模拟电路故障诊断的新方法

本文所提出的线性模拟电路故障诊断的新方法是在应用特勒根定理的同时,采用多频率测试信号,使可测端口数 m 与所用不同频率的测试信号数 f 之积,大于同时发生的故障元件数 k,即 fm>k,就可决定故障元件的位置及其参数值。因为f 是可以任意扩大的,所以本方法原则上可以诊断绝大多数模拟电路的多重故障。     

模拟电路故障诊断的新方法

本文所提出的线性模拟电路故障诊断的新方法是在应用特勒根定理的同时,采用多频率测试信号,使可测端口数m与所用不同频率的测试信号数f之积,大于同时发生的故障元件数k,即fm>k,就可决定故障元件的位置及其参数值。因为f是可以任意扩大的,所以本方法原则上可以诊断绝大多数模拟电路的多重故障。     

电路故障诊断的方法

讨论电路的故障诊断,主要是对模拟电路的故障激励法进行分析.电路中故障的实质是电器元件参数的变化,远远偏离标准值.故障诊断是通过检测电路端口电压、电流的变化,判断电路内中哪些元件发生了变化.由于这一变化是由故障元件引起的,因此可以把它看作是一特定的响应.故障激励法是将故障引起的这一响应等效为网络内故障的激励;把故障造成变化的响应看作是特定的激励.     

基于DDVS的非线性电路故障诊断

针对故障状态下非线性强弱变化造成的参数估计数值稳定性问题,提出了基于动态增量Volterra级数（DDVS）的非线性电路故障诊断方法。首先讨论DDVS核与Volterra核的对应关系,分析DDVS在参数估计中的数值稳定性问题;再提出基于DDVS参数估计的故障特征提取方法。通过仿真说明：该方法能有效协调截尾误差与数值稳定性之间的矛盾;具有较好的准线性化分解能力。     

模拟电路多故障诊断的神经网络法

模拟电路多故障诊断的神经网络法刘耀年，宗伟（电力工程系）１前言模拟电路故障诊断理论经过二十多年的发展，出现了很多方法，总的看诊断方法可分为测前模拟ＳＢＴ（ＳＡｎｕｌａｔｉｏｎＢｅｆｏｒｅＴｅｓｔ）和测后模拟ＳＡＴ（ＳＡｎｕｌａｔｉｏｎＡｆｔｅｒＴｅｓ...     

含不可及节点非线性电路故障诊断

电路故障诊断和如何建立各种电路的诊断议方程是科技工作者努力探索的课题。对含不可及节点的非线性电路故障诊断的研究在近几年越来越被重视,但还不够完善。本文阐述我们对含不可及节点的模拟电路的诊断所提出的较实用的方法,并说明电路中存在非线性元件时,如何建立诊断方程。     

基于信息融合的控制系统中模拟电路故障诊断

针对控制系统中的模拟电路具有多种工作状态的特殊情况和故障诊断过程中的不确定性问题,提出了模糊一神经网络信息融合算法．给出了该算法的基本模型和应用于控制系统中模拟电路故障诊断的一般规律,通过将电路不同工作状态下的有效信息进行融合,结合模糊信息处理技术和神经网络推理技术,最终实现故障定位．将其应用到某型船舶主机遥控系统中延时电路板的故障诊断系统中,结果表明,该方法能够有效地提高故障模式的识别能力,将故障准确地定位到元器件．     

基于神经网络的模拟电路故障诊断

针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于LM算法的神经网络故障诊断方法;主要包括故障特征的选取以及神经网络的建立.其中网络隐含层节点数的选取采用黄金分割优选法.试验仿真表明,LM算法明显提高了网络训练速度,减少了训练时间,其效果优于标准BP算法,可有效提高故障诊断性能.     

模拟电路故障诊断的神经网络专家系统方法

提出了一种用于模拟电路故障诊断的神经网络专家系统(NNES)方法。利用神经网络、专家系统两种技术的互补性,采用紧密耦合的NNES方法实现模拟电路的故障诊断。同时给出并讨论了该方法的一般结构。实验结果说明了这一方法是可行、有效的。     

一个新的模拟电路软故障诊断字典法

传统字典法用于模拟电路软故障诊断时,由于模糊集中的故障状态的密集性常使故障隔离失败。本文在求解系统参数的基础上,用模糊数学辨识故障,使字典的故障分离度提高。此方法还可以用于软故障的在线诊断。     

一种改进的模拟电路k故障诊断算法

利用元件容差的两个基本特性，给出了一种从总体上估计容差的改进ｋ故障诊断算法，实验结果表明本文算法可以准确地定位故障，且受容差的影响较小。     

遗传神经网络在模拟电路故障诊断中的应用

对模拟电路的故障诊断,本文采用一种将遗传算法和BP神经网络结合的智能诊断方法-GA-BP算法,实现了模拟电路的故障诊断.该方法采用遗传算法优化神经网络的权值和阈值,代替了原来BP网络随机设定的初始权值和阈值,然后再用改进BP算法进行训练.通过仿真结果比较分析,经过遗传算法优化过的神经网络的训练步教大大减少.克服了传统BP算法的收敛速度慢,容易陷入局部极小值的缺点.     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点，提出基于小波神经网络的模拟电路故障诊断方法。采用能量分布特征提取方法和改进BP算法，用正弦信号仿真模拟电路，应用小波变换对模拟电路的采样信号进行多尺度分解，再进行能量分布特征提取，然后利用神经网络对各种状态下的特征向量进行分类识别，实现模拟电路故障诊断。相对于传统的故障诊断方法，用小波变换对故障信号进行预处理，大大减少了神经网络的输入数目，从而简化了神经网络的结构和减少了它的训练时间，并提高了辨识故障类别的能力。对实例电路仿真结果表明，该方法能正确识别各种故障状态，准确率高。     

基于小波变换的神经网络模拟电路故障诊断

对模拟电路提出了一种基于小波变换与神经网络相结合的故障诊断方法,该方法用小波变换对模拟电路故障信号提取小波特征,并经小波变换压缩,再将故障特征量输入至神经网络处理。结果表明,该方法有效地减少神经网络输入层单元数,简化了神经网络结构,提高了故障诊断能力。