一种容差模拟电路的分级故障诊断方法

提出了一种基于分级故障字典的容差模拟电路故障诊断方法;在测前首先对待诊断电路进行最坏情况分析得到容差电路输出电压的正常区间,并存为第一级故障字典用于电路故障检测;再利用节点电压灵敏度序列作为故障特征建立用于定位故障元件的第二级故障字典;最后通过测前划分元件参数的七段式仿真建立用于故障元件参数区间识别的第三级故障字典;在测后实施故障诊断时可根据需要依次查阅字典,检测电路故障,定位故障元件及识别故障元件的参数区间;该方法能够提高测后故障诊断的效率,在实际应用中具有一定的参考价值;最后通过仿真实验验证了该方法的有效性。     

容差条件下PSO算法诊断模拟电路单软故障方法

为了定量地诊断模拟电路中的单个软故障,提出一种容差条件下基于微粒群优化理论的诊断方法.首先通过灵敏度分析建立电路测试节点电压增量方程,以及模拟电路故障诊断的约束线性规划方程组;然后引入罚甬数,把微粒群算法应用到方程的求解中;最后估计出电路各元件参数的最小变化量,并与各元件容差范围相比较来定位故障元件.仿真实验结果表明.该方法兼顾故障元件的定位和故障元件参数变化量的估计,可以有效地实现模拟电路在容差条件下的软故障定量诊断.     

SS诊断策略在非线性电路中的应用研究

研究模拟电路故障诊断问题,非线性一直是制约模拟电路故障诊断技术发展的关键问题之一.传统故障诊断中,灵敏度序列(Sensitivity Sequence,SS)诊断策略集中在线性电路的故障诊断,但是对于非线性电路的故障诊断,仍缺乏相关研究.为此对非线性电路中应用SS诊断策略进行了研究,从分析非线性元件参数特性出发,引入分段线性迭代的方法构建元件的线性模型,采用戴维宁和诺顿定理进行模型的等效替换;分段进行测前仿真,构造故障字典.理论推导以及试验结果证明,采用分段线性迭代方法构建非线性元件的分析模型,避免了在诊断过程中求解繁复的非线性代数方程或非线性微分方程,为在非线性电路应用SS诊断策略提供了有效的分析模型;借助工作域以及对带有容差的一般情况的分析和研究,进一步完善了非线性电路中SS诊断策略的应用;所提的方法,能够快速准确地提取非线性电路故障的灵敏度特征,提高故障识别和隔离的效率.     

一种模拟滤波器电路的故障诊断方法

针对模拟滤波器电路,提出了一种基于测前仿真和测后仿真相结合的故障诊断方法;在测前仿真环节,通过仿真获取电路正常状态及故障状态的幅频响应曲线,引入“区别度”计算电路故障状态和正常状态的区分程度,从而确定电路的可测故障集,并通过频率选择建立可测故障集的故障字典;在测后仿真环节,通过不同频率的激励获得电路故障状态的测试数据,再利用“区别度”计算测试数据与故障字典中各故障特征的区分程度,通过最小“区别度”实现故障检测及故障元件的定位;最后通过一个滤波器电路仿真实例,基于PSpice仿真和Matlab程序计算实现了基于测前仿真的可测故障集确定和故障字典建立,以及基于测后仿真的故障检测和故障元件定位,验证了文章提出方法的实用性。     

基于节点导纳矩阵的模拟电路故障诊断

针对模拟电路故障诊断中的容差问题,提出了基于节点导纳矩阵(NAM)的模拟电路故障诊断方法;该方法以NAM为基础,提取被测电路(CUT)的故障特征向量;测试前,用仿真的方法生成被测电路中某一故障对应的故障样本子集,所有类别的故障样本子集构成故障样本集;测试时,测量被测电路的故障特征向量,并根据其与故障样本集中样本的相似性来判断电路发生的故障类型;由于电路的NAM对元件容差不敏感,所以可以很好地克服模拟电路故障诊断中的容差问题;实验结果证明了该方法的有效性。     

大规模直流模拟电路软故障区间诊断方法

为了解决大规模模拟电路软故障诊断困难的问题,提出一种网络撕裂法、区间故障状态描述和模糊神经网络相结合的直流模拟电路软故障诊断方法.首先仿真出可能的故障元件单独在其全局取值范围内变化时对应的子网络中所有可测节点的电压区间值,再根据元件参数容差将电压区间值拆分成多个子区间,从而实现了元件故障状态的完整描述;考虑到神经网络难以处理区间数据的问题,先利用模糊算法对输入信号进行预处理,再采用神经网络来实现故障元件定位.最后通过电路诊断实例,验证了该方法的有效性.     

非线性模拟电路的故障诊断方法

为了诊断非线性模拟电路中的故障,提出了一种基于节点电压增量线性相关性原理的诊断方法.通过对非线性元件的分段线性建模,说明故障造成的节点电压增量满足分段线性相关性.以节点电压平面上的折线作为故障特征构造故障字典,以实测工作点到故障特征折线的距离来衡量电路状态与故障特征的符合程度,可以诊断非线性电路中元件参数的软故障和硬故障.实例验证表明,该方法是一种易于计算机实现的实用化方法.     

