emd故障诊断方法有哪些不足之处

A. 召唤英语达人来翻译~~~~机械专业的~专业的很阿~~2

时域平均可最受欢迎[1]传统工艺的局部性故障检测. 它强大的压制噪音等异步组件的局限性,但它通常需要一 为配合平均参考信号. 最近一项重大发展变速箱诊断应用时频分析. 它能够揭示时变谱信号频率超过程度,因此可充分克服 在很大程度上弊端的传统技法. 到目前为止,大多数研究时频分析方法,小波是变速箱故障诊断. 一直表现得比较有效地揭示了振动暂态特征与变速箱故障局部性 (见[2]详情). 然而,传统的时频分析技术各有其局限性[3]. 完善技术、黄等. [4]提出一种新方法. 用这种方法分解一个信号,所谓经验模式分解(EMD)变为有限总和称为组件 内在模函数(基金). 然后采用希尔伯特变换的叠加领取时频叫希尔伯特谱. 这种方法是一个突破,相对于传统的时频分析技术 它不是以预先指定的基础功能或过滤,而是直接分解信号提取当地 能源与内在时间尺度的信号本身. 所以它的适应性,因此可以描绘时频特征信号. 这种方法被称为正Hilbert-Huang变换(HHT的)在文学. 这已被实践证明卓有成效的各种应用,例如,[5-7]. 最近, 近两本研究的作者及其合作者[8]提出了B样经验模式分解方法 (布-分解). 这一做法,[8]讨论,更适合处理数学问题的HHT的. 本研究分为两个方面. 一是改善局部变速箱故障诊断用HHT的包括原、 B样分解. 二是研究绩效的布-分解处理实际问题, 这反过来将有助于进一步对HHT的数学学习. 在第2和原B样分解方法简要回顾. 然后在第3、研究性质的B样分解为滤波器、 这是双方感兴趣的理论研究和应用. 在第4、 我们用两个分解方法和希尔伯特谱侦破一裂齿比较 他们的演出,连续小波变换. 结论是在第5

B. 齿轮箱故障检测

1. 经典谱分析方法，又可分为时域分析法和频域分析法。
时域分析法通常指用时域波形计算出参数指标，它是最简单的分析方法，通常适用于明显的周期信号、瞬态冲击信号、简谐振动信号。该法实用性较强，但对复杂结构和故障耦合信号处理能力较差，属于故障处理的初级阶段。
频域分析法是基于1807年傅立叶提出的傅立叶变换（Fourier transform，FT）的最基本的信号处理方法。FT的缺点是缺乏信号局部信息，只适合线性平稳信号的分析。主要有包络分析（enveloping analysis）、全息谱分析（holospectrumanalysis）、细化谱分析（zoom spectrum analysis）、倒谱分析（cepstrum analysis）、高阶谱分析（higher orderspectrum analysis）等。
当齿轮箱出现故障时，其振动信号中包含的故障信息通常以调制的形式出现，提取故障信息就是将故障信号从高频调制信号中解调出来。包络解调又叫解调谱分析，常用方法有希尔伯特变换解调、循环平稳解调、能量算子解调、绝对值分析解调、平方解调、检波滤波解调等。
1989年，L.S.Qu等提出了全息谱分析。它是基于FT，将求得的不同通道信号的振幅、频率、相位信息进行集成的方法，观察更直观。
细化谱分析是增加频谱中某些部分频率分辨率的分析方法。
倒谱是信号的FT谱经对数运算后再进行傅立叶反变换的分析方法，它对信号传递路径的影响不敏感。
高阶谱是分析非平稳信号的一种方法，是处理非线性、非高斯信号的一种有力的频域处理工具，它能够定量描述信号中的非线性相位耦合特征，理论上有降噪作用，是近年来研究热点之一。
频域解调分析的局限性：（1）多故障诊断中的比较接近的高频成分相互交叉；（2）解调过程中，会将不包含故障信息的两个频率之差作为调制频率解调出来；（3）检波滤波解调易造成混频效应。这些现象都易造成误诊。
2. 时频分析法
FT的目的是将时域信号转换到频域进行分析，其中时域和频域是相互独立的，主要适用于平稳信号。FT不能反应信号频率的时间特性。所以时频分析是齿轮箱故障分析的有效方法。主要时频分析方法有Wigner-Ville分布、短时傅立叶变换、小波分析、局部特征尺度分解、局域均值分解、经验模态分解、Hilbert-Huang变换、最小熵反褶积等。
1932年E.P.Winger提出时频联合分析概念，并应用于量子力学。1948年J.Ville提出Wigner-Ville分布（Wigner-Ville Distribution，WVD）,WVD具有较好的时频聚集性和很好的时频分辨率，但WVD存在交叉项，给信号的识别带来困难。如何消除交叉项是WVD研究的重点。
1947年R.K.Potter、G.Kopp和H.C.Green等提出短时傅立叶变换（shot time Fourier transform，STFT）。STFT本质上是一个加窗的FT，使用滑动窗截取信号，然后对截取的信号再进行FT,这样可以得到任意时刻的频谱。通过加窗可以将时变的非平稳信号在一小段时间内看作近似不变的，所以适用于缓变的非平稳限号。STFT是最小熵反褶积线性时频变换。
1977年Ralph Wiggins提出最小熵反褶积法（minimum entropydeconvolution，MED）,对卷积求解具有划时代意义，2007年N.Sawalhi首先将该方法应用与故障诊断。它是以最大峭度作为迭代终止条件寻找一个最优的逆滤波器，进而提高信号的信噪比。
1984年法国地球物理学家Morlet在研究地球物理信号时首次提出小波变换（wavelet transformation，WT）。WT本质上是在信号上加一个变尺度滑动窗截取信号进行频谱分析，这克服了STFT的窗宽度不变到来的缺陷。WT的主要缺点是小波基函数的选择至今没有一个合适的判断标准和选择依据，这可能会歪曲原信号本来的物理特征。
1998年N.Huang、Z.Shen、S.R.Long提出经验模态分解法（empirical mode decomposition，EMD）,适用于非线性和非平稳信号的分析,之后进一步提出Hilbert-Huang变换。它从局部时间尺度出发，得到不同尺度的本征模态函数，且能获得比WT更高的时频分辨率。EMD主要问题是模态混淆、端点效应、欠包络和过包络等问题。解决这些问题是目前的研究方向之一。

