高速动车组LED信息显示系统故障检测与诊断技术研究

高速动车组LED信息显示系统是旅客实时了解列车行驶信息的保证,但目前由于电路原因导致LED显示故障频发。本文通过对LED信息显示系统工作原理的研究基础上,首先对系统各模块功能进行划分,进而搭建测试实验电路对LED信息显示系统进行通电测试,查找各种故障原因,最后基于多次实验结果提出了针对高速动车组LED信息显示系统故障检测与诊断技术。实验结果表明:高速动车组LED显示系统故障主要发生在驱动电路和LED显示器上,并可根据提出的检测技术进行有效诊断。     

基于联邦学习的暖通空调系统故障检测与诊断

暖通空调系统的自动化和准确故障检测与诊断是智能工业设施维护领域减少时间、能源和财务成本的最重要技术之一。近年来,基于数据驱动的故障检测与诊断方法在暖通空调方面表现出色,但是大多数方法都只能检测单一故障等级的故障,并且不能进行跨系统故障诊断。为了解决这两个问题,提出一种基于联邦学习的故障检测与诊断方法,该方法使用卷积神经网络来提取信息特征,利用特定算法进行聚合,经过多次联邦学习,能够进行跨故障等级和跨系统故障检测与诊断。在多故障等级故障检测与诊断方面,利用冷水机组4个故障等级数据进行联邦学习。实验结果显示,4个故障等级的故障检测和诊断效果的F1-score平均值接近0.97,已经达到实际应用水平。在跨系统故障检测与诊断方面,利用冷水机组和空气处理机组数据进行联邦学习。实验结果表明,利用不同系统数据进行联邦学习,可以提高某些轻微故障的诊断效果,比如,相比传统机器学习方法,RefOver故障的诊断效果F1-score提升了14.4%,Refleak和Exoil两个故障的诊断F1-score提升了2%～4%。     

计算机显示器“黑屏”故障的检测与维修

在计算机使用过程中,常常出现显示器“黑屏”的故障,对于操作员来说往往无从下手,既不能判断故障部位,又不能进行及时有效的维修。本文介绍几种“黑屏”故障的检测维修方法。使操作员在无专业检测维修工具的情况下,找出故障并尽快修复。计算机显示器“黑屏”故障可能发生在显示器本身、显示适配器、主机系统板、电线电缆等部位。因此在打开机盖进行检测与维修之前,先应判断出故障的部位,以免盲目动手拆卸而扩大故障。下面给出这一故障的检测与维修步骤。１　显示器“黑屏”且电源指示灯不亮这类故障多为显示器本身故障。首先检查显示…     

基于自主诊断重构技术的航天器故障检测系统设计

传统航天器故障检测系统姿态定位能力较差,导致不能突破阈值,准确实现检测,且传统系统不具备重构能力;为解决上述问题,基于自主诊断重构技术,提出了一种故障检测的新方法,优化设计了航天器故障检测系统的硬件和软件部分,硬件设计采用EEC-I型检测器,为保证检测器的运行,对检测器的电压与电流范围进行了设置;设计采用MATLAB的数据采集器,选用Telnet接入端口,实现采集器的通信,确保数据的顺利采集;采用FIR滤波器,为保证信号的完整性对通带和阻带进行设置;设计采用4NIC-UPS27型号一体化不间断电源为航天器故障检测系统提供动能;软件设计基于自主诊断重构技术的航天器故障检测系统流程,运用小波网络算法对航天器的姿态角数据进行分析,预测航天器的姿态角的安全阈值,最后利用残差数据分布概率模型进行航天器故障诊断;实验结果表明,设计的基于自主诊断重构技术的航天器故障检测系统能够很好地从X、Y、Z三个轴进行检测,确定不同方位的航天器故障,在设定阈值后,提出的检测系统能够很好地分析阈值,实现残差突破,同时具备路线重构能力。     

基于OZ9938 LCD背光高压板工作原理解析与检测

背光高压电源板为液晶显示器CCFL提供电源,由于工作在高电压大电流,因而背光高压板的故障率在液晶显示器故障中占有较大的比例,由于机型种类繁多,以及缺乏相关的技术资料,使我们对背光板高压板的检测带来了一定的困难。该文结合被广泛应用的OZ9938所构成LCD显示器背光高压典型电路,分析和总结了背光逆变高压电路的工作原理与检测的方法。     

铜钪金属矿重载机械故障检测与智能诊断技术的研究

通过对煤炭矿山关键设备故障检测与智能诊断技术的分析研究,结合铜钪金属矿的设备状况,分析了将煤矿技术应用于金属矿山的可行性,探讨了铜钪金属矿山关键设备核心部件故障检测与智能诊断的研究方法与策略、故障信号特征的提取方法以及设备状态评估与定量诊断方法。该文为推进金属矿山减排及资源化利用技术研究具有参考意义。     

