提出基于普通变尺度和周期势自适应随机共振理论，检测噪声背景下轴承滚动体的故障特征.在具体实施过程中，首先用普通变尺度的方法满足随机共振中小参数的条件，然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法，同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后，微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比，结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比，并且比双稳态自适应随机共振迭代次数少，用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性，尤其是在工程实际中，故障监测所需的数据量大，计算时间长，如能较早的预警，可以提高诊断效率并减少不必要的损失.因此，这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值

2.1 设计、验证和测试 2.2 缺陷、失效和故障 2.3 故障及故障检测 2.5 故障的等效/支配/冗余

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

7.1 闪存系统故障维修【重点】 7.2 硬盘系统故障维修【重点】 7.3 光盘系统故障维修

8.1 图形显示技术 8.2 显卡故障维修 【重点】 8.3 CRT显示器故障维修 8.4 LCD显示器故障维修 【重点】

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

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

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

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

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