基于BP小波神经网络的模拟电路故障诊断

针对现有BP网络在模拟电路故障诊断中存在的问题,提出了一种基于BP小波神经网络的故障诊断方法.该法将小波函数与BP网络结合构成BP小波网络,这种网络具有小波变换的时频局域化性质和BP网络的自学习能力.分别用BP小波网络和传统BP网络对实例电路进行故障诊断,结果表明本方法是有效的,而且比传统BP网络方法的学习收敛速度快得多.     

BP神经网络和Elman神经网络在模拟电路故障诊断中的应用

通过分析BP神经网络和Elman神经网络的基本结构和算法,研究了基于神经网络的模拟电路故障诊断方法,并通过仿真实验对比分析了BP神经网络和Elman神经网络的诊断能力。结果表明,BP神经网络的收敛速度相对较慢、训练时间长;Elman神经网络的结构参数调整简单、训练时间短、性能稳定,更适合存在容差、非线性等问题的模拟电路故障诊断。     

遗传BP网络在模拟电路故障诊断的应用

分析了传统BP型神经网络在模拟电路故障诊断中应用所存在的缺点,提出了解决办法。利用遗传算法优化BP网络的结构和具体的参数,可以避免靠经验和试验确定参数的弊端,能够提高神经网络用于模拟电路故障诊断的智能性,改善故障诊断的精度、速度。     

基于电流源激励的BP神经网络模拟电路故障诊断

针对传统故障字典法对模拟电路故障诊断时存在的缺陷提出了新的故障字典法;将电流源激励下二端口网络输入端和输出端的电压增益比作为故障特征信息,在此基础上先直流测试,后利用BP神经网络交流测试;该方法充分考虑了电路元件的容差,减轻了BP神经网络诊断故障的负担,提高了故障诊断的速度、准确率以及故障覆盖率;利用MATLAB和PSPICE工具对该方法进行实例仿真,结果表明其能够实现快速、准确的故障定位。     

基于模糊BP神经网络的模拟电路实时故障诊断

以进行模拟电路实时故障诊断为主要目的,对BP神经网络故障字典法进行了深入研究,针对传统BP算法收敛速度慢、易产生局部最优等不足,采用神经网络与模糊理论相结合的方法,根据模式识别原理实现模拟电路故障的实时诊断。实验结果表明:该算法在网络收敛速度和识别精度上较传统的BP算法均有明显的改善。     

巧用文件操作完善模拟电路故障诊断

文章巧妙运用文件操作,结合Matlab/Simulink对模拟电路进行仿真,可以使仿真次数无限多,并通过人工神经网络进行训练,可以使人工神经网络的训练样本无限多,达到较完善的故障诊断目的。最后,文章给出了仿真实例,实验证明该方法能较好的弥补其他方法在模拟电路诊断中的不足。     

基于退火BP神经网络的模拟电路故障诊断方法

针对BP神经网络在模拟电路故障诊断中存在的固有缺陷,提出模拟退火(simulated annealing,SA)算法与BP算法相结合的神经网络故障诊断方法,发挥SA算法全局寻优的特点来优化BP神经网络的学习过程,避免网络训练收敛速度慢和陷入局部极小;应用MATLAB编写程序对一典型模拟电路的仿真故障样本进行训练,在其它初始条件都相同的情况下,基于提出的算法神经网络比传统BP算法神经网络训练收敛速度快且诊断精度高,是一种新的有效的模拟电路故障诊断方法。     

大规模电路故障诊断BP神经网络新方法

提出了一种用BP网络诊断大规模电路故障的新方法。介绍了故障诊断的原理，并给出了一个实例，实验证明该方法有效可行。     

基于小波神经网络的模拟电路故障诊断

模拟电路故障诊断具有诊断特性复杂，故障字典建立耗时长等特性，用传统的方法很难得到最佳的诊断效果。本文采用小波神经网络对故障电路建模，基于该网络学习收敛快，对网络输入不太敏感的特点，实现故障诊断。     

基于集成多神经网络在模拟电路故障诊断中的研究

以进行模拟电路故障诊断为主要目的,针对单神经网络故障字典法在进行复杂电路系统故障诊断时,对多故障和多任务诊断的不足之处,讨论了基于多故障的神经网络集成技术,采用集成多神经网络来提高诊断速度和精度,提出了集成多神经网络故障字典法来解决多故障任务,对基于层次分类模型的多重结构神经网络进行了研究,给出了两种对故障定位的统一融合算法,克服了采用单神经网络多故障时学习速度慢,出现新故障的网络要重新进行学习等缺点.并给出了应用实例.     

基于FPTA的动态可重构模拟电路研究

阐述了基于FPTA的模拟可进化电路的设计方法,分析了FPTA的结构,介绍了进化设计所使用的遗传算法,分析了使用PSpice软件建立的仿真模型,并通过VB程序实现算法并对演化过程进行控制.以4位数模转换电路(DAC)为例,通过对4个FPTA细胞组成的电路结构进行进化实验,结果表明4个FPTA细胞完全能够进化得到4位DAC.     