C. 什么原因会造成定子端部绕组短路

防止定子绕组相间短路的措施。严格执行操作票和操作监护制度，严防误操作事故。如带负荷拉发电机出口隔离开关、非同期并列、带接地线合闸等误操作。严防小动物造成发电机出口短路。电缆沟的孔、洞、门窗（尤其是发电机出口母线和一次设备的网门）应堵死和关闭，防止小动物进入。加强对发电机巡视检查，发现发电机有异常声响、有绝缘烧焦味、轴承严重漏油甩油、空气冷却器漏水等异常情况，应立即查明原因，并及时处理。对空气冷却器应定期检查，水压表、进水出水阀门应正常，冷却器水管及端盖应无漏水，空气冷却器操作时应防止水管超压漏水，检修时应按规定做水压试验。经常检查发电机接头绝缘有无过热变色、焦枯、流胶流锡以及端部绝缘磨损等异常情况，发现问题，及时处理。

D. EMD是什么缩写

经验模态分解(Empirical Mode Decomposition, 简称EMD))方法是由美国NASA的黄锷博士提出的一种信号分析方法.它依据数据自身的时间尺度特征来进行信号分解, 无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点, EMD 方法在理论上可以应用于任何类型的信号的分解, 因而在处理非平稳及非线性数据上, 具有非常明显的优势。所以, EMD方法一经提出就在不同的工程领域得到了迅速有效的应用, 例如用在海洋、大气、天体观测资料与地震记录分析、机械故障诊断、密频动力系统的阻尼识别以及大型土木工程结构的模态参数识别方面。 经验模态分解(EmpiilMdDmpiti简称EMD)法是美籍华人NdE，Hunag等人于1998年提出的，适合于分析非线性、非平稳信号序列，具有很高的信噪比。该方法的关键是经验模式分解，它能使复杂信号分解为有限个本征模函数(IntrinsciMdoe Funcotin，简称IMF)，所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。经验模态分解法能使非平稳数据进行平稳化处理，然后进行希尔伯特变换获得时频谱图，得到有物理意义的频率。与短时傅立叶变换、小波分解等方法相比，这种方法是直观的、直接的、后验的和自适应的，因为基函数是由数据本身所分解得到。由于分解是基于信号序列时间尺度的局部特性，因此具有自适应性。
对数据信号进行MED分解就是为了获得本征模函数，因此，在介绍MED分析方法的具体过程之前，有必要先介绍EMD分解过程中所涉及的基本概念的定义:本征模函数，这是掌握EMD方法的基础。
本征模函数
在物理上，如果瞬时频率有意义，那么函数必须是对称的，局部均值为零，并且具有相同的过零点和极值点数目。在此基础上，NordneE.Hunag等人提出了本征模函数(IntrinsciMdoeFunctino，简称IMF)的概念。本征模函数任意一点的瞬时频率都是有意义的。Hunag等人认为任何信号都是由若干本征模函数组成，任何时候，一个信号都可以包含若干个本征模函数，如果本征模函数之间相互重叠，便形成复合信号。