基于正交试验法的模拟电路故障诊断新方法

基于神经网络的模拟电路故障诊断方法,存在训练样本庞大的缺点,以进行多故障诊断为目的,提出一种基于正交试验法和神经网络的模拟电路故障诊断方法,充分利用各种信息,以科学的方法对数量庞大的训练样本进行“缩水”处理。该方法能大大减少训练样本,同时保证故障覆盖率,有一定创新性。经算例证明,该方法可行有效。     

基于人工神经网络的大规模模拟电路故障诊断

大规模模拟电路故障诊断,先用定位向量初定位故障子网络,再用神经网络定位故障子网络元件级故障.诊断分测前和测后,测前先将每个子电路的各种故障情况用Multisim模拟,求得各可及节点电压并作为BP的训练样本,再对所测电压信号分别归一化处理,定义网络的故障定位向量.最后用BP网络分析故障特征,进行故障诊断.     

基于液体状态机的模拟电路故障诊断方法

针对模拟电路故障特征难以识别的问题,结合液体状态机神经网络的特点,从模拟电路故障特征样本获取和故障模式识别两方面入手,提出一种基于液体状态机的模拟电路故障诊断方法。该方法利用 Matlab 和 PSpice联合仿真,实现大量故障样本数据的自动获取,采用液体状态机进行故障模式的分类,并对两级阻容耦合放大电路的故障诊断实例进行仿真。仿真结果表明：该方法和目前应用最广泛的 BP 神经网络相比,故障识别准确率会有所下降,但训练时间远小于BP神经网络,且泛化能力强,对模拟电路故障诊断研究有一定的实际意义。     

小波神经网络在模拟电路故障诊断中的应用

模拟电路故障诊断有故障字典法、故障参数识别法、故障验证法。小波神经网络可避免MLP等神经网络结构设计的盲目性，具有逼近能力强、网络学习收敛速度快、参数的选取有理论指导、能有效避免局部最小值问题等优点。随着小波理论和神经网络理论的不断发展，小波神经网络将日益成熟应用于模拟电路故障诊断领域。     

遗传小波神经网络故障字典在模拟电路故障诊断中的应用

以神经网络、小波分析和遗传算法等为代表的智能诊断技术,是故障诊断技术发展的一个重要方向。以传统故障字典法、BP神经网络、小波分析和遗传算法等基本原理为基础,将神经网络、小波分析和遗传算法与故障字典结合,用小波分解预处理故障信号提取故障特征,用遗传算法优化BP神经网络的结构和权值,对基于遗传小波神经网络的故障字典在模拟电路故障诊断中的应用进行研究,并结合实例验证其实际使用性能。     

基于BP神经网络的导弹故障诊断专家系统设计

分析了某型导弹测试系统的故障机理,针对这种故障机理,结合故障诊断需求,设计了故障诊断专家系统,建立了BP神经网络模型,并利用训练样本对网络进行了训练,重点针对导弹模飞测试故障诊断模块进行了应用分析．解决了故障分析、判断不够精确、自学习能力不强等问题,为该型导弹测试系统的故障智能诊断提供了一种新的实现方法．     

基于神经网络专家系统的炮兵射击指挥系统故障诊断

基于神经网络专家系统的炮兵射击指挥系统故障诊断系统采用多层感知器组建专家知识库,建立激光仪子网、故障子模块,构建合成网络模块及训练样本.将各训练样本输入相应神经网络中训练,得到的权值和阈值存入数据文件.推理模块调用诊断知识库,输入各故障征兆,计算隐含层和输出层的神经元输出.解释模块由给定的法则判定输入神经元的输出是否有故障.     

基于图论模型的模拟电路故障可测性分析

利用拓扑结构建立模拟电路故障诊断图论模型,讨论了基于图论模型的模拟电路故障可测性,用香农信息熵对测点上电路故障状态的不确定性进行了定量描述,依据可测节点处提供的故障信息量大小,给出了模拟电路中部分测试节点不可及情况下确定最优故障检测点方法。通过实例验证了该方法的有效性。     

基于灵敏度分析的模拟电路故障特征优化

研究了灵敏度分析在模拟电路故障诊断中的数据压缩及特征优化中的应用，利用神经网络的非线性映射和学习推理的优点，提出了基于特征灵敏度的特征向量优化方法。通过对模拟电路的频响参数分析，比较输入特征向量的分类能力，减少输入数据冗余和降低向量维数，实现特征向量的优化。对标准电路的仿真结果表明：该方法与优化前的诊断准确率相近，能够实现模拟电路故障特征优化。     

一种导弹自动驾驶仪智能故障诊断方法研究

针对某型导弹自动驾驶仪模拟电路的特点,本文以其中一功能电路为例,介绍了基于PSPICE电路仿真、以BP神经网络为诊断手段的导弹智能故障诊断方法,对该诊断方法的诊断效果进行了简要评价.     

基于KPCA与LSSVM的惯性测量组合模拟电路故障诊断

针对惯性测量组合模拟电路因容差造成的软故障不易诊断的问题,将核主元分析与最小二乘支持向量机结合,应用于惯性测量组合模拟电路软故障的诊断．通过对电路频率响应的输出波形进行分析,选取不同频率下的电压值作为原始特征,利用核主元分析提取主要特征,然后利用最小二乘支持向量机对各种状态下的特征向量进行分类决策,实现惯性测量组合模拟电路的软故障诊断．仿真结果表明,该方法计算简单,能够准确诊断软故障,具有较高的识别率．     

基于小波神经网络的航天器故障诊断方法

针对微小航天器集群的故障诊断问题,提出一种故障诊断(fault diagnosis,FD)新方法。依据小波神经网络(wavelet neural network,WNN)理论,结合航天器集群的领队航天器故障检测与系统重构问题,构建一种故障诊断框架,采用小波神经网络与神经网络相结合,得出航天器姿态故障诊断策略及卫星姿态故障重构技术,给出了领队航天器故障重构方案,并进行了仿真实验与验证。仿真结果表明,该故障诊断方法是有效性的、故障重构是可行性的。     

基于1D-CNN 的卫星姿态控制系统故障诊断方法

为解决卫星姿态控制系统中自主故障检测和诊断的问题,提出一种改进的1D-CNN 卫星姿态控制系统故 障诊断方法。以卫星姿态控制系统的故障诊断为背景,构建航天器姿态动力学模型,将卷积神经网络(convolutional neural network,CNN)与快速卷积算法相结合,对卷积神经网络的拓扑结构进行改进,根据BP 算法,将1 维原始数 据作为输入,结合反作用飞轮作为执行机构的技术特征,给出一种基于卷积神经网络的故障检测和隔离方法。仿真 结果验证了该方法对卫星姿态控制系统实时故障检测和分类的有效性。     

神经网络技术在雷达电路故障诊断中的应用

简要介绍了雷达电路故障模式和BP神经网络的算法,针对雷达故障诊断的复杂性,提出了采用神经网络技术实现雷达的故障诊断。并以典型故障为例,设计了一个基于BP网络的故障诊断系统,通过实际仿真和应用,取得了较好的效果。     

舰炮电气故障神经网络预测技术研究

为实现舰炮的故障预测和健康管理,针对舰炮电气系统的运行机理,利用电路仿真软件提取了该系统的故障知识,建立了故障诊断专家系统知识库,并运用BP神经网络方法实现了该舰炮电气系统的故障预测。仿真结果验证了该方法的有效性,取得了良好的诊断预测效果。