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.     

基于人工免疫的PCB电路信息融合故障诊断

印制电路板(PCB)非介入式故障诊断方法,因获取信息有限,存在故障覆盖率低、定位不准等问题。多源信息融合能综合各类信息以提高电路诊断效果。文章提出采用人工免疫网络(AIS)作为信息融合技术的融合算法,实现PCB电路非介入式故障诊断。该方法以电路支路电流信息和节点电压信息为信息源,运用人工免疫系统实现基于特征层信息融合的印制电路板非介入式故障诊断。某实装电流转电压电路故障诊断仿真实验表明:基于多源信息融合的非介入式故障诊断可提高电路故障的覆盖率和定位的准确性。     

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。     

光电雷达电子部件的量子神经网络故障诊断算法

针对电路故障诊断时,故障模式之间存在交叉数据的模式识别问题,将多层激励函数的量子神经网络引入多传感器信息融合之中,提出一种基于量子神经网络的多传感器信息融合集成电路故障诊断算法.并将其应用到光电雷达电子设备故障诊断中,通过测试电子电路中被诊断元件的工作温度和工作电压两个物理量,求出两传感器对各待诊断元件的故障隶属度,利用多层激励函数的量子神经网络进行信息融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,提高故障诊断的准确率.     

D-S证据理论数据融合算法在某系统故障诊断中的应用

介绍了Dempster-Shafer(D-S)证据理论数据融合算法的基本原理,在此基础上以电压-码转换电路板为被诊断对象,探索了基于D-S证据理论多传感器数据融合算法的某系统电路故障元器件诊断方法.诊断结果表明D-S证据理论多传感器信息融合算法可有效地提高故障模式的识别能力,使故障元器件得以有效定位.     

模拟电路的融合智能故障诊断

随着我国电力系统建设不断完善,各项技术不断革新,电力系统的故障处理方法也越来越多。本文采用神经网络、遗传算法以及模糊理论等完成电路的融合智能诊断,为确保电力系统的安全运行提供保障。本文主要采用模糊积分融合法来对模拟电路进行融合故障诊断,并且在本文之中采用BP网络算法来对故障进行诊断,希望通过对模拟电路的诊断方法进行研究为模拟电路的故障诊断提供借鉴和参考。     

证据理论的免疫检测器在并发故障中的应用

针对机械设备尤其是大型旋转设备的并发故障诊断的复杂性,提出基于人工免疫系统和证据理论相结合的旋转机组并发故障诊断系统.首先利用免疫系统自己-非己识别机理衍生的阴性选择算法进行数据的分析处理,得到时域信号中5个无量纲指标的诊断能力因子,把每个指标对故障的诊断能力因子作为概率分配函数值,再结合证据理论的信息融合规则,得到最终的诊断结果.仿真结果表明,通过合理的概率分配,得到的融合结果更加鲜明和准确地表征了诊断类型,而且该方法对故障诊断是有效的.     

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.     

模拟电路故障诊断的PSpice与Matlab仿真分析研究

根据模拟电路故障诊断中的测前模拟诊断SBT法,本文采用PSpice对待测电路CUT故障进行模拟仿真,通过小波包分析和信息熵方法提取故障电路输出信号的特征向量,利用Matlab设计的神经网络算法构建故障分类器并对电路故障进行识别与诊断。仿真实验结果表明将PSpice与Matlab相结合的诊断方法能够有效地诊断模拟电路故障,为模拟电路故障诊断的教学和科研提供参考。     

基于D-S证据理论的数据融合算法及其在电路故障诊断中的应用

本文在D-S证据理论的基础上,结合模糊集合论,给出了电子电路故障定位的多传感器数据融合方法.通过测试电路中的被诊断元件的工作温度和工作电压两个物理量,得出D-S证据理论中两传感器对各待诊断元件的信度函数分配,再利用D-S联合规则得到融合后的信度函数分配,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性.     

电气设备故障诊断中的信息融合技术研究

介绍了信息融合的基本特点、融合系统的构成及关键技术；分析了融合技术处理多源信息的能力，将数据融合技术与故障诊断原理融为一体，实现了基于数据融合技术的变压器故障诊断，提高了变压器故障诊断的确诊率。     

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。     

多属性融合的电力设备红外热特征数字化方法

本文针对电力设备红外图像诊断中热故障特征提取和数字化表达难题,提出一种多属性融合的电力设备红外热特征数字化方法。通过对电力设备热故障特性和相关诊断文件研究分析,在对图像预处理的基础上,提取图像中关键发热区域的热点温度、热点温差、发热面积、位置信息以及热点群聚现象等热属性值,构建多属性信息融合的过热性故障特征值向量,实现热故障特征数字化描述。以断路器为例对该方法进行了验证分析,结果表明,该方法对典型红外故障图谱具有良好的描述能力,可用于后续大量复杂故障样本情况下的设备热故障智能分类与诊断应用中。     

基于人工智能算法的印刷电路板测试与诊断系统研究

针对传统故障字典进行印刷电路板故障诊断中存在的故障数据量大,分析困难,及故障诊断较多依赖人工参与的特点,将小波分析、信息融合、数据挖掘和神经网络等人工智能技术引入印刷电路板故障诊断领域,研究这四种新技术在该领域的应用方案,设计并实现一种将上述四种技术集成到一起的印刷电路板人工智能故障诊断系统。该系统能利用小波分析技术有效地自动提取故障数据集的关键特征,利用数据挖掘和神经网络等技术准确识别注入的全部故障。实际电路板测试实验表明系统识别的有效性。