EMD分解的目的就是为了获取本征模函数，然后再对各本征模函数进行希尔伯特变换，得到希尔伯特谱。 Hunag认为，一个本征模函数必须满足以下两个条件: (1)l函数在整个时间范围内，局部极值点和过零点的数目必须相等，或最多相差一个; (2)在任意时刻点，局部最大值的包络(上包络线)和局部最小值的包络(下包络线) 平均必须为零。 第一个条件是很明显的，它与传统的平稳高斯信号的窄带要求类似。对于第二个条件，是一个新的概念，它把经典的全局性要求修改为局部性要求，使瞬时频率不再受不对称波形所形成的不必要的波动所影响。实际上，这个条件应为“数据的局部均值是零”。但是对于非平稳数据来说，计算局部均值涉及到“局部时间尺度”的概念，而这是很难定义的。因此，在第二个条件中使用了局部极大值包络和局部极小值包络的平均为零来代替，使信号的波形局部对称。Huang等人研究表明，在一般情况下，使用这种代替，瞬时频率还是符合所研究系统的物理意义。本征模函数表征了数据的内在的振动模式。由本征模函数的定义可知，由过零点所定义的本征模函数的每一个振动周期，只有一个振动模式，没有其他复杂的骑波;一个本征模函数没有约束为是一个窄带信号，并且可以是频率和幅值的调制，还可以是非稳态的;单由频率或单由幅值调制的信号也可成为本征模函数。
EMD方法的分解过程
由于大多数所有要分析的数据都不是本征模函数，在任意时间点上，数据可能包含多个波动模式，这就是简单的希尔伯特变换不能完全表征一般数据的频率特性的原因。于是需要对原数据进行EMD分解来获得本征模函数。 EMD分解方法是基于以下假设条件:(1)数据至少有两个极值，一个最大值和一个最小值;(2)数据的局部时域特性是由极值点间的时间尺度唯一确定;(3)如果数据没有极值点但有拐点，则可以通过对数据微分一次或多次求得极值，然后再通过积分来获得分解结果。这种方法的本质是通过数据的特征时间尺度来获得本征波动模式，然后分解数据。这种分解过程可以形象地称之为“筛选(shitfing)”过程。 分解过程是:找出原数据序列X()t所有的极大值点并用三次样条插值函数拟合形成原数据的上包络线;同样，找出所有的极小值点，并将所有的极小值点通过三次样条插值函数拟合形成数据的下包络线，上包络线和下包络线的均值记作ml，将原数据序列X(t)减去该平均包络ml，得到一个新的数据序列h，: X(t)-ml=hl 由原数据减去包络平均后的新数据，若还存在负的局部极大值和正的局部极小值，说明这还不是一个本征模函数，需要继续进行“筛选”。

E. 麻烦说说EMD有什么地方不好~

问题:
1. 分量c1,c2,c3...cn分别包含了从高到低不同的频率断,每一段频率成分是不同的,而且随信号x(t)变换而变化,rn则表示了信号x(t)的中心趋势

对于这句话 有点不解 c1 c2...cn是不是严格按照频率从高 到低, 而且rn说表示中心趋势 我看有的说误差 看来应该是分情况而定的把??

2. 对于黄的程序 暂时我没有仔细研读啊 ,不知道他在对于emd缺点改进方面作了那些工作,此程序在对于emd的改进如何,更确切的说 这个程序的可用度如何, 更适合分析甚么信号!