机器学习在故障检测与诊断领域应用综述

机器学习已经成为当前技术发展热点,由于机器学习具有快速处理大量数据、分析提取有效信息等优点,因此在故障检测与诊断技术中受到了越来越多的关注;文章系统介绍了机器学习和故障检测与诊断的概念、分类,深入了解了基于PCA和随机森林的故障检测方法和国内研究现状,以及基于决策树、支持向量机以及神经网络的故障诊断方法和国内外研究现状,其中重点介绍了卷积神经网络和递归神经网络的应用,并对机器学习算法在故障检测与诊断应用前景进行了展望,大数据时代下,机器学习在故障检测和诊断领域有着绝对优势。     

基于列车智能显示器故障记录处理的设计与研究

列车在外部环境的影响下导致各设备的软硬件产生缺陷从而引发故障,在一定程度上影响了列车的性能和安全。显示器是列车必不可少的重要部件,是人机交互的桥梁,也是列车各设备故障状态信息显示的窗口。针对传统列车显示器的故障误报和易产生故障空白记录的现象,文章设计和实现了基于故障码的列车显示器故障信息搜索和分析方法,大大提高了列车显示器应用设计人员的开发效率,减少了故障记录过程的工作量。并基于实际测试环境对该方法进行了实验,结果表明,该方法对列车显示器故障记录的处理具有高效性、健壮性,并保证了显示器故障信息显示的准确性。     

电力电缆故障诊断与检测技术分析

与传统的架空线路相比,电力电缆更加安全、方便,占据的空间也更小,也更适合城市的发展。尽管如此,电力电缆还是会经常出现故障,在这种情况下,就需要对其进行诊断和检测。本文就电力电缆故障的诊断与检测技术进行了探讨,阐述了具体的诊断方法和检测技术。     

软件密集型装备软件故障诊断技术研究

针对当前软件密集型装备软件故障诊断方法的缺陷,提出了一种基于粗诊断与细诊断技术相结合的软件故障定位方法。对故障进行初步定位,找出软件故障可疑模块集,利用切片技术对故障模块集进行检测,将故障定位到程序语句集中,采用代码分析辅助诊断工具对可疑代码集进行排查、定位。软件密集型装备故障诊断原型系统的应用表明,该方法能有效地进行软件故障的定位。     

基于小波变换的传感器故障诊断

传感器故障的诊断是非常重要的。传统的基于快速傅立叶变换的频谱分析有其局限性和缺陷性,为了克服其缺点,运用小波变换的方法。在介绍了小波变换理论的基础上,采用小波变换技术对传感器进行故障检测,快速而较为准确地诊断出传感器故障。仿真实验证明小波变换技术对传感器故障诊断是十分有效的,取得满意的效果。在传感器的故障诊断方面小波变换有良好的应用前景,有力地证明了它在传感器诊断技术中的优越性。     

航天故障的成因分析与诊断技术

由于航天领域是一个高风险的领域，即使是局部环节的微小故障也会带来巨大经济损失或灾难。因此，分析航天故障成因和研究航天故障检测、诊断与防范技术，具有十分重要的理论意义与工程价值。以航天工程为背景，从系统、过程、技术环境和人机系统复杂性等5个方面归纳了航天故障产生的原因，剖析了航天故障的典型特点，分析了建立航天检测与诊断方法的技术难点，并就若干类型的航天故障提出了检测与诊断的技术研究方向．     

基于PCA多变量统计的故障检测与诊断

主元分析(PCA)是一种能够对过程生产进行监测和质量控制的有效方法,在保证数据信息丢失最少的情况下,大大降低了原始数据空间的维数。为了更好地进行故障检测与诊断,介绍了基于PCA多变量统计的故障检测与诊断,给出了广泛应用在多变量统计过程上的T2和Q(或SPE)统计量。利用PCA分析建模可以消除变量间的非线性关联,降低噪声影响。用田纳西-伊斯曼过程TEP(Tennessee-Eastman Process)平台产生仿真数据,并利用Matlab软件建立故障检测与诊断模型。通过T2和Q(或SPE)统计量与其阈值的判断,进行对系统的故障检测与诊断。实验表明,基于PCA的故障诊断方法能够对过程的非正常变化做出反应,也能较正确地找出发生故障的原因以及相应环节。     

