摘要：目的:设计基于二维查找模型和ZigBee网络的CT扫描设备故障远程检测方法,提高CT扫描设备故障检测准确率。方法:采用ZigBee网络技术从环境因素、电气因素和气路因素采集CT扫描设备运行状态数据,根据监测数据提取其中的时频域信号,将提取的故障信号特征参数进行融合,采用二进制反向变换将故障数据转化为平稳的时间序列,抑制数据的波动性,并通过建立相应的二维查找模型与匹配函数计算故障数据的依赖度,以此为依据,引入贝叶斯评价函数实现对设备故障的远程检测。选取医院临床在用的大型CT扫描仪为实验样机,同时随机选取使用与实验样机型号与配置相同的80台次CT扫描设备的550条实际故障数据为训练样本,对比CT扫描设备故障远程检测方法与长短时记忆网络(方法1)和深度信念网络(方法2)检测方法的准确率。结果:设计的CT扫描设备故障远程检测方法仅在状态标签5出现检测错误,但判断误差在可控范围。5次故障检测实验中,CT扫描设备故障远程检测方法得到的检测准确率均>80%,远高于方法1与方法2。结论:CT扫描设备故障检测方法具有较高的检测准确率,能够实现CT扫描设备故障远程检测的实际需求。

摘要：为了监测数字绘本图像传感器的状态并进行故障诊断,研究设计了一种基于云平台的数字绘本图像传感器故障远程监测系统。该系统利用粗糙集理论进行数据简约,并采用贝叶斯网络模型计算故障原因的最大概率,推断传感器故障的原因。实验结果显示,该研究模型在IBM Watson Studio和SAS Enterprise Miner软件上,处理400条故障数据分别用时2.9 min和2.1 min,运行稳定值分别约为91%和94%,故障诊断正确率分别为92.3%和93.2%。这表明该模型能够有效监测传感器状态并分析故障原因,并为传感器故障诊断提供可靠的理论和方法基础。