通过看imf定义,可以看到 它对于具有调幅和调频的信号 对称信号 处理应该是比较不错的,但是实际信号 比如地震信号 时域波形应该畸变 不是标准的正弦波 或者于弦 ,而我门在举例子的时候 都倾向于 举一标准的正于弦 或者 调幅 调频,如果举噪声的例子,结果又会怎么样那??

3. 对于现在搞emd的都在对黄的程序,在改进 ,结果也出了不少文章 ,在故障诊断这块 ,作的不错的 湖南大学于老师 在机械系统与信号处理 发过3-4篇 文章, 算法作了改进 ,主要故障设计 齿轮 和轴承 ,这些信号 大家都清楚 出现调幅调频的几率比较达大,处理起来效果应该还可以,但是对于别的故障,不知道大家有没有试验过,如果转速变化比较大,所采集的波形波动比较大时,效果是不是还比较好呢?? 我现在还是觉得 信号略处于稳态的 处理效果比较好些, 期待大家 讨论?
答案1. c1 c2 ... cn 的确是严格按照频率从高到低产生的，不过这里有一个误区，其意思并不是说c1的频率一定比c2的高，正确的理解是c1中的某个局部的频率比c2中相同局部的频率要高，这也正好反映了EMD算法局部性强的本质所在，也跟黄的说法“相邻的分量可能包含相同时间尺度的振荡，但是相同时间尺度的振荡绝对不会出现在两个不同的IMF分量的同一个位置”一致。至于分解过程造成的误差（主要是包络方式的选取、边界效应的处理和滤波停止条件的设计），会不断累积到下一层分解中，并不一定是最后一个余量（趋势项）。

2.
a) 黄的源程序其实我们都没有得到（这个不是免费的，因为黄已经在NASA中申请了专利），一般大多数人使用的都是Flandrin提供的源代码，也就是LS提到的G.Rilling的方法（之所以有两种不同说法是因为网站提供的源代码是Flandrin的，但是emd.m提到的文章是G.Rilling作为第一作者的，也许外国人不像我们那样通过次序来区分贡献，呵呵）。程序基本上可靠，可以用来分析各种数据，但是效果如何，就要看是否满足你的需要了。至于适合什么样的数据，现在还没有定论，其一，EMD算法还没有建立一个合适的数学模型，也就缺乏严格的数学基础，很多诸如收敛性、唯一性、正交性等数学问题根本无法进行，甚至连“什么信号能进行EMD分析”目前也无法解释。其二，算法本身是操作性的，到目前为止也是经验的（正如算法的名称一样），在没有找到其理论支撑之前，无从考究。其三，一种算法，不可能对任何信号都有效，所以不要指望EMD可以处理任何信号。

b) 从IMF的定义看的确要求IMF是对称的，但是这不意味着要求信号本身具有这样的特性，也并不要求信号是正弦、余弦等的合成，我想，之所以EMD能引起那么多人关注，除了所谓的“传销”得当以外，更重要的是它在实际中的表现，如果只能处理规则的信号，那么它的影响（包括好的和也许坏的）远不可能如此成功。

c) EMD从高到低产生各IMF的特性就意味着它可以用来去噪，而并非在使用EMD之前用其他方法进行噪声处理。举个例子吧，我这段时间做的脑功能激活区检测，本质上就是去除信号的噪声，把原始的刺激恢复出来的这么一个过程。实现结果是很不错的，无论对于加性的服从规则分布（例如高斯分布、均匀分布等）的随机信号，还是对于乘性的服从规则分布（我只测试了poisson分布）的随机信号。当然了，后者的结果当然比不上前者，不过足以超过用于检测的传统方法。个人认为EMD之所以在实际中那么有效，是因为它能处理非平稳、非线性的时间序列。

