模糊神经网络在模拟电路故障诊断中的应用

近代电路理论发展至今,科学家们获得了许多意想不到的成就,其中在近代电路理论中占重要地位的利用模糊神经理论对模拟电路故障诊断就是科学百花园中一朵灿烂的奇葩。大规模模拟电路在今天的应用已经极其广泛,但是由于其自身线路的原因,带有非线性、容差性、复杂性等不利因素,之前针对普通线路的一般修复诊断方法已经无法满足当前电路发展和工程建设的需要。近年来,模糊神经网络这一个新方法悄然出现,给模拟电路诊断注入了新的生命力,不仅开辟了新的诊断方式,更对电路故障诊断具有重大意义。     

基于神经网络的模拟电路故障诊断研究

针对模拟电路,提出一种基于神经网络的故障诊断方法.通过故障字典的建立,选择电路的最佳测试节点,电路故障响应进行预处理后得到故障特征向量,再输入到神经网络实现电路故障诊断.仿真结果表明:该方法有效地解决了模拟电路辨识难的问题,具有更好的故障分辨率,取得了满意的诊断效果.     

基于神经网络的模拟电路故障诊断优化近似方法

本文提出了线性电阻电路故障诊断的一种神经网络优化方法。其基本思想是应用Ｈｏｐｆｉｅｌｄ网络原理来处理Ｌ１范数问题，以此来进行诊断。对实例的计算证明此法是可行的。     

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BP神经网络的模拟电路故障诊断

模拟电路的可靠性决定了电子设备的可靠性.针对目前BP网络在模拟电路故障诊断中存在的容差和非线性等问题,提出多频组合法,对电路中的软故障进行诊断.通过在电路输入端施加3 V的正弦激励,选取不同的测试频率,对测试点进行测试,得到各待测元件的故障值.该系统解决了模拟电路中的容差问题,提高了诊断率,并在仿真中得以证明.     

基于神经网络信息融合技术的模拟电路故障诊断

研究了神经网络信息融合技术在模拟电路故障诊断中的应用。利用BP神经网络建立信息融合中心,对多传感器数据进行融合处理,减少模拟电路故障诊断的不确定性。对标准电路的输出电压与电源电流特征信息,及两者融合信息的故障诊断性能比较,表明神经网络信息融合方法用于模拟电路故障诊断是有效和可行的。     

基于模糊神经网络的板级电路故障诊断研究

板级电路故障诊断过程复杂，故障征兆和故障原因之间存在着许多不确定因素，建立精确的故障诊断系统存在着许多困难，针对这种情况，本文提出了基于模糊神经网络，利用模糊逻辑和神经网络相结合建立故障诊断系统的方法，并以某电路板为研究对象对该方法作了验证。     

基于神经网络方法的模拟电路故障诊断研究

小波变换是一种时频分析方法,具有多分辨率特性,被誉为数学显微镜;而BP神经网络具有较好的泛化能力,很适合判断电路状态属于哪种故障类型的分类问题。将二者结合起来,采用基于小波神经网络的模拟电路故障诊断方法,应用小波变换对模拟电路幅频响应的采样信号进行故障特征提取,然后利用BP神经网络对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。通过对电路进行仿真,证明该方法能够实现故障检测及定位,具有准确率高的特点。     

基于小波神经网络和相位差的模拟电路故障诊断

根据模拟电路中存在噪声的问题,提出利用相位差来进行故障诊断。通过正常模式和故障模式下相位差和幅值差的特征提取,建立故障字典。然后利用小波神经网络对故障电路建模,基于该网络学习收敛快,对网络输入不太敏感的特点,实现故障诊断。通过实例证明,该方法不但诊断准确,而且很切合实际模拟电路。     

基于一维卷积神经网络的模拟电路故障诊断

模拟电路是工业电子设备的重要组成部分,一旦发生故障可能造成严重的财产损失和人员伤亡。传统的模拟电路故障诊断方法主要依赖于复杂的信号处理技术和专家经验,只适用于特定场景。本文提出一种基于一维卷积神经网络的故障诊断方法,可以直接从原始时间序列信号中提取故障特征,不依赖于信号处理技术和专家经验。为了减少模型参数,避免出现过拟合,采用全局平均池化层取代传统卷积神经网络的全连接层。实验结果表明,相比传统方法,本文提出的方法能够有效提取深度故障特征,具有更高的诊断准确率和更稳定的分类性能。     

模拟电路故障诊断的小波神经网络方法

利用小波和改进型BP神经网络相结合的方法,进行模拟电路故障诊断;通过分析被测电路的冲激响应,来识别电路中的故障元件;用小波对冲激响应信号进行多尺度分解,进行归一化后,提取特征信息作为神经网络的输入而进行分类。该方法减少了神经网络的输入、简化了其结构、并缩短了训练和处理时间。实验仿真结果表明:该方法能准确实现故障定位且准确率高。     

基于PCA和PNN的模拟电路故障诊断

为了解决模拟电路故障识别困难的问题,提出一种基于主成分分析和概率神经网络的模拟电路故障诊断方法。该方法对采集到的模拟电路故障信息进行特征提取,将提取的故障特征归一化处理后输入概率神经网络,进行训练和故障模式的分类识别。实验结果表明,该方法是有效的,具有较高的故障诊断率。     

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。     

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.     

线性模拟电路的双故障诊断及人工神经网络的实现

本文提出了一种进行线性模拟电路双故障定位的原理及以此为基础的人工神经网络实现方法。文中论述了双故障元件参数在零到无穷大间变化时，测量值在增量空间所具有的一般特性。当可测端对各元件的转移阻抗或各元件单故障空间特性已知时．则根据两次独立测试结果，即可对双重故障定位。这一方法减小了传统K故障法所需的在线计算量，算例表明此法有好的诊断效果。     

模拟电路故障诊断的神经网络优化方法综述

对故障诊断和模拟电路的特点做了简要介绍,分析了故障诊断的现状和相关研究方法。针对目前用于模拟电路故障诊断的神经网络,阐述了优化神经网络的方法--小波变换、遗传算法、模糊理论、粒子群算法和聚类算法等,并对未来的发展方向进行了展望。     

一种基于小波-神经网络的模拟电路故障诊断方法

小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点。结合两者的特点,提出了一种基于小波与神经网络的模拟电路故障诊断方法,该方法用小波变换对电路响应信号进行特征提取,从而简化神经网络的结构,降低计算的复杂度,加快了训练速度。对实例仿真表明,该法能有效地对模拟电路进行故障诊断。     

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。