非线性容差子网络级故障的识别方法

研究非线性容差网络的故障诊断是实际工程迫切要求解决的课题,也是故障诊断理论走向实际应用的关键。在文献[1,2]的基础上,提出了一种判别非线性容差子网络级故障的新方法。论述了该方法的基本原理,给出了故障诊断仿真实例。仿真结果表明,这种方法对非线性容差网络的故障诊断是有效的。     

容差电路K故障定位的广义反投影法

本文从最大最小化方向信号强度出发,提出对容差电路K故障定位的广义反投影法。它由三部分组成:等效偏差干扰阵的生成,最优信息子空间的确定,反投影。理论分析和仿真试验表明,新方法有比其他方法更卓越的快速性和鲁棒性。     

具有容差的模拟电路故障定位的神经网络实现

结合Ｋ故障诊断和ＢＰ网络的分类功能,提出了一种神经网络实现模拟故障定位的方法,该方法将ＢＰ网络训练成具有推广能力的广义故障字典。     

具容差情况下的电阻电路故障诊断

本文将容差情况下的电阻电路故障诊断问题转化为以屏蔽激励源为未知变量,以网络元件的参数容差为已知分布的随机变量的参数估计问题,并且建立了一个非线性最小方差无偏估计量。对算法及其收敛性问题进行了详细的讨论,最后从理论上导出了在容差情况下的α—诊断判据,使得故障与容差之间的模糊性大大降低。     

一种非线性电路的容差性分析方法

电路容差性分析是预测电路性能参数稳定性的一种方法,该方法主要研究电路中各组成部分参数偏差的变化对电路性能容差的影响,包括元器件的公差、环境条件的影响以及性能的退化效应等方面。以笔者实际应用中的电路为例,阐述了非线性电路容差性分析的方法及注意事项,使工程人员能更容易理解计算机分析方法,也为非线性电路的容差性分析提供一种新思路。     

容差网络故障诊断中的误差分析

在用双向能量正交法对网络进行故障诊断时，网络的空差会影响结果的准确性。本文分析了由网络容差所造成的误差，给出容差所造成的能量误差的一个上界。在容差统计特性已知的情况下，对判别其偏差是否由故障引起的一个概率上的估计。     

非线性容差模拟电阻电路故障诊断神经网络方法

将线性电路故障定位 l1 范数最优化算法推广到非线性电路的故障定位 ,由于测后计算是基于神经网络计算机环境 ,所需时间较少 ,能满足现代工业实时性需要。实例和计算机模拟结果表明所提方法是可行的     

容差电路的故障诊断最小容差估计算法

本文从容差对k故障诊断法的影响机理出发,提出了一种具有明确物理意义的容差电路故障诊断方法最小容差估计算法。这种方法可通过较少的计算,获得等效故障源的有效估计。特别重要的是,由此算法还可派生出一种无须迭代的自适应次优算法,计算量很小,适合于实时性要求较高或电路规模较大的场合。     

模拟电路故障诊断的新故障字典法

基于节点电压灵敏度,将文献[1]中的线性无容差电路的故障字典法推广到可以诊断容差模拟电路和非线性电路软故障的新故障字典法。讨论了该方法的原理和字典的建立方法,给出了仿真实例。     

基于遗传算法的容差模拟电路故障诊断

给出了用于模拟电路元件参数识别的多频传递函数法的过程,并对故障诊断方程的可解度进行了分析,在此基础上,将诊断方程的求解转化为非线性函数的优化问题,并运用改进的遗传算法来解决这个问题,算法实例表明该方法简化了故障诊断方程的求解过程,加速了容差电路故障元件的定位,有一定的应用价值。     

可诊断容差模拟电路软故障的新故障字典法

基于支路屏蔽的原理,本文提出一种可以诊断容差模拟电路软故障的新故障字典法.文中讨论了该方法的诊断原理和字典的建立方法,给出了容差情况下的仿真诊断例子.     

