基于BP算法的模拟电路故障诊断

文中就BP神经网络的学习算法进行了分析,使用PSPICE软件对电路进行仿真,在此基础上建立了模拟电路的BP神经网络故障字典库。通过查阅字典库实现模拟电路的故障诊断。指出了BP神经网络在模拟电路故障诊断过程中存在的网络泛化性能差的问题,并提出了解决办法。经过仿真实验验证,这种方法用与模拟电路故障诊断相结合能够提高神经网络检测故障的智能性,提高故障诊断的准确性,结果较好,具有一定的应用价值。     

基于BP网络的容差模拟电路故障诊断研究

传统模拟故障诊断多采用K故障诊断法,即在已知拓扑结构和元件参数的标称值前提下,不必对故障进行模拟,就可以计算出各元件发生故障的统一特征,找出故障位置.但对于有容差干扰的电路检测速度将会变慢,甚至影响检测效果的可靠性.鉴于此,引进BP神经网络,将K故障诊断法与BP网络相结合,用于容差模拟电路故障检测,其方法具有实时诊断性和鲁棒性特点.故障诊断实例和计算机仿真结果证明,本文所提出的观点是可行的.     

基于BP神经网络的模拟电路故障诊断研究

在简要介绍标准BP神经网络基本原理的基础上。详细说明了基于改进BP神经网络算法的模拟电路故障诊断方法和设计步骤，根据网络总误差来自适应调节网络的学习率，加速网络的收敛过程。此算法应用于电路的故障诊断，能够对被测电路的故障进行有效并且精确的分类。以折线式有效值测量电路为例，设计了基于改进BP神经网络算法的模拟电路故障诊断系统，以实际测试数据作为训练样本进行学习训练后，对其它实际测量数据进行诊断，结果正确，验证了算法的有效性。     

基于智能信息融合的模拟电路故障定位方法

针对模拟电路故障诊断中存在的测试信息不足、故障定位准确性较低等问题,提出了一种应用智能信息融合技术的模拟电路故障定位方法.该法首先分别采用可测点工作电压及不同测试频率下的电路增益,各用一个独立的神经网络依据改进的BP算法对电路实施初级诊断;然后根据初级诊断结果,运用模糊融合诊断方法进行故障定位.所提方法能充分利用故障信息,对模拟电路的软故障与多故障均可进行诊断,故障定位准确率高.     

基于多类电量测试数据融合的模拟电路故障诊断

提出了一种利用多类电量测试数据、基于神经网络与模糊集理论的模拟电路故障诊断新方法.检测可及节点电压并测量电路在选定的各测试频率下输出对输入的增益,分别利用此两类测试数据,各用一个独立的BP网络对电路进行初步诊断,再运用所提出的模糊融合诊断算法及其故障定位规则进行故障定位.模拟实验结果表明:所提方法克服了基于单一信息诊断方法的不足,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.     

IGBT高频开关电源的故障分析及处理

IGBT高频开关电源以其一系列优点,一经问世就在整个电镀行业得到了广泛应用.但该电源的缺点是IGBT模块容易损坏,目前的一些IGBT保护方案仅停留在理论阶段.针对一家电镀企业的大功率高频开关电源屡损IGBT进行了长期跟踪调查.通过对IGBT高频开关电源的主板DC/AC电路和驱动电路的深入研究,进行了故障排查及处理.     

一种模拟电路功能模块故障诊断的方法

针对实际电路中以模块化的形式实现特定应用功能的模拟电路,按功能进行分类,从实用化的角度研究了其功能故障的诊断方法。以空间电子仪器测试系统中的综合信号处理电路为应用背景,研究了模拟电路模块划分原则和方法,提出了一种模块化功能故障检测方法,并构造了模拟电路第一级功能模块字典;基于测前迭代仿真的通用模拟电路故障诊断方法,通过改进提出了"6点5段式"模拟电路测前迭代仿真方法,并构造了功能模块电路的第二级故障字典,在功能模块故障检测的基础上实现了故障元件的定位和参数区间识别。最后,通过仿真实例验证了该诊断方法的有效性,为模拟电路故障字典法在空间电子仪器模拟电路中的故障诊断实用化奠定了基础。     

基于小波神经网络的模拟电路故障诊断改进

在运用神经网络进行模拟电路故障诊断的过程中,代表着故障特征的网络输入至关重要,由于小波变换的时频局部化和多尺度分析等特性,将两者结合起来,通过小波变换对模拟电路的输出响应进行故障特征提取,同时解决PSPICE与MATLAB之间的数据通信问题,提出将蒙特卡罗分析产生的所有训练样本经过处理后输入到一个神经网络进行训练的方法,从而避免了训练多个神经网络。利用神经网络对各种故障模式进行分类,实现模拟电路的故障诊断,并进一步与传统的BP网络故障诊断法进行比较。仿真结果表明,该方法可以实现故障检测及定位,诊断的准确率显著提高,适用于模拟电路故障诊断。     

基于小波神经网络的电力电子电路故障模式识别

提出了基于两种不同小波神经网络的电力电子电路故障模式识别方法.针对电力电子电路故障,构造了激活函数型和权值型两种不同的三层小波神经网络,给出了相应的数学模型和学习算法.以三相整流桥电路为例,建立了小波神经网络的输出与故障元之间的对应关系,实现了电路故障的模式识别,并与用普通BP网络识别的结果进行了比较.仿真结果验证了两种故障识别方法的正确性和较好的准确性.     

