模拟电路的一种故障智能诊断方法与仿真

该文提出了一种基于波变换和神经网络的智能故障诊断方法,给出了容差情况下的仿真诊断例子,该方法无需被检测系统的数学模型,具有实时性好,自动化程度高,准确率高的特点。     

现代模拟电路故障诊断方法综述

模拟电路故障诊断技术近年来得到了迅速发展，取得了许多可喜的成果。该文探讨了这一领域中一些重要的热门研究问题，主要包括：基于专家系统、神经网络、模糊理论、小波变换等理论发展起来的模拟电路故障诊断的新理论和新方法；重点介绍了作者总结的上述各种方法的基本原理、优缺点及其发展现状；对其他一些智能方法也进行了简要介绍；最后指出了模拟电路故障诊断技术的发展趋势。     

基于多小波变换的模拟电路IDDT故障诊断

动态电源电流测试（IDDT）对模拟电路故障诊断非常有效。针对小波神经网络在模拟电路IDDT故障诊断中存在的缺陷,提吐了一种基于多小波变换的模拟电路IDDT故障诊断方法。即利用多小波变换提取电源电流各频段的能量,作为神经网络的输入特盘向量进行故障诊断。仿真结果表明,该方法是有效的,而且比小波神经网络方法的收敛速率快。     

基于多小波变换的模拟电路IDDT故障诊断

动态电源电流测试（I_DDT ）对模拟电路故障诊断非常有效。针对小波神经网络在模拟电路I_DDT故障诊断中存在的缺陷,提出了一种基于多小波变换的模拟电路I_DDT故障诊断方法。即利用多小波变换提取电源电流各频段的能量,作为神经网络的输入特征向量进行故障诊断。仿真结果表明,该方法是有效的,而且比小波神经网络方法的收敛速率快。     

基于神经网络的大规模模拟电路故障检测系统

设计了一个基于小波和神经网络的信号处理系统,该系统主要针对大规模模拟电路故障检测。针对传统诊断技术的局限性,讨论了利用神经网络方法分级诊断大规模模拟电路软故障的方案,通过小波变换提取故障特征,并利用神经网络的非线性映射特性逼近故障诊断模型。诊断结果表明基于人工神经网络的电路故障诊断方法是行之有效的。此方法具有广阔的应用前景,为大规模模拟电路故障诊断提供了新的理论依据和检测方法,并有希望研制成一套高效的检测设备。     

基于神经网络自学习的模拟电路故障诊断方法

由于传统方法在模拟电路故障诊断中应用效果不佳,不仅错误诊断数量较多,而且故障诊断用时较长,无法达到预期的故障诊断效果,提出基于神经网络自学习的模拟电路故障诊断方法。将模拟电路等效为一个双端口网络,利用便携式模拟仪器采集双端口网络运行数据,通过小波变换信号提取模拟电路信号时域特征和频域特征,利用神经网络自学习模型卷积运算信号特征,诊断并识别电路故障。经实验证明,设计方法错误诊断数量占总样本数量的比例较小,诊断用时较短,在模拟电路故障诊断方面具有良好的应用前景。     

基于小波变换多分辨率特征提取的模拟电路故障诊断方法研究

提出一种基于小波变换多分辨率特征提取的模拟电路故障诊断的方法。该方法先对采样后的故障信号进行小波分解,提取各频段系数作为特征向量输入到神经网络进行训练。通过带通滤波器电路诊断的实例,阐述该方法的具体实现,验证该方法可以有效地简化神经网络结构和减少它的训练时间,快速高效地进行模拟电路故障的诊断和定位。     

一种基于模糊神经网络的模拟电路故障诊断方法

提出了一种采用小波分析与遗传算法相结合的模糊神经网络对模拟电路进行故障诊断的新方法。该方法采用基于小波分析的主成分分析方法对网络的训练样本进行预处理,提取优化向量后利用遗传算法对模糊神经网络进行训练。对两个模拟电路的诊断实例表明该方法故障覆盖率高,并能有效诊断出同类方法误诊的故障类型。     

模拟电路故障诊断方法的创新

一般来讲,模拟电路故障诊断的方法可以分为估计法,测试前模拟法和测试后模拟法三大类。小波变换等来对电路故障信息进行特征提取,对模拟电路瞬态信号的提取、消除电路噪声和模松电路特有的元件参数容差具有良好的效果。     

