频带中,以频带能量作为识别故障的特征向量,应用RBF径向基神经网络建立了从特征向量到故障模式之间的映射,现场采集的数据分析表明,采用小波包和神经网络相结合的方法可以比较准确地识别滚动轴承的故障

提出了一种基于特征波形稀疏匹配的滚动轴承故障模式识别方法.该方法通过自行设计的搜索算法从信号中提取多段特征波形,并对其进行学习优化,以优化后的特征波形作为基原子模型生成原子库及模式匹配库.将待识别信号在模式匹配库上进行一阶匹配分析,实现轴承故障的模式识别.对正常轴承、滚动体故障、内圈故障和外圈故障信号进行实验,验证了方法的有效性和鲁棒性

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性

本章介绍了系统 BIOS SETUP设置错误造成的故障和处理方法,重点分析了DOS和 WINDOWS系统的引导故障、系统维护和故障排除方法。 15.1os利 CMOS Setup程序的故与维护 15.2D系统故障与维护 15.3ms- -Windows9x系统故障与维护

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

通过对数控机床典型故障案例的介绍,说明了数控系统、进 给传动链、主轴变速挂档、工作台交换、润滑系统和接口信号的 故障诊断的方法,有助于读者对数控机床的故障诊断有整体和综 合性的考虑