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

数控机床的故障有软故障和硬故障之分,所谓软故障,就足 故障并不是由硬件损坏引起的,而是由于操作、调整处理不当引 起的

提出了基于CORBA技术的分布式远程故障诊断系统的体系结构基本框架,讨论了实现这种远程故障诊断系统的关键技术,如POA策略、命名服务、事件服务和CORBA组件模型以及数据库集成等,重点介绍了企业级诊断系统和远程诊断系统的基本功能模块和实施细节

9-1汽油机电控系统故障诊断的基本方法 9-2汽油机电控系统故障诊断仪器

德国西门子公司在CNC系统中采用了这种诊断功能。用户 只要把CNC系统中专用的“通讯接口”连接到普通电话线上, 而专用通讯诊断计算机的“数据电话”也接到电话线上,然后由 计算机向CNC系统发送诊断程序,并将测试数据输回到计算机 进行分析得出结论。随后将诊断结论和处理方法通知用户

《机械系统工况监测与故障诊断》课程教学课件（讲稿）第3章 工况监测与故障诊断技术的基本知识

工厂供配电故障检修的安全技术措施 故障检验的仪器仪表 主要设备的故障诊断方法和检修方法 部分主要电气设备的故障检修实例

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．

本文在建立预测树的基础上,首次提出将图形化规则语言与预测树技术相结合。使用这种方法.可以方便而有效地建造现场诊断知识库。并以建立轴承疲劳试验故障诊断专家系统知识库为例,说明了其具体应用

直接影响到机床的正常运行和安全性,要检査接地排上接地端子 连接是否紧固,接触是否良好 当机床出现电源故障时,首先要査看熔断器、断路器等保护 装置是否熔断或跳闸,找出故障的原因,如短路,过载等。断路 器相当于刀开关、熔断器、热继电器和欠电压继电器的组合,是 种既有手动开关作用又能自动进行欠电压、失电压、过载和短 路保护的电器