模拟电路故障诊断测试节点优选新算法

采用故障特征函数描述模拟电路故障字典法中的模糊集,提出了节点故障隔离度和条件故障隔离度的概念,用其描述节点对故障的区分能力.给出了测试节点优选的数学模型,并在此基础上给出了新的测试节点优选算法.最后给出了新算法的应用实例.     

基于测点必要度的模拟电路测点优选方法

针对模拟电路的测点选择问题,根据测点的必要程度,提出了“测点必要度”的概念,同时结合“故障隔离度”的概念,建立了新的测点优选方法,给出了新算法的详细计算过程和应用实例．实验分析结果表明,新算法的计算效果优于熵算法和基于故障隔离度的测点选择算法,可用于复杂模拟电路的测点选择．     

基于故障可诊性与遗传算法的模拟电路测试激励优化方法*

测试激励的选择影响电路故障诊断的精度。对待测电路进行十倍频程AC Sweep分析来确定正弦测试信号的频率优化范围,基于电路幅频响应中离散频点相应的电压有效值来计算各故障特征数据类内类间离散度,统计多频测试信号敏感度因子大小,并以此为目标函数利用遗传算法实现测试信号中频率参数优化。以双带通滤波电路为例进行了仿真验证,实验结果表明该方法优化出的测试激励信号能有效降低电路故障响应特征分布模糊性,提高了故障诊断率。     

面向高维的共享近邻聚类内部指标

针对因使用基于距离的相似性度量,传统聚类内部指标随着数据维数的增加而性能下降的问题,提出了一种基于共享近邻相似度的聚类内部指标.首先,利用共享近邻相似度和k最近邻(kNN)方法,估计数据点的密度,构建融合密度的共享近邻相似度图.然后,根据融合密度的共享近邻相似度图,利用最大流算法,计算出类内相似度和类间分离度,并结合两者计算出聚类内部指标.通过对人工数据集和真实数据集的测试表明,与9个基于距离的传统聚类内部指标相比,该指标能更准确评估数据集的最佳划分和预测数据集的最佳类数.因此,该指标处理复杂类结构和高维数据的能力优于所对比的其他聚类内部指标.     

一种基于贝叶斯决策理论的模糊集划分方法

1引言故障诊断字典法是模拟电路故障诊断中具有较高实用价值的方法，该法对含一定容差的线性、非线性电路的硬故障有较好诊断能力．其实施步骤包括：故障集与激励信号选择、模糊集划分、节点优选、故障隔离、故障字典建立、根据测试向量诊断故障[1]．其中模糊集划分是字典法实施的关键，它将直接影响节点优选、故障隔离及故障字典的建立．而故障字典则是最终诊断的依据，所以模糊集划分的合理性将关系到故障诊断的有效性．2传统模糊集划分法由于模拟电路元件参数具有容差，造成电路实际响应也具有容差，使得计算值和测量值不一致．而且由于…     

基于改进K-medoids的聚类质量评价指标研究

为了更好地评价无监督聚类算法的聚类质量,解决因簇中心重叠而导致的聚类评价结果失效等问题,对常用聚类评价指标进行了分析,提出一个新的内部评价指标,将簇间邻近边界点的最小距离平方和与簇内样本个数的乘积作为整个样本集的分离度,平衡了簇间分离度与簇内紧致度的关系;提出一种新的密度计算方法,将样本集与各样本的平均距离比值较大的对象作为高密度点,使用最大乘积法选取相对分散且具有较高密度的数据对象作为初始聚类中心,增强了K-medoids算法初始中心点的代表性和算法的稳定性,在此基础上,结合新提出的内部评价指标设计了聚类质量评价模型,在UCI和KDD CUP 99数据集上的实验结果表明,新模型能够对无先验知识样本进行有效聚类和合理评价,能够给出最优聚类数目或最优聚类范围.     