模拟电路测试方法的研究与实现

本文介绍了模拟电路测试的现状,并针对目前的情况提出了三种模拟电路的测试方法,同时根据已有自动测试设备的测试能力讨论了其可实现性的问题。     

基于BP神经网络的文档聚类研究

1.引言近年来,随着互联网的迅速发展,基于Web的数据挖掘技术受到越来越多的关注,经常用在文本挖掘和信息检索等多个领域的聚类(Clustering)技术也成为人们研究的热点。对一组实际或抽象的元素进行处理,把相似的元素归为同类的过程称之为聚类。对文本信息,如科技文献、Web文档等的聚类,称之为文档聚类(Document Clustering)。最初,文档聚类常用于提高信息检索系统的查准率和查全率(recall),或用来寻找与一篇文档最为相似的文档。现在,人们利用文档聚类来获得一组满足用户要求的文档集合并按用户需求对其进行排序。另外在Internet上,文本聚类也可用来自动产生文档的层次聚类,从而实现对Web文档的分类。     

基于可重构模拟细胞阵列的进化电路研究

进化电路具有自组织、自适应和自修复的特性,在航空航天领域具有重大应用价值;阐述了模拟可进化电路的基本原理,分析了基于现场可编程晶体管细胞阵列FPTA（Field Programmable Transistor Array）的可进化模拟电路体系结构与电路原理,提出了基于单染色体进化策略的模拟细胞阵列进化方法;建立了FPTA细胞电路的数学仿真模型,开发了模拟细胞电路进化研究仿真平台;以带通滤波器电路作为进化实例,讨论了进化实验结果,实验结果表明：新型FPTA细胞阵列电路能够通过进化得到带通滤波器电路,所设计的细胞电路是正确的,进化方案是有效的.     

Simulation of Analog Costas Loop Circuits

The analysis of stability and numerical simulation of Costas loop circuits for the high-frequency signals is a challenging task. The problem lies in the fact that it is necessary to observe very fast time scale of input signals and slow time scale of signal s phases simultaneously. To overcome this difficulty, it is possible to follow the classical ideas of Gardner and Viterbi to construct a mathematical model of Costas loop, in which only slow time change of signal s phases and frequencies is considered. Such an construction, in turn,requires the computation of phase detector characteristic, depending on the waveforms of the considered signals. In this paper, the problems of nonlinear analysis of Costas loops and the approaches to the simulation of the classical Costas loop, the quadrature phase shift keying(QPSK) Costas loop, and the two-phase Costas loop are discussed. The analytical method for the computation of phase detector characteristics of Costas loops is described.     

基于支持向量机的模拟电路故障诊断研究

针对模拟电路的故障诊断问题,详细介绍了支持向量机算法,由于它在非线性映射、小样本学习方面的独特优势,故将它引用到模拟电路的故障诊断过程中.并提出了一种基于支持向量机的诊断方法,该算法能够对被测电路的故障进行有效并且精确地分类.以折线逼近平方曲线的近似测量电路为例,设计了基于支持向量机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,其结果正确,验证了算法的有效性.     

应用决策层信息融合的模拟电路故障诊断实现

研究了基于多类电量测试信息及其多诊断方法融合的模拟电路故障诊断。获取可及节点电压,运用K故障诊断法进行故障在线检测与初步定位,再离线测量电路在不同的测试频率下输出对输入的增益,运用最小标准差法进行诊断。由所提故障隶属函数得到基于各类测试信息的元件故障隶属度,以此计算D-S证据理论中各传感器的信度函数分配,再运用D—S合成法则实现融合诊断。模拟实验结果表明：所提融合诊断方法大大提高了故障定位的准确率。     

基于HMM-SVM的模拟电路早期故障诊断

针对模拟电路在故障预测与健康管理（PHM）系统中早期故障识别率不高的问题,提出了一种基于隐马尔科夫模型（HMM）和支持向量机（SVM）相结合的模拟电路故障诊断方法,利用HMM对动态连续信号的较强识别能力和SVM良好的模式分类能力解决模拟电路早期故障诊断问题。采用主成分分析（PCA）和K-means聚类算法对故障数据进行数据降维和特征提取,建立HMM与 SVM相结合的诊断模型进行故障诊断。仿真实验表明,HMM-SVM能很好地识别模拟电路早期故障,并对模拟电路中元件小范围参数变化的状态识别,相较单一HMM模型具有更高的准确率。     

可编程模拟器件的应用研究

介绍了在系统可编程模拟器件（ispPAC）的结构、功能与特点，利用可编程模拟器件ispPAC10，ispPAC20和ispPAC80，并借助于PAC-Designer软件，分别设计并实现了放大器、数控振荡器、脉宽调制器（PWM）和滤波器等电路，并把仿真结果与下载编程后的实际测量结果进行了比较。     

基于频率特性的模拟电路故障诊断研究

由于模拟电路存在容差性、元件参数连续可变性和非线性等因素,且实际中也受到可测试点数量的限制,基于传统模拟电路故障诊断法在实际工程中难以取得理想的效果。而神经网络具有容错性、泛化能力和非线性处理能力等特点,本文针对雷达电路的故障进行快速有效的特征提取,构造神经网络样本,并结合电路的频率特性来解决模拟电路故障诊断中存在的问题。