一种基于聚类神经网络的模拟电路故障诊断方法

提出了线性互易电路单一元件软故障的统一特征概念．根据统一特征可将软故障字典建立于本文提出的聚类神经网络之中．这一有限规模的字典，能够诊断每一元件所有的软故障，测前工作量小、诊断过程简单．在一定的条件下，此方法对弱非线性电路小范围软故障也适用．     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点，提出基于小波神经网络的模拟电路故障诊断方法。采用能量分布特征提取方法和改进BP算法，用正弦信号仿真模拟电路，应用小波变换对模拟电路的采样信号进行多尺度分解，再进行能量分布特征提取，然后利用神经网络对各种状态下的特征向量进行分类识别，实现模拟电路故障诊断。相对于传统的故障诊断方法，用小波变换对故障信号进行预处理，大大减少了神经网络的输入数目，从而简化了神经网络的结构和减少了它的训练时间，并提高了辨识故障类别的能力。对实例电路仿真结果表明，该方法能正确识别各种故障状态，准确率高。     

一种亚微米模拟电路中MOS器件的设计方法

提出一种可用于亚微米金属氧化物场效应晶体管的器件模型,它兼具了形式简洁和精度相当于ＢＳＩＭ３模型的特点,在此基础上讨论了器件电性能与结构之间的关系,设计结果与实验结果符合良好。     

一种基于量子神经网络的模拟电路故障诊断方法

针对模拟电路中部分故障类别发生重叠的特点, 提出了一种基于量子神经网络算法的模拟电路故障诊断方法。在被测电路输出端采集时域响应信号, 计算其峭度和熵, 作为特征量, 并应用量子神经网络算法对模拟电路的各个不同的故障类别进行辨别。实验结果表明, 构建的神经网络具有简单的网络结构, 且故障诊断正确率较 高, 达到9 9. 6 2%。     

灵敏度分析和SVM诊断模拟电路故障的方法

针对低可测性模拟电路中存在的模糊组问题,提出了一种模拟电路故障诊断的新方法。该方法首先计算被测电路网络传递函数零极点的灵敏度,利用零极点灵敏度提供的信息来对被测电路进行模糊组的划分,组成可诊断的元件集,并引入了支持向量机完成对故障的分类识别。零极点的灵敏度分析确定了被测电路可诊断的元件组,支持向量机结构简单、泛化能力强,实验结果证明了基于灵敏度分析和支持向量模拟电路故障诊断方法的有效性,故障诊断率大于99%。     

一种基于Rough集和RBF网络的模拟电路故障诊断方法

提出了一种基于Rough集和RBF神经网络结合的故障诊断方法。该方法针对模拟电路的故障特征,进行粗集约简预处理研究,然后由约简后的属性构造RBF网络。仿真结果表明:在相同的精度要求下,该算法的训练时间远小于普通的进化神经网络,提高了泛化能力,对模拟电路的故障诊断有一定的实际意义。     

模拟大规模网络的故障诊断

本文提出一种模拟大网络故障诊断的新方法。该方法首先判定故障子网络,然后再进一步对故障元件进行准确的定位和定值。所建立的故障诊断方程具有较低的非线性度及规则的雅可比矩阵,测试后计算量大大减少,适合于线性和非线性大网络的故障诊断。     

大型模拟线性动态电路的故障诊断

给出了子电路的一般故障分析模型.将线性规划方法与电路的树分解技术结合,实现大型线性动态电路中故障的迅速定位.方法具有实用意义.     

一种大规模数模混合电路故障诊断方法

阐述了一种通过电路分解的方法 ,以达到进行大规模数模混合电路的单硬件故障的故障诊断 ,并结合实例进行了具体分析     

一种大规模电路系统故障定位的方法

在网络分裂法的基础上，提出了成因块划分原则，并给出了一种大规模电路系统的故障定位的方法     

一个新的模拟电路软故障诊断字典法

传统字典法用于模拟电路软故障诊断时,由于模糊集中的故障状态的密集性常使故障隔离失败。本文在求解系统参数的基础上,用模糊数学辨识故障,使字典的故障分离度提高。此方法还可以用于软故障的在线诊断。     

某短波接收机模拟电路故障诊断系统

本文是在研制某短波接收机整机故障诊断系统的基础上完成的。根据文献［１］所提出的一种新的直流故障字典法编制了Ｆｏｒｔｒａｎ程序、建立了该机整机的故障字典、设计了自动测试系统、编制了整机的诊断流程、设计了用户界面，使得该系统的使用简单方便。最后给出了应用该系统对一般中小规模模拟电路单个硬故障进行诊断的方法步骤。实际运行表明，该系统对故障的诊断准确有效，并具有一定的通用性。     

模拟电路故障诊断的神经网络方法

本文讨论了在模拟电路故障诊断中应用神经网络的若干方法,涉及了模拟电路故障诊断中的SBT法,SAT法及专家系统方法等,给出了上属方法中应用神经网络的基本原则。     

一种改进的间歇过程故障诊断方法

针对单一故障诊断方法对间歇过程故障诊断效率和准确率低的缺点,提出将快速独立主元分析(FastICA)与递推最小二乘支持向量机(RLSSVM)相结合的集合型故障诊断方法 FastICA-RLSSVM。利用FastICA对非高斯间歇过程数据快速提取特征分量,通过RLSSVM对该时变过程进行快速分类。为验证该方法的有效性,将该方法应用于青霉素发酵过程故障诊断,并与提升小波—递推最小二乘支持向量机(LW-RLSSVM)方法进行对比分析,实验结果证明FastICA-RLSSVM诊断间歇过程故障准确率高,适应性好,分类效果稳定。     

模拟电路故障诊断中的故障分离

本文对模拟电路故障诊断中的故障分离和故障字典编制进行了一些探讨，提出了用故障编码进行故障分离和编制故障字典的方法．该法测试后不需任何计算，直接通过查字典就可对故障作出判断．可以有效地节省计算时间和减少测试点．本文给出了建立故障编码和故障字典的方法．