犹豫模糊语言的可能度排序方法

研究犹豫模糊语言集可能度排序方法. 在给出犹豫模糊语言集排序可能度公理的基础上, 给出3 类犹豫模糊语言集可能度排序公式: 第1 类基于RL 的5 个等价犹豫模糊语言可能度排序公式; 第2 类基于WNS的5 个等价犹豫模糊语言可能度排序公式; 第3 类基于概率可信度的犹豫模糊语言可能度比较公式. 通过实例对3 类公式进行对比分析, 给出方法选择的建议, 第3 类方法可以区别差别较小的犹豫模糊语言数, 第1 类方法适于大规模计算中的应用.

     

基于全局灵敏度的电路系统激励与测点优选

针对模拟电路系统级故障诊断问题,提出一种基于全局灵敏度的测试点与测试频率优选方法;利用Pspice软件进行参数分析,避免了电路的拓扑分析和冗繁的计算过程,节省了时间开销,综合考虑元件参数变化影响,定义了网络全局灵敏度的概念,并以此为依据比较不同频率下测点的故障诊断能力,实现测点与测试频率的优选;通过实验仿真验证了方法的有效性,结果表明新方法提高了对系统的故障识别率。      

基于Fisher类内散度的支持向量机分类面修正方法

针对支持向量机(SVM)训练不平衡样本数据产生最优分类面的偏移会降低分类模型泛化性的问题,提出一种基于Fisher类内散度平均分布比的分类面修正方法。对样本数据进行SVM训练后获得分类面的法向量;通过计算两类样本在该法向量方向上的Fisher类内散度来评价这两类样本的分布情况;依据类内散度综合考虑样本个数所得到的平均分布比重新修正最优分类面的位置。在benchmarks数据集上的实验结果说明该方法能够提高SVM分类模型在处理不均衡数据集时对于少数类的识别率,从而有助于提高模型的泛化性。     

文本分类中信息增益算法的改进

分析了信息增益方法的不足,并将类内离散度、类间离散度和权重协调因子应用到信息增益算法上,提出了一种改进的信息增益算法.实验表明,该方法在分类效果上与经典算法相比有一定的提高.     

基于故障特征信息熵的故障诊断策略优化方法

针对复杂电子设备的顺序故障诊断策略问题,为实现快速的故障检测与隔离,提出了一种基于故障特征信息熵的故障诊断策略树生成算法。该算法综合考虑测试费用和故障概率因素,依据故障特征信息熵的大小依次选择测试点来生成优化的故障诊断策略树。实例表明该算法可行,能以较低的测试费用和较少的测试步骤实现复杂电子设备的故障检测和隔离。     

功能交联条件下飞机混合增强故障诊断方法

由于飞机系统结构复杂,功能交联程度高,传统以机内测试（BIT）方法为基础的机载综合诊断方法受到机载测试点设置限制,故障检测、隔离能力无法完全满足部队使用维护需求。近年来,数据驱动方法发展迅速,并被广泛运用到故障诊断中,其中概率神经网络（PNN）凭借其结构简单、计算速度快、运算精度高和分类结果好等优势,非常适合故障诊断与分类问题。但同时,数据驱动方法由于样本不足,工程应用存在困难,不能完全替代传统方法。为提升系统故障检测率、隔离率,降低虚警率,通过应用PNN处理飞机健康状态数据进行故障诊断,并结合BIT中的诊断信息,利用二者间的互补性提出了一种混合增强飞机系统故障诊断方法。详细介绍了该融合方法的基本原理、融合层次、融合规则等。最后,通过某型号飞机分系统诊断实例表明,该方法检测、隔离能力有显著提升,能够满足功能交联条件下飞机故障诊断需求。     

基于模拟退火粒子群算法的不可靠测试点优化

针对实际复杂系统测试与诊断时存在虚警和漏检的情况问题,提出在不可靠测试条件下,基于模拟退火粒子群(SA-PSO)算法的测试点优化方法。首先综合考虑不可靠测试条件下测试点的故障检测能力、故障隔离能力及结果信任度设计了评价测试点性能的启发函数;然后,将该启发函数与测试费用最小原则相结合,并根据测试性指标的要求,构建确保测试点最优的适应度函数;最后,设计基于模拟退火粒子群算法的不可靠测试点优化步骤,并用阿波罗发射系统实例验证了该算法的优越性。结果表明SA-PSO算法能够在满足测试性指标的要求下获得最小测试费用的测试点集,其故障检测率、隔离率都优于贪婪算法及遗传算法。     