3. 目前对EMD方法的改进分为两个方面，一个是实验层面的，另一个是理论层面的，相对来说，后者少之又少。
a) 前者主要包括是两个部分。实际上，这是大家在利用EMD进行信号分解时采取的一些主观规则。其一是根据对零均值条件的主观理解，使用了不同的方法作为IMF滤波停止条件；其二是利用三次样条计算信号的上、下包络时，根据信号两端的走势，使用了特定的端点延拓方法。当使用EMD进行非平稳和非线性信号分解时，在上述两点上使用不同的规则将导致不同的EMD分解结果。2003年G. Rilling等人对Huang的EMD算法进行的改进就属于第一种，个人认为该条件比Huang原来的条件合理。而国内学者诸如2001年邓拥军等提出的神经网络方法、2003年黄大吉等提出的镜像闭合法和极值点延拓法以及2004年刘慧婷等提出的多项式拟合算法等，是属于第二种。至于这两年的研究成果，我还没有整理，呵呵。

b) 后者主要是2004年谌球辉等人提出利用“滑动平均”的方法代替传统的“包络平均”的方法来求出信号的低频。他们试图借助B样条函数已有的良好性质来为建立EMD的数学基础作进一步推进。另外，2006年初黄对EMD算法得到的IMF提出了一个后处理算法（本质上是对IMF进行规范化），其目的是为了更加准确的得到瞬时频率和振幅（个人认为这才是真正的包络和瞬时频率，来京之前我试图从局部意义上来证明这个算法的收敛性，但只得到阶段性结果，最近听说我的一个师弟已经从全局意义上基本上证明出来了，待我回去以后再看看具体成果吧，呵呵），算法的思想是把两者尽量分开，把调幅的影响从调频中脱离出来。该处理方法完全抛弃了Hilbert变换，使得瞬时频率和瞬时振幅更加准确、更有意义

总的来说，EMD乃至HHT虽然有很多缺点，但是也并非一无所用，在理论上的证明和进一步完善需要更多的关注，而在实验中的用处就看你的需要和如何发挥它的潜力了。

F. 方太抽油烟机EMD21A和EMD20A.M有什么区别

首先，油烟机是一个特别暴利的产品，俗话说的顺口溜：铁皮加电机，利润超飞机；中国式厨房一般建议装顶吸式，也可以根据自己的实际情况自行决定

2、另外，购买油烟机的时候不建议太迷信品牌或简单的认为价格越高越好，根据自己的实际情况选择合适的价位就好了

3、还有就是并不是功能越多的就越好，油烟机还是建议简单点的比较好，越复杂的机型若是出现故障维修起来费用就越高

4、总之，选购的时候功能简单化，价格平民化，不建议购买一千块以上的油烟机，土豪请随意！油烟这种东西并不管你价格高低都会出现油泥，时间久了都要清理，不用买的太贵，用三五年就换新就好了

以上仅供参考，本人是小家电销售从业十余年，可以给朋友们提供一些小家电选购的意

G. 由于电瓶没电，关机导致的kuka机器人所有零点丢失，要想找回零点应该用哪种方式

因为电池没电，断电时机器人无法储存位置数据，所以会出现开机零点丢失。

这种情况不存在找回零点的说法，因为库卡采用的是增量式编码（极少数小机器人除外）。

需要做的是重新校正零点，其实就是让机器人再次进行编码器位置与机械零点的耦合。

千分表选项需要人工找到零点位置，然后按校正按钮。靠的是人肉眼读取千分表示数最小值，通过千分表找到零点标定槽最低点也就是机械零点。

EMD是库卡推出的官方校零工具，只要移动机器人到预标定位置，EMD可以自动找到零点并记录，精度高，无人为误差。

推荐使用EMD，需要EMD可以让库卡销售担保，从服务部借用。也可以向你们的设备商借用。也可以向库卡购买零点千分表基座，用自己的千分表来校零。

H. 判断训练后身体疲劳的基本方法有哪些

训练后身体疲劳的判断，通常根据自我感觉、体表特征和客观指标，也常采用一些比较客观的生理和心理测试方法。

1、自我感觉。疲劳时，人会感到肌肉僵硬、局部酸痛、四肢无力、呼吸急促、胸部发闷、力不从心。在恢复过程中，上述疲劳感逐渐减轻或消失。但一部分训练任务常常是在自我感觉疲劳时进行的，没有这个过程就不能对机体产生足够深度的刺激，以实现更高机能水平的适应。

2、外部特征。这是组训者常用的判断受训者疲劳程度的方法。在训练过程中，如果受训者面色苍白，眼神无光，连打哈欠，反应迟钝，精神不集中，动作失调、错误增多，技术规格下降等，可初步判定疲劳已达到一定程度。

