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.     

基于SOFM网络和异质信息融合的模拟电路诊断

大规模集成电路的发展使得传统的接触法测试在某些场合受到了限制．针对其造成的电量测试信息不足的问题,文中融合电量信息和非电量信息作为故障特征信息,应用自组织特征映射（SOFM）神经网络对模拟电路进行故障诊断．提取电路工作时的电压和温度信息作为故障特征信息,经预处理后作为样本输入给SOFM神经网络进行电路故障诊断．通过输出层各神经元的竞争,得到获胜神经元,从而对样本数据进行故障识别分类．仿真结果表明,应用所提融合诊断方法提高了诊断准确率．     

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.     

PNN神经网络在甚高频通信收发机故障诊断中的应用

为提高甚高频通信收发机通信失真故障诊断的效率和准确性,提出了一种利用PNN神经网络进故障诊断的方法.利用甚高频通信收发机输出信号中的9个参数作为故障特征输入向量,5类故障模式作为输出向量,建立PNN神经网络故障诊断模型.仿真实例表明,该诊断方法可行、有效,可大大提高诊断效率和准确性.     

小波神经网络对风力发电机组功率变流器的故障诊断

研究了永磁同步风力发电机组网侧功率变流器开关器件的开路故障问题,提出一种新的开路故障诊断方法,以实现对单个或两个开关器件同时开路的多种故障进行诊断。首先采集不同故障下网侧功率变流器的电压信号作为原始信号,利用小波变换对此信号进行分解和重构,再对小波变换后得到的数据进行特征分析和判定,将特征分析和判定后的数据作为BP神经网络的输入进行决策分类。仿真结果表明,该方法能够区分网侧功率变流器多开路故障,且诊断准确率高。     

残差膨胀卷积结构下的多模态特征调制方式识别

自动调制方式识别技术在通信领域有着不可或缺的作用,针对传统的卷积神经网络在信号分类问题中特征提取能力不足的问题,本文研究了一种利用多维度特征的端到端双流膨胀卷积神经网络来对调制信号进行分类的方法。该方法不仅利用原始采样信号,还利用输入信号的瞬时幅度和相位信息;原始IQ(In-phase and Quadrature, IQ)数据输入进神经网络后,网络首先通过内置的数据预处理模块对输入的IQ信号进行预处理,提取原始信号的幅度和相位信息,再将原始IQ信号和幅度相位两种特征信息分别通过两个并行的卷积神经网络结构分别进行特征提取;本文所设计的双流卷积神经网络模型中的膨胀残差网络分支利用卷积核的膨胀卷积特性,将膨胀卷积与残差网络结构相结合,在网络参数不变的情况下使得卷积核具有更大的感受野,同时也能够更好地结合上下文信息,另一个网络分支是将卷积神经网络与长短期记忆神经网络相串联,然后将两个并行卷积神经网络的输出特征向量进行矩阵相乘达到两种特征信息融合的目的。整个识别过程是基于端到端的,数据预处理模块内嵌到神经网络内部,由神经网络完成对数据的预处理,只需将原始的IQ数据直接送入神经网络即可;仿真实验...     

一种基于聚类的GRBF网络机械缺陷识别方法

针对煤矿机械缺陷超声信号的非平稳特性,利用小波包和基于聚类的广义RBF神经网络进行缺陷的智能识别.重点研究了利用小波包方法提取反映不同缺陷性质的特征值和GRBF神经网络分类方法.并以机械焊接缺陷为研究对象,进行了实验研究.结果表明该方法与其他方法相比,具有较高的缺陷分类准确率.     

基于三方生成对抗网络的隐蔽通信方法

针对隐蔽通信中隐蔽信息的传输隐蔽性与解调准确性联合优化问题,设计了一种新型三方生成对抗网络（TripartiteGAN）,提出了基于该神经网络的隐蔽通信方法,并给出理论性能分析。TripartiteGAN隐蔽通信方法从幅度和相位等维度对经传统数字调制后的隐蔽信号进行优化,使最终生成的隐蔽信号与公开的合法信号叠加发送后,其信号分布逼近仅存在合法信号时的分布。该方法可以应对利用神经网络进行信号监测的侦听方,此侦听方不需要发送方功率特征先验信息,不需要人为确定检测阈值。仿真实验结果表明,在加性白高斯噪声信道下,所提TripartiteGAN隐蔽通信方法在保证隐蔽信息接收方解调准确率的同时,可使侦听方判决当前信号是隐蔽信号或合法信号的概率均逼近0.5。该方法的解调准确率和隐蔽性均优于现有基于生成对抗网络的隐蔽通信方法。     

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。     

基于三维特征的雷达信号脉内调制识别

针对低信噪比条件下雷达信号识别算法对噪声敏感的问题,提出了一种基于三维特征的雷达信号脉内调制识别算法。该方法通过提取信号的差分近似熵、调和平均分形盒维数和信息维数特征组成三维特征向量,使用遗传算法优化的BP神经网络分类器实现雷达信号的分类识别。仿真结果表明,所提取的三维特征在信噪比为-4~10 dB变化范围内具有较好的类内聚集度和类间分离度,可以实现对不同雷达信号进行识别,证实了该方法的有效性。