以流量信号作为特征信息进行液压故障诊断,分析了液压系统中出现流量异常时的主要表现及产生原因,基于流量信号与液压系统工况之间关系的分析及CBG 2040型齿轮泵的4种故障的实验研究,指出:流量信号也是状态信息的丰富载体,利用流量信号来监测液压系统的状态及进行故障诊断是可行的、有效的

§5.1齿轮的故障诊断 §5.2滚动轴承的故障诊断 §5.3静止设备的故障诊断 §5.4发动机诊断技术

针对矿山破碎机的声音故障诊断受复杂现场环境制约、确诊率低的难题,结合独立分量分析(ICA)在自然图像和连续语音信号中特征提取的方法,采用两层ICA分别用于从混杂声音中提取各采集通道(部位)的统计独立声音信号和进一步提取该信号的特征基.训练阶段生成的特征基系数序列用来生成矢量量化(VQ)的码书,设计出ICA-VQ破碎机故障诊断系统.现场采集数据的实验中系统的故障诊断准确率达到96.8%,表明系统的高效性

介绍了一种多输入、多输出系统的故障诊断参数选择方法,该方法以可观参数集的信息熵为标准,进行启发性诊断参数集的划分,先以系统状态决定的启发性诊断多数子集作为驱动数据,实施正向推理,缩小目标集合;再以故障目标集合为对象,进行反向推理以确定最终故障集合;最后将故障集合的元素所对应的可测诊断参数作为系统的诊断参数进行测量。该方法构成了诊断型专家系统的一子部分

硬盘软故障完全修复手册一一数据结构篇 硬盘是计算机中极为重要的存储设备,计算机工作所用到的全部文件系统和数据资料的绝大多数都 存储在硬盘中。硬盘是产生计算机软故障最主要的地方,常见的硬盘软故障有:硬盘重要参数及文 件丢失,电脑不能起动:碎片过多,电脑运行速度变慢:硬盘分区后丢失容量等

所谓替代检测法就是用一个好元件代换怀疑有故障的元件。此法 ，对检修汽车音响软故障有独到的实效。在汽车音响各级放大电路 的检修巾，常常会遇到一些用常规仪表不好检测的故障件，因而不 能对它们的好坏进行判断，如小容量（0.01F以下）电容器失效( 容量减小或开路等)。此时，可用相同型号(或类似的)好元器件替换 被怀疑的元件，这样就能迅速地找出故障元件，恢复机器的正常工 作状态

在深入研究APT-2神经网络结构的基础上,提出了一种基于神经网络的自适应故障模式分类方法,并应用在轴承故障诊断中,结果表明:该方法对轴承故障模式具有自学习、快速稳定的识别能力

17.1微机的日常使用与保养 17.2微机故障类型及原因 17.3硬件故障的查找方法 17.4硬件维护维修工具 17.5阅读资料:微机常见故障及排除

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