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

一、能对电脑维护的基本思路灵活应用 二、能够从常见故障分析中总结出一些有效的

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

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

提出一种基于峭度能量的谱相关分析方法.它利用每个循环频率切片的峭度值来衡量该循环频率的调制能力,并以此作为加权因子进行循环频率的能量累积,最终实现故障特征的有效提取.相对于传统的谱相关分析方法,本文方法降低了信号中多倍频谐波对故障特征频率的干扰,能更清晰准确地提取出故障频率特征.利用传统的谱相关分析方法、本文方法和共振解调三种方法对仿真信号、低速重载试验台的滚动轴承外圈故障信号进行分析,证明了本文方法的有效性

由于轴承故障声信号的混响及临近的机械设备的噪声，造成声信号的频域分析很困难．通过小波变换原理，对滚动轴承故障声信号进行时频分析．通过对声信号的多尺度分解，分离出由故障造成的声信号突变．实验结果表明，较之以往的时域、频域信号处理技术，该方法对声音信号分解更趋合理，是一种可靠和有效的滚动轴承故障诊断新方法．

在分析了以往的齿轮故障诊断方法及大量试验数据的基础上,选出了对应于各故障敏感的参量,总结归纳了齿轮故障的判据并在此基础上建立了故障诊断的专家系统,把模糊理论用以知识表示进行不精确推理;采用元知识控制下的反向推理机制并根据推理结果赋以合理的解释,该系统既能本机自动诊断又能结合其它诊断方法作精密诊断;还能兼顾在线监测与离线分析.利用该系统对齿轮试验数据进行分析、处理进而推理、诊断获得了满意的效果

研究背景与现状分析 航空发动机磨损故障诊断界限值制定研究 航空发动机磨损趋势组合预测模型研究 基于数据挖掘的航空发动机磨损故障诊断知识获取 航空发动机磨损故障融合诊断技术研究 航空发动机磨损故障诊断专家系统开发 总结与展望

针对高炉故障诊断系统快速性和准确性的要求，提出基于全局优化最小二乘支持向量机的策略.首先，采用变尺度离散粒子群对最小二乘支持向量机的参数和故障特征的选取进行优化；然后，利用核主元分析法对选取的特征向量进行压缩整理；最后，构造了以Fisher线性判别率为标准的启发式纠错输出编码.仿真结果表明，通过对故障训练样本有意义地分割重组，用较少的最小二乘支持向量机分类器，得到较高的故障判断准确率且增强了整个系统的实时性

硬盘引导型故障一般在启动机器时出现,这种故障有可能是系统本身的原因造成的,也可能是由病 毒引起的。由病毒引起的故障通过查杀毒就能解决,因此下面就分析病毒以外的故障,供大家参 考: