硬盘问题,超级BT.100分求援

cancerser 2007-08-24 09:28:24
8月22日
浏览网页的时候,突然发现机器不对,突然变慢,硬盘灯长亮.
重启后竟然找不到硬盘.
拆箱,换数据线接口.重启后找到硬盘现象依然,出现蓝屏,存储器写入错误
8月23日
怀疑数据线,把硬盘和光区数据线对调.运行一段时间后,现象出现.
这次提示某某文件不能写入,硬盘灯长亮.转而死机.
重新分区.ghost系统后.启动时硬盘灯长亮.
低格.重分区后.ghost系统 重启 竟然找不到OS
怒之重装 连换4张安装盘 全部在复制文件过程中出现无法复制某个文件.

问题每次出现都是系统启动一段时间之后.

至此,向我硬盘默哀的同时.寻求救命良方,请名医们赐教
...全文
348 10 打赏 收藏 转发到动态 举报
写回复
用AI写文章
10 条回复
切换为时间正序
请发表友善的回复…
发表回复
cancerser 2007-08-27
  • 打赏
  • 举报
回复
采用 fancywukui(夜雨听风) 的办法,系统重生,少了10G,确省了不少钱 :)
li_net 2007-08-24
  • 打赏
  • 举报
回复
硬盘问题啊,没检查到坏道?换个其它软件,另外也有可能是硬盘电路板有问题
foxfab 2007-08-24
  • 打赏
  • 举报
回复
硬盤明顯壞到,你搞個好的硬盤,設置個主從盤重裝或則是修復下(把壞道屏蔽掉),建議還是換硬盤吧!
fancywukui 2007-08-24
  • 打赏
  • 举报
回复
我出现了这个情况,而且多出来个现象,进入系统长时间自检,而后死机,有时候刚读取进度条就死机,基本上你出现的情况我都出现了.是硬盘出现了坏道,而且是系统盘区,我解决的办法是,全新安装系统,低格C盘,虽然不好也没有办法,然后不用C盘,以免坏道扩散,把系统重装到了D盘,现在运行良好,后检查我的磁盘是物理损伤,无药可医,隐藏避免扩散了.....~~~~~
cancerser 2007-08-24
  • 打赏
  • 举报
回复
补充下
硬盘没检查出坏道.也没杀出病毒.难道是电源的金手指……

上帝啊 救救我吧
lnhsgj 2007-08-24
  • 打赏
  • 举报
回复
建议:
先确定100%是硬盘坏,换块硬盘试试.
然后再琢磨这块硬盘.
newnazi 2007-08-24
  • 打赏
  • 举报
回复
可能是以下原因:
1 坏道 —低级格式化或者用软件屏蔽
2 硬盘数据线或电源接口接触不良,多出在SATA硬盘
3 系统光盘问题
liujl1985 2007-08-24
  • 打赏
  • 举报
回复
很像是板子问题,可能有某个元件烧了.
  • 打赏
  • 举报
回复
换硬盘吧
NothingSky 2007-08-24
  • 打赏
  • 举报
回复
硬盘报销了
内容概要:本文围绕不确定环境下的多式联运路径优化问题展开研究,提出并实现了基于AFO算法、遗传算法(GA)和粒子群优化算法(PSO)的三种智能优化方法,并借助Matlab平台完成算法编程与仿真。研究构建了考虑时间、成本、转运风险等多重不确定因素的路径优化模型,系统比较了AFO、GA、PSO三种算法在收敛速度、全局寻优能力和稳定性方面的表现,同时引入Matlab自带的全局优化搜索器作为基准对照,深入析各算法在复杂物流网络中的适用边界与性能差异。研究表明,AFO算法在解决此类组合优化问题时展现出更快的收敛效率和更强的局部规避能力。; 适合人群:具备一定Matlab编程基础与运筹优化知识,从事物流工程、交通运输规划、智能算法开发等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多式联运、综合货运网络中的路径决策支持系统构建;②为不确定性条件下复杂路径规划问题提供智能算法选型依据与技术实现方案;③支持科研人员复现主流优化算法并开展横向性能对比实验,推动算法改进与实际落地。; 阅读建议:建议读者结合提供的Matlab代码逐模块析算法实现流程,重点理解目标函数设计、约束条件处理及参数敏感性析部,可通过调整问题规模与算法参数进行对比实验,进一步拓展至动态路径规划或大规模网络优化等延伸场景。
内容概要:本文研究了基于QLearning自适应强化学习的PID控制器在自主水下航行器(AUV)运动控制中的应用,通过Matlab代码实现了控制算法的仿真验证。该方法融合强化学习的在线自适应能力与传统PID控制的稳定性优势,利用QLearning算法动态优化PID控制器的比例、积、微参数,以应对水下复杂流体环境、模型不确定性及外部干扰等挑战,从而提升AUV轨迹跟踪的精度、鲁棒性与动态响应性能。文中系统阐述了AUV的六自由度非线性动力学建模过程、QLearning算法的状态空间与动作空间设计、奖励函数构造及训练机制,并详细说明了PID参数自整定的闭环控制架构。仿真结果表明,相较于传统固定参数PID控制器,该智能控制策略在多种工况下均展现出更优的控制效果,有效抑制了超调,加快了响应速度,并增强了抗干扰能力。; 适合人群:具备自动控制理论、强化学习基础及Matlab/Simulink仿真能力,从事水下机器人、智能控制、海洋工程、自动化等领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于AUV、UUV等无人水下平台的高精度自主导航与运动控制;②为解决非线性、强耦合、时变系统的控制器参数自适应整定问题提供智能化解决方案;③作为强化学习与经典控制理论深度融合的技术范例,推动智能控制算法在海洋装备中的工程化应用。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法实现细节,重点剖析QLearning的状态-动作-奖励机制设计、PID参数更新逻辑及仿真对比实验结果,有条件者可在更复杂的动力学模型或实际硬件平台上进一步验证与优化算法性能。

2,308

社区成员

发帖
与我相关
我的任务
社区描述
硬件使用 电脑整机及配件
社区管理员
  • 电脑整机及配件社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