基于遗传算法的容差模拟电路故障诊断

给出了用于模拟电路元件参数识别的多频传递函数法的过程,并对故障诊断方程的可解度进行了分析,在此基础上,将诊断方程的求解转化为非线性函数的优化问题,并运用改进的遗传算法来解决这个问题,算法实例表明该方法简化了故障诊断方程的求解过程,加速了容差电路故障元件的定位,有一定的应用价值。     

模拟电路的多频灵敏度故障诊断方法

文章在灵敏度故障诊断方法的基础上提出多频灵敏度参数识别故障诊断方法，并给出选择测试频率的一般原则。该方法能够适用于可及测试节点较少的电路。针对模拟电路中一般只存在部分元件故障的情况，进一步提出只识别部分故障元件参数的多频灵敏度故障诊断方法，使该方法能适用于更大规模的电路。电路仿真结果验证了所提方法的有效性。     

一种新的模拟电路故障诊断方法

将因元件容差和故障产生的元件参数增量及电路不可及节点电压增量作为优化变量，构造一个新的故障诊断非线性约束Ｌ１范数优化问题，并应用Ｈｏｐｆｉｅｌｄ网络原理来处理该Ｌ１范数问题，其显著特点是只需一次优化过程即能估计出最可能故障元件，计算量小，故障诊断实例和计算机模拟结果表明，所提方法是可行的。     

一种多传感器信息融合电路故障诊断方法

针对电路故障元器件诊断不确定性问题,提出了电路元器件故障诊断的多传感器D-S信息融合方法。该方法通过测量被诊断电路中元件的电压、温度两个参数,获取二个传感器对待诊断元件的信度函数,然后得出融合信度函数,从而确定故障元件。诊断实例结果证明了该方法的有效性。     

基于灵敏度分析和GA的模拟电路故障诊断

为了实现模拟电路故障的检测,提出了将灵敏度分析与遗传算法结合的算法。该算法利用灵敏度分析估算元件参数偏移量求解故障元件,并用遗传算法寻求最优解。提出改进的自适应遗传算法,实验结果表明该方法对容差模拟电路的多软故障诊断具有较好的诊断率。     

基于信息融合技术的模拟电路故障诊断

论述了基于多类电量测试信息模糊融合的模拟电路故障诊断方法的基本原理,提出了分别基于K故障节点诊断法和最小标准差法的元件故障隶属函数构造方法,以及基于可测点电压与不同测试频率下电路增益的模糊信息融合诊断算法.分别利用此两类测试信息及K故障诊断法和最小标准差法,对电路进行初步诊断,再运用模糊变换及故障定位规则,得到融合的故障诊断结果.模拟实验结果表明,所提方法大大提高了故障定位的准确率.     

基于BP网络快速诊断电视电路直流故障

测后诊断速度和诊断精度是电视直流故障诊断性能的重要衡量指标。文中将神经网络的自学习和分类技术应用于电视电路直流故障诊断中，把反向传播BP网络训练成一个故障学习库．考虑到元件参数容差对诊断的影响，提出优选训练样本的具体方法。此外，为实现快速诊断，重新定义了BP网络输出误差函数，提出了可变步长的快速选择方法。通过仿真实验，证明这些措施的实施能实现快速准确诊断电视直流故障的功能。     

基于网格搜索的改进SVM模拟电路故障诊断方法

针对模拟电路故障识别与诊断问题,提出了一种基于K最近邻的一对一SVM分类器(KNN-OSVM)的故障诊断方法。将K最近邻算法与用网格搜索法优化后的一对一SVM模型相结合,建立KNN-OSVM模型,有效解决了SVM因存在不可分域造成的误分问题,提高了故障诊断率。采用小波分析法提取输出端电压信号作为故障特征值,采用网格搜索对核函数、惩罚参数寻优。采用两个模拟电路进行仿真实验,并将改进的SVM与传统SVM进行对比。结果证明了该故障诊断方法的可行性。     

浅谈模拟电路故障诊断的应用与发展

模拟电路的故障诊断的理论和方案经过多年的发展和应用,已经提出了很多有关模拟电路故障的诊断方法,主要有故障参数识别法、故障字典法和K故障诊断法。由于模拟电路本身的复杂性使得故障诊断技术的发展比较缓慢,研究出一套完善的诊断方法提高电路的可靠性具有十分重要的意义。     