容差电路软故障检测与定位

提出了一种基于统计理论与神经网络数据融合、可用于容差模拟电路软故障检测与定位的诊断方法.该方法将故障诊断分两个阶段进行,即故障检测与故障定位.通过监测可测点工作电压,利用所构建的故障阈值函数与故障判据来实现容差电路的故障在线检测.再通过离线测量电路在不同测试频率下输出对输入的增益,利用可测点工作电压与电路增益,运用所提出的数据融合方法及改进的BP算法对电路进行故障定位.模拟诊断结果表明,所提方法不仅可用于硬故障诊断,而且还能实现容差电路的软故障诊断,所需测试节点少,故障检测与定位准确率高.     

基于BCL-ASA-BP神经网络的模拟电路板芯片故障诊断

针对模拟电路板芯片故障界定标准不明确和实现快速、准确分类困难的问题,本文提出了一种基于双元卷积Logistic原子搜索算法(Binary Convolution Logistic-Atom Search Algorithm,BCL-ASA)优化BP神经网络(BCL-ASA-BP)的故障诊断模型。首先,对电路板芯片不同状态下的温度进行采集和特征提取,并采用欧氏距离对特征进行融合,建立含有芯片故障界定标准的故障特征模型。接着,利用双元卷积Logistic映射初始化原子搜索算法的种群规模和位置,提高收敛速度和精度。然后,通过BCL-ASA优化BP神经网络寻优过程,获得最优权值和阈值。最后,将芯片故障特征模型输入到BCL-ASA-BP神经网络中进行训练和测试,完成电路板芯片故障诊断。实验采用电源电路板进行可靠性分析,结果表明,BCL-ASA-BP对芯片故障综合诊断准确率可达98.35%,较传统BP算法提升13.9%。     

一种智能型控制器的电路设计

提供了智能控制器的简要硬件框图、控制器放大电路的设计、控制器各个功能的介绍.控制器以DSPIC30F6014单片机为核心,由数字信号处理器、放大电路、LCD显示、控制接口电路、区域联锁、键盘、模拟电源模块、通信接口电路、开关电源等模块组成.控制器能够实时监控并及时、有效地控制执行机构的动作.     

一种蓄电池充电用高可靠性DC-DC变换器

介绍了一种能将直流高压电源变换为直流低压电源,并对蓄电池进行充电和管理的高可靠性的DC-DC变换器。详细说明了DC-DC变换器的技术参数、功能要求及插槽式模块化结构设计方法,着重阐述了开关电源模块的均流控制、充电管理功能及电路原理;归纳总结了变换器高可靠性的冗余设计及其相应保护功能。     

配电网故障定位容错算法

非健全故障信息下故障区段的快速准确定位对于提高配电网供电可靠性具有重要作用。分析首端电压、电流量和短路回路等值电抗的关系,提出基于径向基函数(RBF)神经网络的短路回路等值电抗估计方法,仿真分析表明短路回路等值电抗估计结果受故障距离、过渡电阻的影响较小。然后,以馈线终端设备(FTU)故障信息和短路回路等值电抗为故障特征,应用改进的BP神经网络构建故障区段定位模型。对大量测试样本的分析表明,改进的BP神经网络建立的故障区段定位模型比极限学习机网络算法的定位精度高、泛化能力好,短路回路等值电抗能够辅助修正FTU故障信息的畸变,提高BP神经网络故障定位的容错性。     

浅析6kV备用电源自动投入试验的另一种方法

针对黄埔电厂6 kV备用电源开关模拟自动投入试验及6 kV备用电源运行中存在的问题,分析了6 kV厂用母线低电压保护动作原理,提出解决目前模拟自动投入试验中存在问题的方法,新的试验方法不仅能检查低电压启动自动投入回路,还能对整个备用自动投入回路进行测试,是一个较全面的试验方法。     

电动旅游车用开关电源设计

本文针对电动旅游车电机控制系统电源的需求,用UC3843作为控制芯片,设计了一种多路隔离输出反激式开关电源,并对其进行了原理分析、电路设计与实验研究。实验结果表明按此方法设计的开关电源性能优良、可靠性高。     

SiC MOSFET功率器件特性参数的提取与拟合

为了对碳化硅(SiC) MOSFET功率器件的特性参数进行全面的研究,提出了一种碳化硅(SiC) MOSFET变温度参数模型,该模型考虑了功率器件中封装引脚寄生电感、内部寄生电容、体二极管等特性参数,并根据器件的开关过程中的不同阶段,将功率器件中的导电沟道等效为不同电路模型。为获取该模型中的涉及的特性参数,搭建了基于Agilent B1505A功率半导体分析仪和矢量网络分析仪(VNA)的测试平台对SiC MOSFET功率器件的静态特性参数进行了全面测量,然后使用基于贝叶斯正则化LM算法的改进BP人工神经网络对所测的数据进行非线性拟合。结果表明,相较于传统拟合方法,该方法具有更高的精确度与泛化能力,为SiC MOSFET功率器件建模与参数分析提供了重要依据。     

基于小波神经网络的可更换电路单元故障诊断

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某装备可更换电路单元故障诊断中。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。     

基于灵敏度特性函数的特征提取与故障诊断

为解决电路故障诊断时故障可靠分类以及特征信息有效提取的问题,提出了一种基于灵敏度特性的故障样本分类和故障特征信息提取方法。基本思想是通过电路的特性分析和灵敏度的计算,进行故障样本的分类及优化,再根据灵敏度的计算结果提取相应特征信息。以此构造故障样本特征集,然后作为BP神经网络的输入对网络进行训练与诊断。对滤波器的仿真结果表明,该方法构造的样本集训练出来的神经网络,对模拟电路故障诊断的平均正确率为85%,优于传统方法。