3、客观指标。主要指骨骼肌的指标：肌肉力量、肌肉硬度和肌电图，循环系统指标包括心率，进行大负荷训练时期，如基础心率较平时增加10次/分以上，则认为有疲劳现象，如连续几天持续增长，表明疲劳累积，应调整运动负荷；如运动后心率恢复到以前状态的时间延长则可视为疲劳。

(8)emd故障诊断方法有哪些不足之处扩展阅读：

缓解运动疲劳的方法：

1、整理活动要重视

运动过后身体处于疲劳的状态，此时运动过后的恢复就显得尤为重要。很多人往往会忽视这一点，导致运动过后长时间的精神萎靡。这不仅降低了健身的效果，也严重影响了生活和工作的质量，而且还会加大受伤的风险。因此，运动结束后一定要进行10~15分钟的整理运动。

2、健身后进行洗浴

不仅可以清洁皮肤，使心情愉悦，还可以促进血液循环，加速体内代谢废物的排出，促进疲劳的消除。但不要运动一结束就冲向浴室洗澡，这很容易影响身体的血液循环，增加心脏的负担。

3、进食和休息

食物的摄取应以蛋白质、糖、维生素和无机盐为主。摄入量应该因人而异。

I. 请教世界上哪几种战机用发动机最先进

世界十大军用战斗机航空发动机排名，中国三款型号上榜

第一名：F135涡扇发动机 国家：美国

F135涡扇发动机

歼31目前装备的发动机就是RD93发动机

RD-33改良型，提升涡轮前的燃烧温度，同时也提高推力输出。使用在MiG-29K与MiG-29M上。

RD-93（俄文为PД-93）加力式涡轮风扇发动机是在RD-33（俄文为PД-33）的基础上，为适应飞机设计的需要，将上置的附件机匣改为置于发动机下部的改进型，发动机中各部件的结构（除适应附件机匣位置改动而带来的中传动装置中从动锥齿位置有变动外）两型完全一样。

J. 东芝电梯怎么查故障

故障码 出错检查主题(01-FC)

故障码

说明及处理方法

1 SMA 故障

故障码处理方法 Data 3~~7

SMA 故障 3=0 bit : SXA $ FLG 1bit : XSMA $FLG

4=CAR positioned Floor

2 SMB 故障

故障码处理方法 Data 3~~7

SMB 故障 3=0 bit : SXB $ FLG 1bit : XSMB $FLG

4=CAR positioned Floor

3 SMC 故障

故障码处理方法 Data 3~~7

SMC 故障 3=0 bit : SXC $ FLG 1bit : XSMC $FLG

4=CAR positioned Floor

4 SMD 故障

故障码处理方法 Data 3~~7

SMD 故障 3=0 bit : SXD $ FLG 1bit : XSMD $FLG

4=CAR positioned Floor

5 SME 故障

故障码处理方法 Data 3~~7

SME 故障 3=0 bit : SXE $ FLG 1bit : XSME $FLG

4=CAR positioned Floor

6 因为SM 故障导致 SMSI 导通

故障码处理方法 3 = EDH $ LFL or EMD $ LFL

SM 故障 因为 SME 故障 , 使马达反转

10 BLXA BKD 及 XBK 使到制动 不正常

故障码处理方法 顺序检查CC XBK BK 会影响到 BLXA

10 制动器开动 BK = ON 1BK 需要 OFF

11 制动器关闭 BK = OFF 1BK 需要 On

11 BLXA BKD 及 XBK 使到制动 不正常

12 PUL XBK 讯号相反 使到制动 不正常

故障码处理方法 顺序检查 XBK 影响到 BKD

12 制动器开动 逻辑顺序信号异常

13 制动器关闭 检查 BKD 回应信号

13 BKD 讯号反应不正常

20 7LS , 8LS 反应不正常

故障码处理方法 上行及下行限位开关出错

20 限位开关问题 SLD ON LS 7 LS 8 ON

21 起动 , 驱动 及 停车 脉动讯号不正常

故障码处理方法 电梯上下运行不停中间楼层

21 脉动讯号不正常 车上层楼遮板脉动讯号不正常或牵引机

22 ADCPD 脉动讯号异常 比率错误或ROM 参数

22 ADCPD 脉动讯号异常

23 提前通知脉动讯号异常

24 脉动讯输入号异常