【原创】关于联想Y400适配器和电池同时使用无法开机的问题

本文解决联想Y400笔记本在使用适配器和电池时无法开机的问题,通过卸载并重新安装EnergyManagement软件,成功修复该故障。


【原创】关于联想笔记本Y400适配器和电池同时使用无法开机的问题


今天中午打开Y400自带的电源管理软件Energy Management(EM)进行电池修正,结果当电池完全放电后电脑显示的是不再对电池进行充电(其实是在偷偷的充电,只是显示有问题),提示信息好像是请插入电源适配器(反正是出了问题)。

我把电脑关机之后发现电脑无法再开机。然后就出现了下面三种情况:1.电池卸掉后,只用适配器可以正常开机;2.拔掉适配器只用电池也可以正常开机;3.适配器和电池同时存在时无法开机。这一问题搞得我很郁闷,于是开始上网搜索解决办法,发现有人说是EM存在的bug导致的(我也认为是这样的),有人还把机子拿到了售后去修理,还有人说有可能把主板烧坏了(危言耸听,用来吓人的)。看到这些评论后,我瞬间产生了一种幻觉:似乎闻到了机子主板烧焦的味道。仔细判断后,主板没有被烧,心里就踏实多了。于是就开始想解决办法,既然是从EM开始的,那么就从EM下手吧。


解决办法:

Step 1

拔掉适配器,装上电池,开机。到这里可能会有人说,电池已经放完电了,怎么用电池开机?问得好,但是请注意前面提到,出问题时电脑只是显示没有充电或者没有电池或者适配器没有插入,其实一直在充电。所以当你发现这个情况后,电池里面已经有些电量了,如果没有电的话,打开电脑插上适配器先充一会儿。
然后执行以下步骤:
1.打开 控制面板。  
2.点击 卸载程序。  
3.选择Energy Management软件,然后单击卸载。  
4.循卸载向导移除此程序。

Step 2

关机,开机,重启,插上适配器观察是否在充电。这一步要做的可能没有一定的规则,根据实际情况来定。如果还是不行,那么用电脑中的软件清理一下垃圾和注册表,然后再执行Step2,直到正常为止。
Step 3
去联想官网的驱动下载界面,根据自己的编号下载EM,安装,安装位置没有限制,可自由选择。当然,如果你害怕了的话,不装这个EM应该也没有问题。

原因分析:

电池修正的那个功能下面有提示说:完全充电一次,然后完全放电一次,可能需要几个小时,在修正过程中,请不要拔掉电源和电池,并且不要使用电脑。

帮助文件中还有以下内容:操作之前,关闭所有程序。注意:电池修正中如果进入休眠、睡眠或者关机状态,电池修正将中止。

看了上面的这些提示,出了状况就只能从自身找原因。人家都给你说了:此过程需要关掉所有程序,并且不要使用电脑。多么苛刻的条件啊!回想一下,此过程中,我确实没有关掉所有程序,而且我一直在使用电脑,但是之前我也这样操作过啊,也没有出现问题啊。不管怎样,问题是我造成的,后果我要承担。(开个玩笑)


作为用户,真心希望做产品的开发者能尽量减少产品使用的附加条件,减少用户的学习成本,这样才更贴合用户的需求,才更人性化。(纯属个人观点)


下面是EM的截图,可以直观的感受一下,界面挺好看的。






转载于:https://www.cnblogs.com/gengzj/p/3827119.html

下载方式:https://pan.quark.cn/s/a4b39357ea24 在纺织制造领域中,纱线的品质水平对最终制成品的整体质量具有决定性作用。 鉴于消费者对于产品规格样式要求的断变化,纺织制造工艺的执行过程日益呈现为一种更为复杂的操作体系,进而导致对纱线质量进行预测的任务变得更加困难。 在众多预测技术中,传统的预测手段在面对多变量间相互交织的复杂关系时,往往显得力从心。 因此,智能计算技术在预测纱线质量的应用场景中逐渐占据核心地位,其中人工神经网络凭借其卓越的非线性映射特性以及自适应学习机制,成为了众多预测方法中的一种重要选择。 在智能计算技术的范畴内,粒子群优化算法(PSO)反向传播神经网络(BP神经网络)是两种被广泛采用的技术方案。 粒子群优化算法是一种基于群体智能理念的优化技术,它通过模拟鸟类的群体觅食行为来寻求最优解,该算法因其操作简便、执行高效以及具备优秀的全局搜索性能,在函数优化、神经网络训练等多个领域得到了普遍应用。 反向传播神经网络则是一种由多层节点构成的前馈神经网络,它通过误差反向传播的机制来实现网络权重阈值的动态调整,从而达成学习与预测的目标。 在实际操作层面,反向传播神经网络因其架构设计简洁、实现过程便捷,因此被广泛部署于各类预测分类任务之中。 然而,该方法也存在一些固有的局限性,例如容易陷入局部最优状态、网络收敛过程缓慢等问题。 而粒子群优化算法在参与神经网络优化时,能够显著增强神经网络的全局搜索性能并提升收敛速度,有效规避神经网络陷入局部最优的困境。 将粒子群优化算法与反向传播神经网络相结合形成的PSO-BP神经网络,通过运用粒子群优化算法对反向传播神经网络的权值阈值进行精细化调整,能够在预测纱线断裂强度方面,显著提升预测结果的...
植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值