大规模模拟电路故障定位快速算法及实现

要使现有的模拟电路诊断算法适用于大规划电网络，必须将大规模网络分解成互不耦合的小规模网络。文献（１）给出一种快速定位算法（算法Ｉ），但未考虑容差。本文从解决模拟电路故障诊断中最棘手的问题──容差，在线计算量和离线计算量的目的出发，将故障预测技术，替代理论和迭加定理运到支路撕裂法中，从而得到一个新的大规模模拟电路的快速故障定位算法（算法Ⅱ），同时对算法Ⅰ，Ⅱ进行了ＦＯＲＴＲＡＮ编程实现。研究结果证明     

基于Takagi-Sugeno型自适应模糊神经网络的模拟电路故障诊断

该文提出了一种基于Takagi-Sugeno型自适应模糊神经网络故障诊断方法。首先通过电路仿真获得故障样本,其次利用主成分分析对故障样本进行降维处理,减少自适应模糊神经网络的输入,降低训练时间,然后采用BP算法与最小二乘法相结合的混合学习算法训练自适应模糊神经网络的连接权值和隶属度函数。仿真结果表明,此方法能够快速有效地对模拟电路的故障进行诊断和定位,表现出了很好的应用潜力,在容差模拟电路故障诊断领域具有较好的应用前景。     

基于BP神经网络的大规模电路模块级故障快速诊断方法

根据大规模电路故障诊断网络撕裂法和交叉撕裂搜索方法,采用基于误差反向传播算法的多层前向神经网络(BP神经网络)记载多次撕裂信息,提出了一种新型基于BP神经网络的大规模电路模块级快速诊断方法。该方法能快速有效地并行处理定位故障模块,具有测前工作量小,实时诊断性强等优点。     

子网络级模拟故障诊断的神经网络实现

利用容差模拟电路节点电压灵敏度序列守恒定理,得到了模拟电路元件的软、硬故障统一样本。然后利用统一样本集训练BP神经网络,并将神经网络用于子网络级模拟故障诊断。实例验证表明,软、硬故障统一样本集使得用于神经网络训练所需样本数目大大减少,但经过训练的神经网络可以诊断容差模拟电路的全部软、硬故障,而且诊断正确率较高。     

一种新的容差模拟电路故障屏蔽字典法

提出了一种新的可以诊断容差模拟电路软硬两类故障的故障屏蔽字典法。该法基于统计学原理，计算了容差对故障特征量的影响，在此基础上，通过构造合适的故障隶属函数，将故障定位在一个模糊故障集中，并从中进一步确定出最可能发生的故障。     

电子电路故障诊断的一种新方法

本文在文献[1,2]的基础上提出了一种诊断大规模容差子网络级故障的新方法－交叉撕裂诊断法。文中首先论叙f≤3的撕裂准则，然后，应用区间分布法对容差子网进行故障定位，这种方法可以用于通信网络中的电子电路故障诊断。     

基于小波包和自组织网络的模拟电路故障诊断

提出了一种基于小波包变换和SOFM网络相结合的模拟电路故障诊断方法.利用小波包分解作为预处理和消噪工具,对电路采样信号进行多尺度分解和消噪,然后进行能量特征提取、归一化,作为样本输入给神经网络.用SOFM网络竞争层的神经元,对样本数据进行故障识别分类,克服了BP网络隐层神经元选取困难的缺点.详细叙述了诊断原理和步骤,并给出了诊断实例.     

大规模模拟电路故障定位的快速算法及实现

要使现有的模拟电路故障诊断算法适用于大规模电网络,必须将大规模网络分解成互不耦合的小规模网络。文献[1]给出了一种快速定位算法(算法Ⅰ),但未考虑容差。本文从解决模拟电路故障诊断中最棘手的问题——容差、在线计算量和离线计算量的目的出发,将故障预测技术、替代理论和迭加定理运用到支路撕裂法中,从而得到一个新的大规模模拟电路的快速故障定位算法(算法Ⅱ),同时对算法Ⅰ、Ⅱ进行了FORTRAN编程实现。研究结果证明,算法Ⅰ、Ⅱ适用于小、大规模网络的单、多故障诊断。当网络被连续监测时,算法Ⅱ的稳健性、计算量和存贮器要求均较算法Ⅰ有较大改进。文中举了一个有源电路的实例,验证了上述论断的有效性。     