基于斜率故障模型的模拟电路软故障字典法

提出了一种新的模拟电路故障字典法。与传统方法不同,该方法利用两个节点电压之间的关系函数作为故障特征。对于线性模拟电路,节点电压关系函数为一次函数,函数的斜率可以作为故障模型,同时可以诊断硬故障和参数(软)故障。由于模拟电路存在容差,最小直线距离法可以用于处理电路中的容差问题。     

模块化神经网络容差模拟电路故障检测

容差模拟电路故障检测对于电子设备的稳定运行而言至关重要,针对传统检测算法计算代价大、训练时间长及检测误差率高的不足,提出基于模块化神经网络的容差模拟电路故障检测算法研究。对神经网络检测模型的功能模块进行划分,并基于功能模块提取容差模拟电路的故障信号特征;基于样本中心到故障特征点的欧式距离,对比故障样本的特征向量,依据模块化神经网络决策分类函数,实现对容差模拟电路故障的准确定位和检测。仿真数据表明,在不同样本容量条件下提出检测算法均具有优势,最低误差值为0.382%.     

基于相关分析的非线性模拟电路参数型故障诊断方法

针对非线性模拟电路故障诊断中参数型故障元件定位的难题,基于Volterra频域核的频谱比较,提出了利用小波滤波器组结合相关分析定位故障元件的方法．首先选择特定的激励信号测定Volterra频域核的非参数频谱;然后用小波滤波器组对得到的正常电路和故障电路的频谱序列进行子带分解;通过计算子带响应序列的相干函数,对正常电路和故障电路进行相关分析,实现参数型故障元件的特征提取．对比实验结果表明,该方法能有效提取故障特征,提高了故障诊断效果．     

配电网故障区段定位及测距方法

针对配电网发生单相接地故障后采用人工巡线定位故障困难的问题,提出了一种基于分布参数模型的配电网故障区段定位及测距方法。该方法通过对线路上馈线终端装置上传的故障信息及数据进行分析计算,选择故障区段,然后在线计算该区段线路分布参数,从而得出故障距离。仿真结果表明,该方法受过渡电阻和故障位置等因素影响小,能有效实现故障选线和区段定位,测距误差在1%以内。     

基于融合特权信息支持向量机的模拟电路故障诊断新方法

针对模拟电路故障诊断复杂多样难于辨识的问题,提出了基于融合特权信息支持向量机的模拟电路故障诊断新方法。首先对采集的信号进行主成分分析(PCA)——特征提取;然后将训练集输入融合特权信息支持向量机进行训练获得故障诊断模型;最后将测试集输入训练好的支持向量机分类模型,实现对不同故障类型的识别。Sallen-Key滤波电路故障诊断仿真实验结果表明,该方法有效提高了分类的性能,不仅能够正确分类单故障而且能够有效分类多故障,其中单硬故障情况下平均故障诊断率达到了99%以上,为模拟电路故障诊断提供了新的途径。     

基于HMM-LSSVM组合模型的模拟电路故障诊断

为了提高模拟电路故障诊断正确率,针对单一模型难以获得高正确率检测结果的难题,基于组合优化理论,提出一种隐马尔科夫和最小二乘支持向量机的模拟电路故障诊断模型。提取电路故障特征,然后利用隐马尔科夫模型和最小二乘支持向量机建立模拟电路故障组合诊断模型,最后采用仿真实验对组合模型的性能进行分析。结果表明,相对于其他模拟电路故障诊断模型,该模型不仅提高了模拟电路故障检测正确率,而且具有更快的故障诊断速度。     

TPS自动生成平台上的模糊故障字典法

目前数字系统的故障诊断和测试性设计技术已经比较成熟,而模拟系统的故障诊断,尽管起步较早,但进展缓慢。这主要由于参数值的连续变化、反馈和非线性等原因,使得模拟系统的故障诊断相对比较复杂。目前已经提出了多种诊断方法,故障字典法即为其中的一种,它通常用于直流电路硬故障的诊断。由于故障因素和容差因素互相交迭,具有一定的模糊性,这给故障字典的应用带来一定的困难。提出了一种基于模糊故障字典的模拟电路故障诊断方法,用模糊故障字典取代传统的故障字典,适用于模拟电路单故障的故障诊断及故障隔离,便于计算机辅助诊断。     

模拟电路故障诊断新方法

提出了一种新颖的基于多小波神经网络的模拟电路故障诊断方法。介绍了多小波的原理,分析了多小波神经网络的结构、逼近性质及多小波神经网络的算法,提出了用多小波来处理故障信号,提取故障特征向量输入给神经网络,从而进行模拟电路故障诊断。由于多小波函数具有连续、对称性及支撑集短等一系列优点,所以用多小波神经网络来进行模拟电路故障诊断比一般的小波神经网络具有诊断精度高、诊断速度快的优点。给出了仿真诊断实例,验证了该方法的有效性。     

联合选择特征和分类器参数模型的模拟电路故障诊断

为了提高模拟电路故障诊断准确率,提出一种联合选择特征选和分类器参数模型的模拟电路故障诊断方法（Feature-Classifier）。将模拟电路故障特征子集和分类器参数编码成为粒子,然后粒子根据目标函数通过信息交流和互相协作找到最优特征子集和分类器参数,并根据最优特征子集对样本进行约简;分类器根据最优参数对约简后样本进行训练建立模拟电路故障诊断模型,并通过仿真实例对性能进行测试。结果表明,相对于其他模拟电路故障诊断方法,Feature-Classifier能够较快找到最优特征子集与分类器参数,不仅提高了模拟电路故障诊断准确率,并加快了故障诊断速度。     

模糊免疫算法及其在模拟电路故障诊断中的应用

对模糊免疫算法应用于模拟电路故障诊断进行了研究;首先简要介绍了免疫系统的工作机理及一些基本概念,然后在此基础上构建出一种模糊免疫算法,并将免疫算法和模糊聚类法结合起来进行故障诊断;人工免疫算法起到学习样本的作用,以寻找到各样本组的聚类中心;而模糊聚类算法则准确地完成对样本的分类任务;仿真实例表明:立足于模拟电路故障诊断字典法,该算法对模拟电路故障诊断非常有效。