张家界机场气象预报指标诊断系统

张家界荷花机场气象预报室从业务需要出发,编制了一套指标诊断系统,应用于实际业务中,对提高预报的准确性、做好日常航空飞行的气象保障工作具有较好的指导意义。系统采用可视化编程,引进气象学诊断分析相关原理方法,使系统本身具有自动性、适用性和可再开发性等特点。     

艾默生将MVD^TM多变量数字技术应用在高准纯油计算机中

艾默生过程管理宣布推出采用MVD^TM多变量数字技术的高准（Micro Motion ）3000系列纯油计算机（NOC）,该仪表可提供具有更高精度和稳定性的上游流量、密度以及含水量测量。MVD能够进行独特的在线仪表自校验,可提供易于使用的强大诊断功能,同时该技术还提高了含气或气体脱离状态下的测量性能。     

艾默生将MVD^TM多变量数字技术应用在高准纯油计算机中

艾默生过程管理宣布推出采用MVD^TM多变量数字技术的高准（Micro Motion ）3000系列纯油计算机（NOC）,该仪表可提供具有更高精度和稳定性的上游流量、密度以及含水量测量。MVD能够进行独特的在线仪表自校验,可提供易于使用的强大诊断功能,同时该技术还提高了含气或气体脱离状态下的测量性能。     

基于混合推理技术的蚜虫危害专家系统研究

为了满足蚜虫危害诊断与防治问题对专家系统的要求,根据蚜虫危害诊断与防治的特点和要求,将案例推理技术和规则推理技术引入到蚜虫危害诊断与防治专家系统中.阐述了案例推理概念和工作过程,在具体应用中提出了案例表示和检索方法.并以全新的角度提出了基于案例和规则的蚜虫危害诊断推理机制,给出了专家系统的整体结构,并对各个模块进行了详尽的阐述,最终以一个实例演示了诊断的流程.该系统在实际应用中获得了较好的效果.     

基于贝叶斯网络的复杂装备D-S诊断

利用D-S证据理论进行故障诊断时,首先需要确定出故障识别框架和基本置信分配.但在导弹武器等复杂装备中,存在着故障原因与故障征兆之间关联关系不确定的现象,增加了求取故障识别框架和基本置信分配的困难.文中提出了利用贝叶斯网络理论来解决难题的方法,使D-S证据理论能在复杂装备故障诊断中得到应用.文中首先给出了诊断贝叶斯网络的适应度函数,并利用改进的粒子群优化算法求解了诊断贝叶斯网络.然后分析了诊断贝叶斯网络中故障原因与故障征兆间的关联关系,给出了征兆集合、异因征兆集合概念.提出了求解故障识别框架和基本置信分配的方法.最后,通过实例的D-S诊断,验证了所提方法的正确性.     

舰船电子装备综合诊断中的IETM设计与应用技术研究

交互式电子技术手册是装备保障信息化技术研究和应用的热点之一,IETM不仅作为一种电子手册,实现了技术手册的数字化,而且它具有交互功能,实现了技术手册的智能化;更为重要的是.IETM的数据格式采用了国际通用的成熟标准,从根本上为实现数据的互操作性和共享性,实现数据的网络集成化提供了可能;本文结合舰船电子装备IETM通用要求和实施要点,介绍了武器装备IETM通用开发平台中涉及的关键技术及应用方向,阐述了IETM数据的标准化技术、多数据源导入技术、IETM动态数据交换技术、故障分析技术等关键技术,提出了适应武器装备维修保障需求的IETM通用开发平台解决方案.     

基于IETM驱动的智能化便携诊断设备

由IETM驱动的便携诊断设备目前已成为舰船电子设备现场级维修所依赖的主要手段和工具;为解决某雷达告警设备的现场级诊断问题,提出了一种采用成熟的AIMSS软件和TEAMS软件,综合测试诊断需求分析、测试性分析评估、诊断策略生成和IETM开发过程,并根据顶层分配的测试需求研制由IETM驱动的现场便携式智能诊断设备的方法;同时,采用COM接口技术解决了两个软件的诊断信息融合;研制的设备已在基层部队得到试用,经济适用,对告警设备现场级维修能力的提高具有明显的促进作用。     

EasyRecovery恢复误删数据教程

EasyRecovery是世界著名数据恢复公司Ontrack的技术杰作。其Professioanl（专业）版更是囊括了磁盘诊断、数据恢复、文件修复、E-mail修复等全部4大类目19个项目的各种数据文件修复和磁盘诊断方案。     

卡卡在线诊断，绝杀木马不留

现在,病毒、木马闹腾得挺欢的。普通的电脑使用者,防御的意识也明显增强,至少笔者是养成了每天升级杀毒软件的好习惯。现如今上网是更方便了,可经常一不小心就成了新木马的“小白鼠”。接下来想到的就是求助找帮手,于是瑞星卡卡安全助手（以下简称卡卡）就走上了前台。     

基于支持向量机的风力发电机组故障诊断预警模型

当前的风力发电机组故障诊断预警模型设置的矩阵一般为单元式的,预警的范围受到限制,导致预警响应时间延长,为此提出对基于支持向量机的风力发电机组故障诊断预警模型的设计与验证分析。根据当前的测定需求及标准,提取故障诊断预警特征量,采用多目标的方式,打破预警范围的限制,设计多目标诊断预警矩阵,以此为基础,构建支持向量机故障诊断预警结构,采用阶次分析实现故障诊断预警处理。测试结果表明：对比传统机器学习风力发电机组故障诊断预警模型测试组、传统MSK-CNN和多源机电信息融合风力发电机组故障诊断预警模型测试组,此次所设计的支持向量机风力发电机组故障诊断预警模型测试组最终得出的预警响应时间被较好地控制在0.25 s以下,说明在支持向量机的辅助下,所设计模型对故障诊断预警的效率较高,针对性更强,具有实际的应用价值。