基于圆故障模型的模拟电路故障诊断方法

针对模拟电路故障诊断中故障字典法的电路故障响应状态的不可数性,提出了一种新的复平面空间圆故障模型诊断方法。该方法利用电路响应与元件的位置及电路拓扑结构之间的关系,在复平面空间上建立圆函数作为故障特征。故障诊断时,利用测试值到圆中心之间距离与圆半径相等的原理来精确定位故障。实验证明圆故障模型既能解决故障响应不可数问题又能简化故障字典,降低仿真和测试代价。同时,该方法不但能诊断软故障和硬故障,而且也能很好地解决容差问题。     

基于小波神经网络的容差模拟电路故障诊断方法

以模拟电路的故障诊断为例,利用小波分析,将电路故障信号进行层次分解,获得不同频段的信号成分,取其能反映故障信号特征的成分作为电路故障特征,再输入给神经网络,大大减少了神经网络的输入数目、简化了神经网络的结构、减少了它的训练时间,并提高了辨识故障类别的能力.     

一种基于聚类神经网络的模拟电路故障诊断方法

提出了线性互易电路单一元件软故障的统一特征概念．根据统一特征可将软故障字典建立于本文提出的聚类神经网络之中．这一有限规模的字典，能够诊断每一元件所有的软故障，测前工作量小、诊断过程简单．在一定的条件下，此方法对弱非线性电路小范围软故障也适用．     

遗传算法优化的SVM模拟电路故障诊断方法

提出了一种利用遗传算法优化的SVM多分类决策树(GADT-SVM)实现模拟电路故障诊断的新方法。介绍了GADT-SVM的设计思想和算法原理;利用传递函数对模拟电路进行建模,并用小波分解提取电路冲激响应的能量分布作为故障特征;使用GADT-SVM对故障特征样本进行分类实现故障诊断。仿真结果表明,与未经优化的DAG-SVM和DT-SVM故障诊断方法相比,该方法可以减小诊断“误差积累”的影响,具有更好的误差控制能力。     

一种基于量子神经网络的模拟电路故障诊断方法

针对模拟电路中部分故障类别发生重叠的特点, 提出了一种基于量子神经网络算法的模拟电路故障诊断方法。在被测电路输出端采集时域响应信号, 计算其峭度和熵, 作为特征量, 并应用量子神经网络算法对模拟电路的各个不同的故障类别进行辨别。实验结果表明, 构建的神经网络具有简单的网络结构, 且故障诊断正确率较 高, 达到9 9. 6 2%。     

灵敏度分析和SVM诊断模拟电路故障的方法

针对低可测性模拟电路中存在的模糊组问题,提出了一种模拟电路故障诊断的新方法。该方法首先计算被测电路网络传递函数零极点的灵敏度,利用零极点灵敏度提供的信息来对被测电路进行模糊组的划分,组成可诊断的元件集,并引入了支持向量机完成对故障的分类识别。零极点的灵敏度分析确定了被测电路可诊断的元件组,支持向量机结构简单、泛化能力强,实验结果证明了基于灵敏度分析和支持向量模拟电路故障诊断方法的有效性,故障诊断率大于99%。     

种模拟电路参数型故障诊断新方法

模拟电路参数型故障诊断一直是电路与系统无法回避的难题。该文基于被测电路主输出电压信号的时间序列值,建立了一种基于本征值和相位差的模拟电路参数型故障诊断模型。该模型利用故障电路的电压输出时间序列值获取电路的故障相位偏移信息,同时,该模型把电压时间序列变换成一个方阵,并求取该方阵的最大本征值。将故障相位偏移信息和故障最大本征值与通过前期仿真获得的每种器件相对应的无故障最大相位偏移和无故障最大本征值的变化趋势进行比较,实现故障定位和参数辨识。实测实验结果表明:该方法具有定位准确、计算效率高,所需测试点少、参数辨识精度高,易于工程实施等优点。     

基于峭度和负熵的模拟电路故障诊断方法研究

首先对模拟电路故障诊断中信号的非高斯性进行了分析,然后对信号非高斯性的两个度量值峭度和负熵的计算方法进行了详细研究,最后提出了基于峭度和负熵的模拟电路故障诊断方法,并将该方法应用到实际电路。仿真结果表明该方法不但能缩短神经网络的训练时间,简化网络结构,提高故障诊断率,而且适用于实时的模拟电路故障诊断。     

模拟电路单故障与多故障诊断的提升小波和RBF方法

为了更高效、更准确地诊断模拟电路的单故障和多故障,提出了提升小波和RBF神经网络相结合的方法。该方法用提升小波系数表征故障电路的特征,训练RBF神经网络,将训练好的神经网络作为分类器,对故障电路进行诊断。通过对比,提出的提升小波方法诊断效果明显优于传统小波,准确率达到99.2%,用时更长。结果表明,基于提升小波和RBF神经网络的模拟电路单故障与多故障诊断方法可以有效地提取故障电路的特征并准确快速地对故障进行分类。     

基于粒子群-小波神经网络的模拟电路故障诊断

针对传统小波神经网络技术在模拟电路故障应用中存在的问题,提出了一种基于粒子群-小波神经网络的模拟电路故障诊断方法.利用该方法对滤波电路进行了故障检测,结果表明,该方法优于传统的小波神经网络方法.     

Fault Diagnosis of Analog Circuit Based on PSO and BP Neural Network

In order to improve the speed and accuracy of analog circuit fault diagnosis,using Back Propagation Neural Network(BPNN),a new method is proposed based on Particle Swarm Optimization(PSO)to adjust weights of BP neural network.The model can not only overcome the limitations of the slow convergence and the local extreme values by basic BP algorithm,but also improve the learning ability and generalization ability with a higher precision.The response signals of analog circuit is preprocessed by Wavelet Packet Transform(WPT)as the fault feature.The simulation result shows that the proposed method has higher diagnostic accuracy and faster convergence speed,which is effective for fault location.     

高压断路器故障诊断的探索

高压断路器是电力系统中除发电机和变压器以外最重要的电气设备,其运行状态直接影响着整个系统的稳定性和可靠性,通过小波分析法和分合闸电流波形检测法对高压断路器的故障诊断进行了探索．     

一种改进的模拟电路k故障诊断算法

利用元件容差的两个基本特性，给出了一种从总体上估计容差的改进ｋ故障诊断算法，实验结果表明本文算法可以准确地定位故障，且受容差的影响较小。     

模拟电路故障的支持向量机集成诊断新方法

为了解决支持向量机应用于多类别模拟故障诊断时泛化性能较低导致诊断精度难以提高的问题,提出了一种基于支持向量机集成的模拟电路故障诊断新方法.首先,通过将本次迭代中不可分区域的样本加入训练集来构造下一次迭代的训练集,以提高基分类器间的差异性;然后选择分类精度不低于平均分类精度的基分类器进行集成,以提高整体诊断精度.实验表明,该方法应用于线性及非线性模拟电路均取得了良好的诊断效果.     

基于网络树的模拟电路故障诊断

根据电网络理论中树的特性,提出了一种的子网络级的模拟电路故障诊断方法,给出了在大规模电网络中,网络树状态的两个判据及根据网络树状态判据的故障诊断算法。本方法避免了进行 Ｋ Ｃ Ｌ方程校验所带来的复杂计算,且大部分计算可于测试前进行,实时性强,便于在线实现。算法同时适用于线性电路和非线性电路。