“三无”故障

摘要： 一台LG42LD420-CA型液晶彩电，三无，电源指示灯也不亮。拆机检查，该机采用电源高压二合一板（IP板），型号为EAX61124201／15，其开关电源芯片采用STR—W6053S（IC501），PFC芯片为HS01G（IC600），背光控制芯片采用BD9270F（IC301）。待机时，开关电源输出3．5v电压，供给CPU及遥控、按键等电路；二次开机后，开关电源输出＋12V和＋20V电压。

摘要： 故障现象：上电后，面板指示灯不亮。分析检修：拆机检查，电源保险丝已烧断，PFC开关管已短路。并且开关管旁边一只470pF／2kV瓷片电容烧焦，开关管S极两只0．2212电流取样电阻烧坏，G极驱动限流电阻（1012）开路，

摘要： 一台创维42L01HF型液晶彩电，三无，面板上指示灯也不亮。通电后测得5VSTE端的电压约为3．3V，开／待机端（ON／OFF）及12V、24V端电压均为0V，PFC滤波电容两端电压约为290V。

摘要： 该型彩电易出现三无故障，其电源为二合一板。实物如图1所示。拆机，目测无明显异常，测得300V滤波电容两端电压正常，但开关电源各组输出电压均为0V。断电后300V电压下降缓慢。通电后测副电源芯片NCP1271A的⑧脚电压300V正常，⑥脚启动电压只有4V，不正常。检查⑥脚外围元件正常。

摘要： 故障现象1：不定时出现三无故障。分析检修：本机已使用多年，电源板上虚焊现象明显，尤其是电源输入电路滤波电感，4只引脚均已氧化，时通时不通。

摘要： 一台海信LED32C260JD型（板号RSAG7．8205551／ROH）液晶电视，三无。拆开后盖，目测电源板正常，主板上无极电容C218烧黑。铜箔烧断，如图1所示。用万用表的电阻挡测得C218已短路。取下C218，再测与C218并联的电容C2216、C214，无短路现象。

摘要： 一台创维32L01HM型液晶电视，开机三无。打开电视后盖，目测12V、24V输出电容，未发现冒顶、鼓包现像；上电开机，测量电源板输出的5V电压为2．3V，12V、24V电压都为0V，显然都不正常。把电源板从机器上取下来，通电，再次测量5V输出电压有正常的5V。

摘要： 在CRT彩电中，开关电源与行输出电路故障率较高。在实修三无故障或烧行管故障时，常采用带假负载和串联限流电阻的方法来判断故障部位。为了便于检修操作，尤其是上门检修，笔者自制了一款CRT彩电检测工具，其电路如图1所示。

摘要： 一台使用7年的海信TLM7429P型液晶彩电，收看中伴随一声轻微的“啪”声，随即三无。但按遥控开、关机，待机的红灯和开机的绿灯能相互转换，表明控制系统在工作。经查该机电源电路资料，结合该机故障现象分析，可能是24V电源或背光板有问题。

摘要： 一台创维5A10机芯的TV-2550型老爷机，通电试机三无。由于电源指示灯亮并且按压遥控器开／关机键时能听到机内继电器发出的“咯哒”声，所以判断机器辅助电源及CPU部分电路应该能够正常工作。

摘要： 本发明公开了一种无故障样本下基于软目标度量的故障智能检测方法，使用多个加速度传感器与压力传感器采集机械设备运行状态下的原始信号，以固定长度截取时间序列得到数据样本集，并对各样本进行预处理；将获取的数据样本分类标签化，划分样本数据为训练集和测试集；然后构建基于多源卷积神经网络的异常检测模型，对各源数据自适应地分配权值以得到最优化输出结果。然后，使用高斯噪声作为辅助数据参与训练，并构建机械设备样本的软目标，约束正常样本输出的上限。最后，构建基于度量学习的样本原型，以其上限作为阈值实现机械设备异常智能检测。本发明可降低大量多运行状态下的数据需求，有利于推进异常智能检测方法在故障诊断领域的应用。

摘要： 本发明涉及一种基于无故障信息测试分数的故障诊断方法，属于数字电路测试技术领域。本方法首先利用自动测试模式生成工具Tetra MAX对电路生成测试向量集合和单故障集合；从单故障集合中随机选出多个单故障组成电路发生的多故障集合；然后利用HDL语言仿真软件Modelsim对电路进行仿真，生成测试向量集合下电路的输出响应，作为输入；为每个测试向量计算分数，根据测试向量分数计算单故障集合中的所有单故障的分数；根据故障分数的排序，分别按照设置的百分比和名次选择单故障加入不同的候选故障集合中，计算两个候选故障集合的准确性，选出最终候选故障集合输出。本发明提高了故障诊断的准确性，从而提高测试效率，降低测试成本，加快电子产品上市的时间。