基于决策树与扩展相关性矩阵的故障诊断方法

故障诊断的准确性直接影响维修的时间与费用,目前,电子产品故障诊断中多采用相关性矩阵的方法,用0/1逻辑构建诊断知识实现诊断,该方法无法充分利用测试信息,影响了故障隔离能力。因此,针对该问题,将莱特准则引入相关性矩阵的构建中,运用多值编码代替0/1编码,构建了一种新的相关性矩阵,以矩阵中的不同测点信息作为决策树的输入,以信息增益为特征优选原则,优选了测试点,构建了诊断决策树模型,给出了故障诊断策略。该方法提高了故障隔离能力,诊断过程更符合实际需求。利用上述方法,以电源模块为对象,进行了案例应用,通过故障注入实验的方式,验证了该方法的有效性,结果表明,通过文中的方法所得的故障隔离率指标优于基于传统相关性矩阵(D矩阵)的方法。     

高功率密度发电机测试集优化方法研究

针对高功率发电机开展测试性设计分析对提升其维修保障性水平具有重要意义;通过对高功率密度发电机的故障模式开展分析,得到发电机的典型故障模式,针对各故障模式总结了发电机故障检测所需监测的物理参数;然后,通过构建多信号流模型和开展故障-测试相关性分析对发电机测点进行改进,提出了基于故障-测试相关矩阵(D矩阵)的测试集优化方法;该方法通过合理优化测点集可提升测点对故障模式的覆盖水平并减少冗余测点;最后,通过测试性预计对比了改进前后发电机的故障检测率和故障隔离率指标,验证了提出的测点改进方法提升高功率密度发电机测试性水平的有效性,为发电机的测试性改进设计提供技术支持。     

满足故障隔离率指标的测试序列优化差分进化算法

最优测试序列的设计是故障诊断过程中必须解决的非确定多项式（Non-deterministic polynomial,NP）完全问题。基于自适应差分进化算法,提出一种惯性速度差分进化（Inertial velocity differential evolution,IVDE）算法,通过增加额外的惯性速度项求解复杂电子系统最优测试序列问题（Optimal test sequence problem,OTP）。为求解该优化问题设计了个体的状态与测试序列编码方式,构建了包含故障隔离率（Fault isolation rate,FIR）等指标的个体适应度函数,通过优化生成诊断决策树来减少测试设备和测试成本。仿真结果表明,IVDE算法可以求得既满足FIR要求,又减少测试成本的测试序列。与粒子群优化算法（Particle swarm optimizer,PSO）、遗传算法（Genetic algorithm,GA）等其他算法相比,IVDE可以求解OTP,得到更好的解。     

Heuristics for fault diagnosis when testing from finite state machines

When testing from finite state machines, a failure observed in the implementation under test (IUT) is called a symptom. A symptom could have been caused by an earlier state transfer failure. Transitions that may be used to explain the observed symptoms are called diagnosing candidates. Finding strategies to generate an optimal set of diagnosing candidates that could effectively identify faults in the IUT is of great value in reducing the cost of system development and testing. This paper investigates fault diagnosis when testing from finite state machines and proposes heuristics for fault isolation and identification. The proposed heuristics attempt to lead to a symptom being observed in some shorter test sequences, which helps to reduce the cost of fault isolation and identification. The complexity of the proposed method is analysed. A case study is presented, which shows how the proposed approach assists in fault diagnosis. Copyright © 2006 John Wiley & Sons, Ltd.     

运行控制系统集中式容错控制方法

本文针对运行控制系统,建立了运行优化控制过程的双层结构模型.在此基础上,通过建立相应的自适应故障诊断算法,提出了保证在系统有故障和干扰时仍能渐近优化指标的集中式容错控制方法,利用李雅普诺夫稳定性理论分析了自适应故障诊断算法的构建.已证明:该方法通过调整已优化的设定值来保证在回路控制层出现故障时整个运行控制仍可收敛到其原有的优化控制效果.该方法属于非完备容错控制,仿真结果验证了所提方法的有效性.