国产精品主播,亚洲欧美色图小说,gogo大胆日本视频一区

故障修復

IGM焊接機械手的故障與維修

對IGM焊接機械手常見的故障進行分析，對故障現(xiàn)象提出了經濟有效的解決方法。關鍵詞：IGM焊接機械手+傳感器+譯碼器

標簽： IGM 焊接機械手

上傳時間： 2013-07-31

上傳用戶：KIM66
變頻器電路維修與故障實例分析

·變頻器電路維修與故障實例分析

標簽： 變頻器分電路維修故障實例

上傳時間： 2013-04-24

上傳用戶：ywqaxiwang
《電磁干擾排查及故障解決的電磁兼容技術》[PDF]

·本書定量地闡述了電磁干擾（EMI）的診斷和故障解決的電磁兼容（EM）技術，以及使用的儀器設備；定量地闡述了現(xiàn)場實際EMC測試中的電磁干擾問題、感性的串聯(lián)損耗電磁兼容解決方案、傳導型問題解決方案的工作模式、電磁兼容的容性解決方案；詳細地闡述了對每種EMI的抑制措施和EMI抑制元件的應用條件；并給出了電磁干擾抑制措施的最佳方案選擇。書中配有大量的圖例、表格、計算公式。可參照的特性曲線、附錄等。目錄譯

標簽： 電磁干擾排查電磁兼容技術

上傳時間： 2013-04-24

上傳用戶：jeffery
電容器選擇-趙修科

趙修科老師傾情巨獻-開關電源中電容器的選擇南京航空航天大學自動化學院趙修科 2005.6 1 一、電容器的基本原理電容器的基本原理

標簽： 電容器

上傳時間： 2013-05-28

上傳用戶：蠢蠢66
電磁干擾排查及故障解決的電磁兼容技術

·電磁干擾排查及故障解決的電磁兼容技術

標簽： 電磁干擾排查電磁兼容技術

上傳時間： 2013-06-30

上傳用戶：W51631
電腦故障大全

電腦故障大全，教你如何解決電腦常出現(xiàn)的一些故障

標簽： 電腦故障

上傳時間： 2013-06-30

上傳用戶：妄想演繹師
基于BP神經網絡和灰色理論的示功圖故障診斷

　　抽油井故障診斷系統(tǒng)是油井系統(tǒng)產量的關鍵，為了更好更快地對當前油井系統(tǒng)進行診斷以保證石油的產量，人們利用各種各樣的技術來完成這一目標。示功圖的診斷法是油田有桿抽油診斷的主要方法，文章根據示功圖診斷的特點，提取出灰度矩陣特征向量，運用神經網絡對有桿抽油油田典型故障診斷進行建模，最后用實例驗證了此方法的正確性。實驗證明，本系統(tǒng)不僅可行性好，而且故障識別率高，對增加油井產量有重要意義。

標簽： BP神經網絡灰色理論故障診斷

上傳時間： 2013-10-17

上傳用戶：alex wang
基于神經網絡的某型飛機發(fā)動機故障診斷研究

　　航空發(fā)動機故障診斷技術對避免飛行事故和降低飛行器運行成本是十分重要的。提出一種BP網絡對某型飛機發(fā)動機進行故障診斷，但是由于BP網絡收斂速度較慢而且容易陷入局部極小值，特別是BP網絡通常只能給出一個解，受訓練樣本病態(tài)影響大。因此通過對BP網絡的改進，建立了L-M算法神經網絡的飛機發(fā)動機故障診斷模型。實驗表明，該網絡在一定程度上克服了BP網絡存在的的問題，在逼近能力、分類能力和學習速度等方面均優(yōu)于BP網絡。為機務人員提供了有效的、科學的發(fā)動機故障診斷方法，該種評估手段較好地解決了發(fā)動機故障診斷問題，在飛行安全中發(fā)揮著越來越大的作用。

標簽： 神經網絡發(fā)動機故障診斷飛機

上傳時間： 2014-12-23

上傳用戶：小儒尼尼奧
基于小波與LS-SVM集成的模擬電路故障檢測

由于模擬電路的多樣性、非線性和離散性等特點，模擬電路的故障診斷呈現(xiàn)復雜、難以辨識等問題。針對已有方法的數據不平衡，提出了一種支持向量機集成的故障診斷方法。使用小波變換方法提取特征向量，在多類別支持向量機的基礎上，設計了模擬電路的最小二乘支持向量機預測模型，實現(xiàn)了對模擬電路的狀態(tài)的故障預測。將該方法應用于Sallen-Key帶通電路進行故障預測試驗，結果表明，該方法比單一支持向量機、徑向基神經網絡、BP神經網絡和APSVM有更好的分類和泛化性能，故障診斷準確率更高。

標簽： LS-SVM 集成模擬電路故障檢測

上傳時間： 2013-10-31

上傳用戶：417313137
基于T-S模糊故障樹的系統(tǒng)故障診斷研究

針對傳統(tǒng)的故障樹分析法在故障診斷中存在的缺點和不足，文中將模糊理論運用到故障診斷中，提出基于T-S的模糊故障樹的故障診斷法。介紹了T-S模糊模型及算法，建立了診斷系統(tǒng)的故障庫和推理機。使設備操作和維修人員可及時發(fā)現(xiàn)故障，降低系統(tǒng)故障率，提高了保障的能力。

標簽： T-S 模糊樹故障診斷

上傳時間： 2013-10-20

上傳用戶：heheh