基于模糊神经网络的平显设备故障诊断研究*

针对平视显示器（HUD）设备自检测和地面故障诊断设备的不足,提出了一种基于模糊BP神经网络的HUD故障诊断方法。简化了故障诊断系统的结构,实现了自动性能检测和故障诊断,能够有效地辨识故障源,隔离了从LRU 级到SRU级的故障,并给出了典型测试项的故障诊断实例。作为一种先进有效的故障诊断技术已经应用于某型飞机HUD和相关系统的故障诊断。     

轮毂电机电动车电子踏板诊断算法实验研究

轮毂电机电动车由于采用线控驱动技术,因此其故障诊断是重要的安全问题,其中电子踏板的故障诊断关系到整车安全,是至关重要的技术问题;提出了一种应用于轮毂电机电动车电子踏板模块的故障诊断算法;该算法采用门限值与相关性联合诊断方法检测出踏板信号的故障,对故障容错处理后计算出正常的信号值;采用LabVIEW RT工具对所研究的故障诊断算法进行了实验验证;实验结果表明,该诊断算法能准确诊断电子踏板的短路和开路故障,输出正常的信号值,提高了轮毂电机电动车的安全性。     

自动控制系统故障的智能化检测诊断

提出了两个自控系统智能化故障检测的诊断方法,即自检(系统)智能化故障检测诊断分析系统和自控系统故障检测诊断专家系统。这两种方法,由于和控制系统可靠性的理论与工程技术相结合,不仅进一步推动故障检测诊断技术的应用,而且促进了人工智能专家系统的研究和发展。     

基于遥测数据分析的无人机故障诊断系统设计

传统无人机故障诊断系统故障传感器与故障算法间的逻辑变量存在差值,当故障点存在于传感器结构内部时,无法及时感知并反馈故障数据,导致系统软件部分分析算法分析异常,故障信号诊断准确性差,为此提出基于遥测数据分析的无人机故障诊断系统设计;引入遥测数据分析技术,建立基于遥测数据分析的故障信号诊断硬件,创建故障数据采集单元、故障数据调理单元、故障数据通信单元,并在三大硬件单元中分别采用M1401 8路模量数据采集卡、CY7C68013A-56PVXI多模数据分析处理器、EP3C16Q240C8N通信IC,配合外围器件,构建起基于遥测数据分析的无人机故障信号诊断平台;配合硬件性能,软件部分分别对故障信号诊断策略与算法进行了优化设计;通过实验数据表明:所设计系统对无人机软件故障信号的检测准确率为97.3%,硬件信号故障的检测准确率为98.6%,能够实现对故障信号的精准诊断,有效解决传统诊断系统存在的问题。     

E级高性能计算机的维护故障诊断系统研究

E级计算机系统规模巨大,使得故障异常总量随之增多,导致诊断发现的难度增加,因此,迫切需要一套更加准确高效的实时维护故障诊断系统,对硬件系统进行全面的异常及故障信息实时检测、故障诊断及故障预测。传统故障诊断系统在面对数万节点规模的诊断时存在执行效率低、异常检测误报率高的问题,异常检测及故障诊断的覆盖率不足。对异常及故障检测、故障诊断与故障预测相关技术进行研究,分析技术原理及适用性,并结合E级高性能计算机实际工程需求,设计一套满足数E级高性能计算机需求的维护故障诊断系统。基于维护系统的结构组成设计可扩展的边缘诊断架构,将高性能计算机系统知识、专家知识与数理统计、机器学习相融合给出故障检测、诊断及预测算法,并针对专用场景建立预测模型。实验结果表明,该系统具有较好的可扩展性,能在10 s内完成对十万个节点规模系统的故障诊断,与传统故障诊断系统相比,异常检测某特定指标误报率从3.3%降低到几乎为0,硬件故障检测覆盖率从90.2%提升至96%以上,硬件故障诊断覆盖率从71%提升至约94%,能较准确地预测多个重要应用场景下的故障。     

基于液晶显示器检测工装设计研究

液晶显示器由于具有低耗能、散热小、平板纤薄、加固等优势,在工业中应用越来越广泛,工业上以液晶显示器为背景开发的各种功能也越来越多。日常液晶显示器维修主要根据故障现象判断故障点或通过换板来确定故障要因,缺少调试维修工装,为了确保液晶显示器的质量,针对液晶显示器检测问题,本文提出一种工业平板液晶显示器检测工装设计,能够快速定位显示器零部件故障所在,提供显示器检测手段,有效提高了液晶显示器维修效率。     

基于D-S证据理论的电机声频故障诊断

采用小波分析技术对电机噪声进行能量分布特征提取,将信息融合技术与神经网络相结合,建立电机故障诊断系统。采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,运用Dempster-Shafer证据理论合成算法对各证据理论进行决策级融合。实验表明,此系统诊断结果与实际相符,提高了故障诊断的精度,并满足了诊断的在线实时性要求。