XiaoMi-AI文件搜索系统
World File Search System故障类型
故障类型及影响分析（FMEA）
本研究将故障模式和影响分析 (FMEA) 方法应用于一家生产工业厨房产品的公司的机械加工车间，该公司的产品系列中有数百种主要产品和数千种半成品。车间内 12 台机器上安装的可编程逻辑控制器 (PLC) 卡可实时监控机器状态、产品和生产情况。借助机器中的 PLC 卡，数据被记录在中央计算机中，并获得有关机器运行的精确数据。在研究范围内，通过放置在机器上的卡片获取数据，获得了机器的运行状态、产能使用时间、机器的工作时间、仅为卧式车床夹紧零件的等待时间、空闲等待时间、工作时间和停机时间。企业中应用FMEA方法，根据不依赖操作员获得的数据，确定最常见的错误类型，并针对RÖS值大于100的错误确定和实施预防和纠正措施。在主体研究之外，还对机械加工企业最大的成本项目——切削刀具成本进行了分析，并对未应用FMEA的2021年1月和应用FMEA的2021年2月及3月的生产成本进行了比较和评估。
咨询通函 AC12-2 | MCAA
失败的防御措施 ................................................................................................................ 9 不安全行为 ................................................................................................................ 9 先决条件 ................................................................................................................ 9 一般故障类型 ............................................................................................................ 9 恢复措施 ................................................................................................................ 10 发生成本 ................................................................................................................ 10 调查报告 ................................................................................................................ 10
在可变工作条件下滚动轴承故障诊断的增强合奏学习方法
摘要：确保滚动轴承的平稳运行需要精确的故障诊断。特别是，在不同的工作条件下识别故障类型在实践工程中具有重要意义。因此，我们提出了一种加固集合方法，用于在不同的工作条件下诊断滚动轴承断层。首先，设计了一个加固模型来选择最佳的基础学习者。分层随机抽样用于从原始训练数据中提取四个数据集。强化模型分别由这四个数据集培训，我们获得了四个最佳基础学习者。然后，稀疏的ANN被设计为集合模型，并且可以成功识别可变工作条件下的故障类型的增强学习模型。进行了广泛的实验，结果证明了所提出的方法比其他智能方法具有优越性，具有显着的实践工程益处。
BESS 事故 - 近期故障和风险管理注意事项
电池故障分析和故障类型表征 Sean Berg 2021 年 10 月 8 日 本文介绍了锂离子电池的类型、故障类型以及用于调查起源和原因以识别故障机制的取证方法和技术。这是六部分系列文章的第一篇。要阅读本系列的其他文章，请单击此处。在过去 10 年中，可再生和可持续能源在整体电力生产和使用中的份额稳步增长，这主要是由于人们对气候变化以及石油价格不确定性和资源可用性的担忧。其中一些能源类型的间歇性问题已通过使用电池储能系统 (BESS) 得到很大程度的抵消，但并未完全解决。具体来说，锂离子 (Li-ion) 电池是 BESS 中最常用的电池类型，具有许多优势，包括尺寸更小、功率密度和能量密度等等。过去 10 年，锂离子电池每千瓦时的价格也大幅下降，这有助于降低这些可再生能源的能源成本，而持续的技术进步也提高了锂离子电池的性能。这些电池是一种多功能且高度可扩展的储能介质，可以采用多种形状和化学成分，使其可用于各种应用。然而，与任何其他技术一样，锂离子电池也会出现故障。了解电池故障和故障机制以及它们是如何导致或触发的非常重要。