摘要： 本发明公开一种配电网相间故障重合前无故障识别方法：采集线路在故障至重合前期间采集配电网线路发生故障后至重合前期间线路并联补偿电容器的三相电压瞬时采样值u

摘要： 一种伺服驱动器的平均无故障工作时间试验评估方法，属于伺服驱动器可靠性评估技术领域。本发明针对现有伺服驱动系统的MTBF评估试验周期长的问题。包括：在预设次数范围内，每次在初始设定的预设恒温温度下，采用两台电机对拖的工作模式进行伺服驱动器试验状态的加载，对伺服驱动器进行预设时长的加速退化实验，并在每次加速退化实验结束后对伺服驱动器进行目标参数测试；根据在达到预设次数以前，目标参数测试结果中出现超出对应设定阈值的失效目标参数测试结果或者在达到预设次数后，目标参数测试结果均未超出对应设定阈值的情况分别确定伺服驱动器在预设恒温温度下平均无故障工作时间。本发明实现了短时间周期内平均无故障工作时间的评估。

摘要： 本发明公开了一种无故障样本下航天液体发动机健康状态智能识别方法，以航天液体发动机稳态运行阶段多个传感器通道采集的一维信号作为多源数据，对各通道信号进行统一的预处理，并划分训练集和测试集；基于时序追踪的故障数据生成方法，通过训练集无故障样本生成故障样本，并将其并入训练集；然后构建循环卷积神经网络作为智能状态识别模型，模型通过对训练集多源数据进行自适应的融合及特征提取，实现对航天液体发动机健康状态智能识别；最后，将模型用于测试集的健康状态智能识别，并对结果进行量化评估。本发明能够用于发动机实际运行中健康状态和异常状态的智能识别，并有效解决无故障样本下的航天液体发动机健康状态智能识别问题。

摘要： 本发明公开了一种无故障样本下基于软目标度量的故障智能检测方法，使用多个加速度传感器与压力传感器采集机械设备运行状态下的原始信号，以固定长度截取时间序列得到数据样本集，并对各样本进行预处理；将获取的数据样本分类标签化，划分样本数据为训练集和测试集；然后构建基于多源卷积神经网络的异常检测模型，对各源数据自适应地分配权值以得到最优化输出结果。然后，使用高斯噪声作为辅助数据参与训练，并构建机械设备样本的软目标，约束正常样本输出的上限。最后，构建基于度量学习的样本原型，以其上限作为阈值实现机械设备异常智能检测。本发明可降低大量多运行状态下的数据需求，有利于推进异常智能检测方法在故障诊断领域的应用。

摘要： 本发明公开了一种以无故障数据为主的故障诊断方法，在该方法中，其由两个模型构成，即故障数据检测模型以及故障识别分类模型。由这两个模型共同作用对以无故障数据为主的故障进行诊断。故障数据检测模型，主要由无故障数据的多维特征均值向量，多维特征协方差矩阵，以及由均值向量及协方差矩阵构建的概率密度函数构成；故障分类模型，则基于神经网络（深度学习）模型，其输入层为无故障数据的多维特征构成，其输出层由故障类型构成。利用故障数据检测模型确定输入数据是否为故障数据，确认故障数据后，再由故障分类模型确认其故障的类型。基于此，在本发明专利中，对于几乎没有故障数据的情况，亦可通过该方法对故障进行识别及诊断。

摘要： 本发明涉及一种基于无故障信息测试分数的故障诊断方法，属于数字电路测试技术领域。本方法首先利用自动测试模式生成工具Tetra MAX对电路生成测试向量集合和单故障集合；从单故障集合中随机选出多个单故障组成电路发生的多故障集合；然后利用HDL语言仿真软件Modelsim对电路进行仿真，生成测试向量集合下电路的输出响应，作为输入；为每个测试向量计算分数，根据测试向量分数计算单故障集合中的所有单故障的分数；根据故障分数的排序，分别按照设置的百分比和名次选择单故障加入不同的候选故障集合中，计算两个候选故障集合的准确性，选出最终候选故障集合输出。本发明提高了故障诊断的准确性，从而提高测试效率，降低测试成本，加快电子产品上市的时间。

摘要： 一种记录了判断造水系统有无故障的程序的计算机可读取记录介质，其特征在于，为了判断反复进行使被处理水从分离膜透过的过滤工序和将分离膜经多个工序进行物理性清洗的物理清洗工序的造水系统有无故障而使计算机发挥以下单元的功能：输入过滤工序和物理清洗工序的运转数据的单元，记录运转数据的单元，选择要判断是否有故障的过滤工序或物理清洗工序的单元，预先记录运转数据的加工规则的加工规则记录单元，基于由工序选择单元选择出的工序的加工规则来加工运转数据记录单元中记录的运转数据而得到加工数据的单元，预先记录与加工数据有关的设定值的设定值记录单元，将加工数据和设定值进行比较，在加工数据超出设定值的情况判断为有故障的故障判断单元，以及输出有无故障的判断的故障判断输出单元。

摘要： 本发明公开一种配电网相间故障重合前无故障识别方法：采集线路在故障至重合前期间采集配电网线路发生故障后至重合前期间线路并联补偿电容器的三相电压瞬时采样值u