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

1.掌握传统仪表的结构、工作原理和故障检测方法。 2.掌握数字仪表的故障检测方法。 3.理解数字仪表的组成和工作原理。 8.1 概述 8.2 传统仪表 8.3 数字仪表 实训项目8.1 传统仪表的故障诊断 实训项目8.2 帕萨特B5轿车数字仪表的故障诊断

提出了一种应用灰度击中击不中变换提取故障特征的方法.从待分析信号中指定若干个目标波形,由此计算得出击中击不中结构元素对,在每个采样点位置进行模式匹配,具有故障特征的波形段将具有较高的输出.应用于制氧厂驱动电机的碰摩信号和转子试验台的冲击信号,成功提取出削波特征和冲击特征.该方法与人工分析信号的思路接近,算法容易理解,可以作为从时域波形直接提取故障特征的一种有效方法

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

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

1.1机械可靠性 1.2机械维修性 1.3机械故障的定义、分类及其模式 1.4机械故障特征及其发生规律 1.5机械故障迹象及其特征参量

4.1 电力系统故障分析的目的与内容 4.2 三相对称短路的基本分析 4.3 三相短路电流周期分量的实用计算 4.4 分析不对称故障的基本理论

完成了一个故障模糊诊断专家系统(Fault Fuzzy Diagnose Expert System).FFDES由知识库维护、故障诊断、诊断解释、列表打印4个基本模块组成,此系统基于模糊数学中的模糊变换的原理建立推理诊断机制,经实例考察,结果满意

电力机车的高、低压试验是机车组装完成之后对机车各部件进行调整和整 定必不可少的工作之一,电力机车电气线路的故障判断处理又是机车检修人员 和乘务人员必备的技能之一。本章将介绍韶山4改型、韶山型电力机车低压试 验前的准备工作、低压试验的程序及要求,高压试验前的准备工作、高压试验 的程序及要求,并简单介绍韶山4改型、韶山型机车常见故障的应急处理方 法。本章所要达到的目的是: