基于深度学习的模拟电路故障诊断方法

针对模拟电路的故障诊断问题，提出了一种基于深度学习的故障诊断方法。首先测量模拟电路各个故障类别的脉冲响应数据，随后应用深度学习中深度信念网络方法进行特征提取，最后将提取的特征用于建立基于极端学习机的故障诊断模型。从而对模拟电路的各个故障类别进行区分，通过四运放双二阶高通滤波器电路的故障诊断实验对提出的故障诊断方 法进行了验证，通过对比实验表明，提出的基于深度信念网络的故障特征提取方法明显优于传统的基于小波分析的故障特征提取方法，有助于提高模拟电路故障诊断正确率。     

模拟电路故障诊断理论和方法发展现状综述

文中对模拟电路故障诊断的研究意义及其历史作一简明回顾，扼要综述了模拟电路故障诊断理论和方法的发展现状，指出问题所在，并给出了解决的办法。     

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。     

粒子群算法优化特征和神经网络的模拟电路故障诊断

模拟电路受到自身特性和外界环境的影响,故障变化具有非线性、时变性,针对当前模拟电路故障诊断模型的特征和分类器参数不匹配的难题,提出一种粒子群算法选择特征和神经网络的模拟电路故障诊断模型。首先对当前模拟电路故障诊断现状进行分析,指出它们存在的缺陷;然后提取模拟电路故障诊断特征,利用神经网络作为模拟电路故障诊断分类器;最后采用粒子群算法对模拟电路故障特征与神经网络参数进行优化,在Matlab 2012平台进行了仿真实验。结果表明,该模型的模拟电路故障诊断性能要远远优于其他参比模型,具有广泛的应用前景。     

模拟电路软故障诊断的研究

分析了模拟电路软故障诊断的重要性及现有的各种软故障诊断方法。对模拟电路软故障诊断字典法中基于支路屏蔽原理、电路参数随元件参数变化轨迹、节点电压灵敏度序列守恒定理和节点电压增量关系方程的四个研究方向各自的基本原理和优缺点进行了探讨;介绍了基于神经网络,结合模糊理论、小波变换的现代模拟电路软故障诊断的两个方向的研究现状;同时从通用的软故障诊断方法、大规模模拟电路的诊断策略和数模混合集成电路的诊断需求三方面指出了模拟电路软故障诊断的发展趋势和亟待解决的问题。     

模拟电路故障诊断方法综述

阐述了模拟电路故障诊断的意义,分析了现阶段模拟电路故障诊断的一些常用理论和方法,总结了这些方法的基本原理、特点及发展现状。提出了在模拟电路故障诊断研究中存在的问题,指出了其发展趋势。     

BP网络改进及在电路故障诊断中的应用

本文根据ＢＰ神经网络的特点和性能以及电路故障诊断的要求，提出了一种利用ＢＰ神经网络对电路进行故障诊断的方法。该方法应用自行改进的ＢＰ抑经网络，建立了故障识别系统，并对模拟电路故障诊断进行了实例实现，计算机仿真结果良好。     

基于电路传递函数的故障诊断方法研究

本文提出的故障诊断方法主要是针对模拟电路的故障诊断,首先应用拉氏变换确定模拟电路的传递函数,其次根据已确定的正常电路传递函数,由不同故障类型计算相应的故障传递函数,生成故障诊断表。在进行故障诊断时,根据输入输出值计算当前的电路传递函数,把该函数与故障诊断表进行比对完成故障诊断。本文最后利用Multisim软件仿真了一个典型的模拟电路,并对该电路进行故障设置,计算了故障诊断表,应用软件仿真结果与理论计算的结果进行了比较,验证了该方法有效性。     

一种模数混合电路故障诊断新方法

把模拟电路故障诊断的子网络撕裂诊断法与数字电路故障诊断的伪穷举测试法相结合．提出了一种应用于模数混合电路的故障诊断方法。其诊断思想是把串联形式的混合电路，划分成模拟和数字电路两部分．并分别进行诊断。该方法计算量小、诊断定位精度高，适合于工程应用。     

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。     

模拟电路智能故障诊断系统的设计研究

模拟电子技术作为重要设备、重要技术发挥着重要的作用，其电路集成度日益增高，主要体现在一些电路内部节点存在不可及性。基于神经网络、专家系统以及模糊技术进行有机的结合，将其各自的优势融合在一起，形成优势互补，最终以寻求集成智能为核心的有效的诊断措施，使得模拟电路智能故障诊断系统设计呈现出重要性。文章就模拟电路故障诊断技术的发展现状以及模拟电路智能故障诊断系统的设计进行了深入的分析和探讨。     

基于FSSA-ELM的模拟电路故障诊断方法

在大规模电路中，模拟电路的故障率高达80%。针对模拟电路故障诊断方法准确率低、耗时长的问题，提出了一种分数阶麻雀搜索算法结合极限学习机(FSSA-ELM)的模拟电路故障诊断方法。利用核主成分分析与局部线性嵌入(KPCA-LLE)联合方式对电路故障数据进行特征提取，通过分数阶与麻雀搜索算法(SSA)相融合，对极限学习机(ELM)的权重和阈值进行寻优，将提取后的特征数据输入到FSSA-ELM模型中进行训练和测试。T型反馈网络反相比例运算电路诊断实例表明，FSSA-ELM的故障诊断用时相较于SSA-ELM缩短了8.91 s,单故障诊断准确率可达97.2%,比SSA-ELM和ELM分别提高了1.9%和2.8%;双故障诊断准确率可达95%,分别提高了0.4%和1.0%。该故障诊断方法准确率高、耗时短，具有较强的模拟电路故障检测能力。     

带通滤波电路故障的BP网络诊断方法与仿真设计

本文在传统诊断技术理论基础上,将BP神经网络方法应用到模拟电路故障诊断的故障诊断中,分析了带通滤波电路故障的BP网络及人工神经网络的故障诊断方法;利用PSPice仿真软件和MATLAB仿真软件对电路进行了故障诊断,对几种常见模拟电路的故障机理作了初步研究,给出了实验结果。     

基于结点电压增量的模拟电路多故障诊断方法研究

针对模拟电路多故障诊断中经常可能遇到的可测点不足和测试量受限的问题,提出了基于结点电压增量的模拟电路多故障诊断方法.推导了基于4个测试点电压增量的双故障诊断方程,给出了诊断流程和仿真实例.理论分析和实验结果表明,该方法可用于线性模拟电路的多故障诊断,对硬故障和软故障均有效,在可测点不足和测试量受限的条件下具有优越性,适合大规模线性模拟电路的多故障诊断和测试.     

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。     

现代模拟电路故障诊断新方法

介绍了模拟电路故障诊断技术的发展历史及现状，探讨了基于专家系统、神经网络、模糊理论、小波变换等理论的模拟电路故障诊断新理论和新方法。同时，重点介绍上述各种方法的基本原理和优缺点，分析存在的问题，最后指出了模拟电路故障诊断技术的发展趋势。     

现代模拟电路智能故障诊断方法研究与发展

对系统可靠性和经济性要求的提高使得模拟电路故障诊断的重要性日益凸显。首先在介绍了模拟电路故障原因及分类的基础上,详细分析了模拟电路故障诊断的特点。针对传统诊断方法的不足之处,介绍了基于人工智能和现代信息信号处理的现代故障诊断方法,包括专家系统诊断方法、神经网络诊断方法、模糊诊断方法和基于核的诊断方法,同时系统地分析了每种方法的基本原理、优缺点、研究进展和典型应用。最后探讨了目前模拟电路故障诊断研究存在的问题和未来的发展方向。     

一种基于神经网络的模拟电路故障诊断方法

模拟电路故障诊断一直是一项富有挑战性的研究课题。文章在简要介绍BP神经网络基本原理的基础上,以差分放大电路为例,设计并实现了基于BP算法的模拟电路故障诊断方法,建立了模拟电路故障诊断BP神经网络模型。实验表明,该模型的辨识精度高,能实现对模拟电路故障的正确诊断。     

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BP神经网络的模拟电路诊断系统研究

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,详细讨论BP神经网络在模拟电路故障诊断中的应用和故障特征提取方法.采用多频组合法建立了故障样本集.对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性.