本文讨论了常见的锂离子电池故障类型，重点关注热失控，这是一种特别危险和危险的故障模式。本文还将讨论可用于表征电池故障的取证方法和技术。电池单元可能以多种方式发生故障，包括滥用操作、物理损坏或单元设计、材料或制造缺陷等。锂离子电池在充电/放电循环中会随着时间的推移而劣化，导致电池保持电量的能力下降。对于锂离子电池，当电池容量低于其标称容量的某个百分比（即通常为 80%，但可能低至 60%）时，电池将无法工作。以过高的 C 速率（即充电和放电期间由电池提供或流向电池的电流的量度）对电池进行充电和放电，例如，额定容量为 1,000 mAh 的电池以 1C 放电时可提供 1 安培电流 1 小时，这会缩短电池寿命并可能导致其他故障机制。撞击或跌落造成的物理损坏可能导致电池内部损坏。电解质蒸汽产生和从果冻卷中泄漏可能导致膨胀。密封不当或易受密封性损坏的电池可能导致电解质泄漏，以及潜在的内部暴露于外部氧气。如果电池有任何电量，这可能会导致爆炸，因为锂碳阳极对大气具有高度反应性。这些条件的某些组合，包括滥用操作条件，可能会导致热失控故障。本文重点介绍与热失控故障相关的原因。热失控是一种危险的故障类型，可能导致爆炸和火灾。在更大规模的锂离子电池储能系统中，这种故障可能是连锁的和灾难性的，因为热失控是由热量驱动的。一个以这种方式发生故障的电池会迅速导致由此产生的火灾的热量蔓延到其他周围的电池并引发相同的故障。结果不仅会对财产构成严重威胁，而且还会对
具有软短路故障模式的 SiC 功率 MOSFET 中的栅极损伤积累和离线恢复
摘要 – 本文详细分析了特定类型的碳化硅 (SiC) 功率 MOSFET 的短路故障机制，该 MOSFET 具有安全的开路故障类型特征。结果基于广泛的实验测试，包括晶体管的功能和结构特性，专门设计用于实现逐渐退化和逐渐累积的损伤。结果表明，软故障特征与栅极源结构的退化和最终部分短路有关。此外，在退化的组件上观察到由临时离线偏置引起的部分恢复。结果表明，这是一种现实的新选择，可在应用中部署，以提高系统级稳健性和系统级跳转运行模式能力，这在许多可靠性关键领域（例如运输）中非常重要。
电力电子模块的主动热控制
I. 引言 绝缘栅双极晶体管 (IGBT) 功率模块广泛应用于工业、电力电子和牵引应用 [1]。有必要开发更可靠的功率模块来满足这些应用的需求。为了做到这一点，提出了一种热机械方法来减少功率模块内的应力。通过主动控制热运行性能，可以避免模块中可能造成损坏的应力。同时，模块的整体功率转换性能得到提高，因为它能够在最高允许温度和温度循环限制下“安全”地连续运行。先前的研究已经确定了几种与 IGBT 功率模块相关的故障类型，并已开始研究缓解此类故障的方法。最常见的故障
BAA 呼叫 N00014-23-S-C003 海军研究办公室特别计划公告研究机会：海军储能系统安全与评估
ONR 正在研究与大规模储能相关的船上集成和安全，包括兆瓦 (MW) 和高达兆瓦小时 (MWh) 规模的电池或飞轮，接口高达 1000V。这些系统将嵌入平台并在整个主机平台的生命周期内运行。陆地和商业海上应用中备受瞩目的储能系统事故为可能遇到的潜在故障类型、严重程度和场景提供了一些见解。然而，这些应用中没有一个像激进的操作概念（高速率放电和充电、具有挑战性的热条件）和高功率应用（高功率与能量比）那样深入嵌入。本特别通知旨在通过协同使用与大规模锂离子电池和飞轮储能系统相关的建模、原型设计和实验来更好地了解故障、风险评估和缓解方法
迈向功能强大的 AI 加速器
摘要 — 深度学习的最新进展可以归因于硬件处理器和人工智能 (AI) 加速器性能的持续改进。除了基于冯诺依曼架构的传统 CMOS 加速器外，硅光子学、忆阻器和单片 3D (M3D) 集成等新兴技术也正在被探索作为后摩尔定律的替代方案。然而，由于制造工艺变化、热串扰和老化导致的故障可能会对新兴 AI 加速器的能源效率和性能造成灾难性影响。在本文中，我们分析了几种新兴 AI 加速器在不同不确定性下的性能，并提出了低成本的方法来评估故障的重要性并减轻其影响。我们表明，在所有技术中，不确定性对性能的影响可能会根据故障类型和受影响组件的参数而有很大差异。因此，本文提出的故障关键性评估技术对于提高产量是必要的。
基于物联网避免发生多重故障的电动汽车中的消防事故...
2.3.4.5学生，泰米尔纳德邦霍苏尔工程学院Adhiyamaan学院。摘要：电动汽车（EV）的快速增长需要创新的安全措施，以解决由车辆电气系统（尤其是电池管理系统中）故障引起的潜在火灾事故。在这项研究中，我们提出了一种旨在通过全面的故障检测和使用人工智能（AI）技术的智能电池管理来防止电动汽车中的消防事故的物联网（IoT）的解决方案。实现了复杂的故障检测系统，以识别多种故障类型，包括短路，过度充电和热异常。这种积极主动的方法确保了及时发现潜在问题，从而降低了火灾事故的风险。该系统旨在提供准确，及时的预测，使维护团队在导致重大失败之前解决潜在问题。