基于模糊C均值聚类算法与隶属算法的容差电路软故障诊断

在聚类分析与隶属函数的基础上,提出了一种容差电路软故障诊断的新算法。对于含有容差元件的的模拟电路,由于允许电路参数在一定范围内偏离理想值,所以很难判断电路是处于正常容差状态,还是软故障状态。本文首先简述了模糊C均值（Fuzzy C-means, FCM）聚类算法与模糊控制隶属算法的基本原理。然后通过一个容差电路软故障诊断实例,以验证本文算法的有效性:首先确定容差电路的正常状态与软故障状态种类,对每一种状态进行电路仿真,获取将来进行聚类分析与故障诊断的样本。然后对采集样本进行聚类分析,利用模糊C均值聚类算法将各种状态分类,并且得到所有状态的聚类中心。最后随机模拟一种电路状态,利用模糊隶属算法,计算当前电路状态与各状态聚类中心的隶属度,判断电路处于哪一种工作状态,实现容差电路的软故障诊断。实例表明,本文算法能够准确清晰地辨别容差电路的正常状态与故障状态,仅需少量样本即可获得各种状态的典型参数,对容差电路进行客观有效的软故障诊断。      

Fault Diagnosis for Linear Analog Circuits

This paper presents a novel scheme to diagnose single and double faults for linear analog circuits. The scheme first proposes a simple transformation procedure to transform the tested linear analog circuit into a discrete signal flow graph, then constructs diagnosing evaluators, which model the faulty components, to form a diagnosis configuration to diagnose the faults through digital simulation. This saves much computation time. Furthermore, a simple method to un-power OP's is also proposed to differentiate equivalent faults. The scheme can diagnose faults in passive components as well as active faults in OP's.     

Fault Diagnosis of Nonlinear Analog Circuits Using Neural Networks with Wavelet and Fourier Transforms as Preprocessors

A neural-network based analog fault diagnostic system is developed for nonlinear circuits. This system uses wavelet and Fourier transforms, normalization and principal component analysis as preprocessors to extract an optimal number of features from the circuit node voltages. These features are then used to train a neural network to diagnose soft and hard faulty components in nonlinear circuits. Our neural network architecture has as many outputs as there are fault classes where these outputs estimate the probabilities that input features belong to different fault classes. Application of this system to two sample circuits using SPICE simulations shows its capability to correctly classify soft and hard faulty components in 95% of the test data. The accuracy of our proposed system on test data to diagnose a circuit as faulty or fault-free, without identifying the fault classes, is 99%. Because of poor diagnostic accuracy of backpropagation neural networks reported in the literature (Yu et al., Electron. Lett., Vol. 30, 1994), it has been suggested that such an architecture is not suitable for analog fault diagnosis (Yang et al., IEEE Trans. on CAD, Vol. 19, 2000). The results of the work presented here clearly do not support this claim and indicate this architecture can provide a robust fault diagnostic system.     

模拟电路故障诊断可信度研究

提出了描述标称转移矩阵Ｚ０的各标征向量几何分布性状的Ｖｏｒｏｎｏｉ多胞体，定义了描述测量向量ｄＵ在标征向量Ｚｉ中位置的标征干扰角θｕｉ。然后利用这两个概念揭示了容差─故障电路可诊充要和充分条件，讨论了定位故障的极值法和阈值法的有效性、局限性，及提高定位准确率的可能途径。     

基于Lyapunov指数的非线性模拟电路故障诊断方法

本文介绍一种基于计算最大Lyapunov指数的非线性模拟电路故障诊断方法，它应用混沌方法对一个变周期的多谐振荡器的输出信号进行处理，利用数据替代法生成电路故障数据，借助于小数据量法计算相应的最大Lyapunov指数，将这种混沌特性分析应用于强非线性模拟电路的故障诊断，并对混沌时间序列相空间重构中的延迟时间间隔和嵌入维数的选取方法进行了讨论；结合实例对该方法进行了计算验证。     

容差模拟电路的K故障模糊屏蔽诊断算法

文章对容差模拟电路的K故障模糊屏蔽诊断算法进行了详尽的研究，所提算法计算量小，诊断速度快，可信度高，将K故障模糊屏蔽诊断法朝实用化的方向推进了一大步。     

模拟电路的模块级故障诊断

本文以多端口元件或子网络为基本单元，提出了一种模块级故障诊断方案，这种方案的故障模型更符合电路的实际情况，因而具有更广泛的实际意义，文中首先推导了模块故障诊断议程，并对模块故障可测性问题进行了一般性讨论。然后，给出了模块故障可测的几个拓扑条件，并通过定义广义独立通路使这些拓扑条件适用于一般的非互易网络。