非线性直流故障电路的规范型分段线性分析

本文应用规范型分段线性法进行了非线性直流故障电路的分析,求解了预先选为测试端口的端口电压值。该法需要的贮存量少,经有限步即可得到解答,计算效率高,并且适用于含有多端口非线性元件的电路,是一个故障诊断测试前模拟法,是分析测试前故障电路的好方法。     

模拟电路元件故障诊断的研究

本文依据对模拟电路故障元件进行诊断的双线性求值法，提出重合值法及变频法。不论故障元件是短路、开路或任意参数偏离，均可从外部若干个测量值确定其故障元件的位置及偏差值。文末给出一具体实例．     

遗传小波神经网络的非线性模拟电路故障诊断方法

提出了一种将遗传算法(GA)、神经网络与小波变换相结合对非线性模拟电路进行故障诊断的方法;分析了传统BP型神经网络在非线性模拟电路故障诊断中存在的缺陷;提出了一种新的解决方法--利用小波变换对非线性电路故障信号进行预处理,对故障信号中的冗余信息进行剔除,然后利用遗传算法优化BP网络参数,如网络权值、阈值等.利用该方法对非线性电路进行故障诊断,有利于提高神经网络对电路故障诊断的智能性及识别故障类别的能力,提高故障诊断的精度与速度.实验结果表明,该方法是可行的.     

用单纯形模拟退火混合算法反演地声参数

提出了一种基于下降的单纯形算法和模拟退火算法的混合优化算法用于反演地声参数。下降的单纯形方法对于目标函数的梯度信息相当敏感,因此在参数空间中能迅速地移向极小点,但由于它只能向下移动,因而往往易陷入局部极小且依赖初始条件。而模拟退火算法使用随机选取的目标函数值在参数空间中搜索最佳答案,其结构有利于从局部极小中跳出,但是由于它不能利用目标函数的梯度信息因而对参数空间的搜索效率很低。混合方法结合了下降的单纯形方法与快速模拟退火方法这二者的优点,能更有效、更迅速地获得全局最优点。     

小容差模拟电路的k故障诊断

本文讨论了元件容差对线性电路故障诊断的影响;得到了小容差下用来判别k故障元件集的门限值的估算式;并给出元件级k故障的诊断方法。     

基于随机森林算法的模拟电路故障诊断

为提高模拟电路参变故障的诊断率,提出基于多特征向量提取和随机森林(RF)算法的模拟电路故障诊断新方法。采用时域和频域特征向量组合的多维特征向量以反映不同故障特征,经RF算法进行决策,并对决策树棵数及候选特征向量个数进行优化。故障诊断实验结果表明,所提方法能较好地实现容差模拟电路故障诊断,与支持向量机(SVM)方法相比,表现出更好的分类性能;与小波(包)特征提取方法相比,简化了多维数据特征提取步骤,易于实现在线故障诊断。     

有源多线圈耦合网络网孔方程的直接建立算法

本文在提出了用回路描述电路元件的拓扑结构以后，给出了具有受控源和多线圈耦合的平面网络网孔方程的直接建立算法。网络方程的个数等于网络的网孔数。本文方法得到的网络方程在此类网络中比改进节点法方程数少，与一般节点法相比，方程建立的过程简单明了，只需对各元件的拓扑结构和参数进行检索即可。     

差分杂草算法优化SVM的模拟电路故障诊断

针对非线性模拟电路软故障检测和定位难题,提出一种差分杂草算法(DEIWO)优化支持向量机(SVM)的故障诊断新策略。首先利用递推最小二乘算法对电路Volterra级数时域核进行辨识提取故障特征,然后用差分杂草算法(DEIWO)优化支持向量机参数建立故障诊断模型,后对故障进行分类识别,完成故障诊断。仿真结果表明,该方法具有较高的准确率。     

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.     

模拟电路故障的最小二乘解

本文着重于线性网络的故障诊断,只用一个单位测试电流,通过量测各节点电压,来确诊元件故障。本文首先推导出扰动方程组,然后对这个线性方程组用最小二乘法来加以求解,讨论了环路相关性问题,指出在单元件故障时,用解的平方误差作为目标函数,已经能够确诊,在双元件故障时,还必须用回代法作为补充。本文最后以桥T型网络为例,来说明上述公式的应用。     

故障函数法及其应用

本文提出了一种新的对数字系统进行诊断的方法——故障函数法。它用图论分析图的结构,使故障检测、“单故障”诊断和多故障诊断以及组合逻辑和时序逻辑处理得以统一,并给出了最小测试集的形成规则。该方法消除了几种常用诊断方法的单故障假设,也无需故障模拟。