基于小波神经网络的模拟电路故障诊断研究

文章提出了一种基于小波神经网络的模拟电路故障诊断方法。这种方法采用正弦信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,将自适应学习率及附加动量BP算法训练后的小波神经网络应用于容差模拟电路故障诊断中。仿真试验表明,该方法减少了故障诊断时间和提高了网络的平均诊断正确率。     

基于DSP的模拟电路诊断系统的实现

以现代测试技术、信号处理、信息融合等理论为基础,以神经网络在模拟电路故障诊断中的应用为主线,深入研究了模拟电路的故障特征提取和故障诊断方法。用TMS320F2812对选定的待测电路在元件存在容差的条件下,实现了模拟电路软故障诊断。验证了使用DSP实现模拟电路故障诊断系统的可行性。     

基于PSpice与LM算法的模拟电路故障诊断方法

采用小波神经网络与Levenberg-Marquardt算法相结合的方法,对模拟电路进行故障诊断;用小波对冲击响应信号进行多尺度分解,进行归一化后,提取故障特征信息作为神经网络的输入而进行分类。将PSpice与Matlab结合不但能有效的诊断模拟电路,且在收敛性和故障准确性上有了大幅提高。实验仿真表明,通过该方法构造的样本集训练出的网络稳定性高于传统方法,适用于神经网络。     

模拟电路故障诊断中的特征信息提取

在运用BP神经网络进行模拟电路故障诊断过程中,代表故障特征的网络输入至关重要。分析了常见特征信息提取和故障诊断方法,提出一种基于多测试点、多特征信息原始样本集的新方法。运用这种方法构造原始故障特征集,然后作为BP神经网络的输入对网络进行训练,仿真结果表明,通过该方法构造的样本集训练出来的网络对模拟电路故障诊断的正确率优于传统方法,证明了该方法在模拟电路故障诊断中的可行性,为模拟电路的故障诊断提供了一种新方法。     

A new diagnosis approach for handling tolerance in analog and mixed-signal circuits by using fuzzy math

A novel analysis method for analog circuits test and diagnosis is described in this paper. Diagnosis hypotheses are represented and fuzzy math is used to express the diagnosis hypotheses and strategy. Based on it, new equivalent fault model is presented and used for test node selection and design for test. Especially, parametric fault test for linear analog circuits with tolerance analysis is presented using both sensitivity method and fuzzy analysis method.     

基于模糊规则神经分类器的模拟电路故障诊断法

对利用基于模糊规则的神经网络分类器进行模拟电路故障诊断的方法了研究。担子同ＦＲＣ网络模型及其学习算法，它适用于多种类，多规则的分类问题。还探讨了模拟电路故障的一阶及二阶牲概念，并给出了一个用ＦＲＣ进行故障诊断的实例。     

基于聚类模糊神经网络的非线性电路故障诊断

提出了一种基于聚类算法和模糊神经网络的非线性模拟电路故障诊断方法。通过一个无监督的聚类算法自组织地确定模糊规则的数目并生成一个初始的故障诊断模糊规则库，构造了一类模糊神经网络，通过训练调整网络权值，使故障诊断模糊规则库的分类更加精确，并通过仿真实验验证了该方法的有效性。     

具有容差的模拟电路故障定位的神经网络实现

结合Ｋ故障诊断和ＢＰ网络的分类功能,提出了一种神经网络实现模拟故障定位的方法,该方法将ＢＰ网络训练成具有推广能力的广义故障字典。     

模拟电路故障诊断的发展现状与展望

阐述了模拟电路故障诊断的意义，介绍了模拟电路故障诊断的发展现状，以及应用神经网络、模糊理论和小波分析后发展的趋势。分析了存在的问题，并提出了解决方法。     

基于神经网络与证据理论的模拟电路故障诊断

论述了利用多类电量测试信息、应用神经网络与D-S证据理论实现模拟电路故障诊断的基本原理,提出了一种基于可测点电压与不同测试频率下的电路增益经决策层信息融合的故障诊断新方法.分别利用此两类测试信息,各用一个独立的改进BP网络对电路进行初步诊断,再运用所提融合诊断算法实现故障定位.模拟实验结果表明:所提方法对硬故障与元件参数偏移较小的软故障均适用,故障定位准确率高.     

容差模拟电路的软故障诊断的小波方法

给出了容差模拟电路软故障诊断的小波与量子神经网络方法,利用小波分析,取其能反映故障信号特征的成分做为电路故障特征,再输入给量子神经网络,不仅解决了一个可测试点问题,并提高了辨识故障类别的能力,而且在网络训练之前,利用主元分析降低了网络输入维数。实验证明了这种方法的可行性与适用性。