电脑故障大全，教你如何解决电脑常出现的一些故障
标签： 电脑故障
上传时间： 2013-06-30
上传用户：妄想演绎师
抽油井故障诊断系统是油井系统产量的关键，为了更好更快地对当前油井系统进行诊断以保证石油的产量，人们利用各种各样的技术来完成这一目标。示功图的诊断法是油田有杆抽油诊断的主要方法，文章根据示功图诊断的特点，提取出灰度矩阵特征向量，运用神经网络对有杆抽油油田典型故障诊断进行建模，最后用实例验证了此方法的正确性。实验证明，本系统不仅可行性好，而且故障识别率高，对增加油井产量有重要意义。
上传时间： 2013-10-17
上传用户：alex wang
航空发动机故障诊断技术对避免飞行事故和降低飞行器运行成本是十分重要的。提出一种BP网络对某型飞机发动机进行故障诊断，但是由于BP网络收敛速度较慢而且容易陷入局部极小值，特别是BP网络通常只能给出一个解，受训练样本病态影响大。因此通过对BP网络的改进，建立了L-M算法神经网络的飞机发动机故障诊断模型。实验表明，该网络在一定程度上克服了BP网络存在的的问题，在逼近能力、分类能力和学习速度等方面均优于BP网络。为机务人员提供了有效的、科学的发动机故障诊断方法，该种评估手段较好地解决了发动机故障诊断问题，在飞行安全中发挥着越来越大的作用。
上传时间： 2014-12-23
上传用户：小儒尼尼奥
由于模拟电路的多样性、非线性和离散性等特点，模拟电路的故障诊断呈现复杂、难以辨识等问题。针对已有方法的数据不平衡，提出了一种支持向量机集成的故障诊断方法。使用小波变换方法提取特征向量，在多类别支持向量机的基础上，设计了模拟电路的最小二乘支持向量机预测模型，实现了对模拟电路的状态的故障预测。将该方法应用于Sallen-Key带通电路进行故障预测试验，结果表明，该方法比单一支持向量机、径向基神经网络、BP神经网络和APSVM有更好的分类和泛化性能，故障诊断准确率更高。
上传时间： 2013-10-31
上传用户：417313137
针对传统的故障树分析法在故障诊断中存在的缺点和不足，文中将模糊理论运用到故障诊断中，提出基于T-S的模糊故障树的故障诊断法。介绍了T-S模糊模型及算法，建立了诊断系统的故障库和推理机。使设备操作和维修人员可及时发现故障，降低系统故障率，提高了保障的能力。
上传时间： 2013-10-19
上传用户：heheh
软件发生瞬时故障时，可能会导致处理器状态改变，致使程序执行出现数据错误或者控制流错误。目前已有许多软件、硬件以及混合的解决方案，主要的方法是重复计算和检查副本的一致性。但是，生成正确的容错代码十分困难，而且几乎没有关于证明这些技术的正确性的研究。类型化汇编语言（TAL）是一种标准的程序安全性证明的方式。本文概述了一种面向瞬时故障的软硬结合的容错方法，以及对该方法的形式化方法，包括容错类型化汇编语言、类型系统和容错定理。形式化的目的是为了验证，只有通过验证的程序代码才是类型安全的。本文只简单介绍了程序的形式化方法。
上传时间： 2014-01-15
上传用户：dudu1210004
针对齿轮故障特征信号具有强噪声背景、非线性、非平稳性特点，提出采用形态梯度小波对齿轮振动信号进行降噪。首先使用形态梯度小波把齿轮振动信号分解到多个尺度上，然后对各层的细节系数进行软阈值方法降噪处理，对经过处理后的小波系数进行重构。对降噪后的齿轮振动信号采用S变换多分辨率时频分析，能够从具有良好的时频分辨率的S变换谱图提取齿轮故障特征。通过仿真试验和故障轴承的信号分析证明，该方法具有短时傅里叶变换和小波变换的优点，不存在Wigner-Ville分布的交叉干扰和负频率，能有效地提取隐含在噪声中的齿轮故障特征，适合齿轮故障的在线监测和诊断。
上传时间： 2013-11-01
上传用户：AISINI005
介绍了晶闸管调速粗动装原理, 分析了典型故障的原因
上传时间： 2013-11-15
上传用户：cmc_68289287
总体平均经验模式分解（EEMD）方法是一种先进的时频分析方法，非常适合于对非平稳故障微弱信号的分析处理。文中介绍了EEMD方法的原理与算法实现步骤，重点分析了EEMD方法避免模式混淆的机理。利用EEMD方法对齿轮箱振动信号进行分析，成功提取了小齿轮磨损故障特征，验证了EEMD方法在故障微弱信号特征提取的有效性。
上传时间： 2014-11-29
上传用户：wbwyl
模糊综合评判法是一种基于模糊数学的综合评判方法，该综合评判法根据模糊数学的隶属度理论把定性评判转化为定量评判，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评判。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。本文以新一代天气雷达发射机故障为例，论述了该方法如何获取故障诊断数据，如何进行故障定位等过程。
上传时间： 2013-10-17
上传用户：yxgi5