基于小波变换和支持向量机的模拟电路故障诊断方法研究

提出一种利用小波变换提取模拟电路故障特征和基于支持向量机状态分类的模拟电路故障自动识别和诊断方法。首先讨论小波变换的基本原理和支持向量机原理及其多分类算法,同时着重研究支持向量机的一种改进型一对多故障分类算法,然后实现在小波变换上,采用分布式多SVM分类器识别单相桥式整流模拟电路的故障。实验证明,该方法能准确有效地对模拟电路故障进行识别和诊断。     

基于S变换和小波神经网络的容差模拟电路故障诊断

提出了一种结合S变换和小波神经网络的容差模拟电路故障诊断新方法;该方法通过对被测电路的冲激响应进行S变换,提取信号的时频信息做为特征量,并将所提取的特征量做为小波神经网络的输入进行训练并分类;仿真实验结果表明该方法诊断速度快且故障定位准确率高,在噪声影响、故障类型的特征向量重叠率高以及可测节点不足的情况下,具有良好的故障识别效果。     

基于小波网络的飞控系统故障仿真建模及诊断

选择以Sigmoid函数为基础的小波基波函数构造了一个小波神经网络,用此网络对某型飞机飞控系统中的作动器三种故障进行诊断,仿真结果表明该小波神经网络的泛化性及诊断能力均强于传统的BP神经网络。     

基于故障树和双向联想记忆神经网络的桥式起重机故障诊断方法

针对桥式起重机的故障诊断系统,提出一种基于故障树(FTA)和双向联想记忆神经网络(BAM)相结合的故障诊断方法。通过FTA建立系统故障树,收集桥式起重机所有故障模式,进而归纳出BAM的学习样本,然后对样本学习联想,得到系统诊断结果。两种方法的结合,不但可完成单个故障的诊断,还可实现多种故障的综合处理,提高诊断能力。     

基于一种新型粗糙集神经网络的故障诊断

分析了粗糙集与神经网络各自的优缺点,结合粗糙集与神经网络提出了一种基于SOFM网络的新型粗糙集神经网络,给出了该网络的流程图,描述了系统各组成部分的工作原理。应用一实例验证了该网络在故障诊断中的有效性。结果表明,新网络较好地解决了训练样本的大小、样本质量等对人工神经网络的精度以及泛化能力有直接影响的问题,简化了神经网络的结构,缩短了训练时间,并实现了结果可视化,最后得到了故障可视拓扑映射图。     

基于Gabor小波变换册的齿轮故障诊断方法

齿轮产生局部故障时,失效的轮齿间断地进入啮合,产生冲击振动,使得齿轮振动信号包含了非平稳或时变成分.基于平稳信号处理的传统方法无法全面反映信号的时变特性.作者研究了Gabor小波变换册方法,Gabor小波变换册是小波变换的推广,它是时间-频率-尺度三维空间上的线性变换,它有机结合了小波变换与Gabor变换,具有对非平稳信号的强大分析功能,利用其作信号的谱估计,不仅具有小波变换谱估计方法高频率分辨率的优点,而且不受信号频率范围宽窄的限制,可以根据需要自由地选择尺度参数,谱估计值准确有效.利用Gabor小波变换册作齿轮故障信号的谱估计,比经典的自功率谱估计在齿轮局部故障诊断中能取得更好的效果.文中并对该方法进行了仿真和实验验证,仿真和实验数据的分析结果表明这些方法可突出齿轮的边频带结构,适用于齿轮的局部故障诊断,具有一定的应用价值和更深入的研究价值.     

多重故障诊断方法研究

针对复杂系统故障模式较多时难以满足实时性的要求,对传统降阶观测器的诊断方法进行了改进,提出了基于动态观测器的诊断方法。该方法通过设计一个动态观测器去检测一系列故障,其效果等同于使用了一族观测器。当把耦合故障表示成故障信号的组合时,该方法可推广到耦合故障的诊断中。     

基于仿真模型的蒸汽管网故障诊断研究

运用先进的化工工艺流程模拟软件PipePhase建立蒸汽管网的仿真模型,对管道泄漏、保温层因腐蚀而导致保温性能降低两种故障进行仿真试验,建立起诊断知识库,综合运用流量平衡法对两种故障进行诊断,并基于压力梯度法提出了一种解直线方程组的方法对泄漏进行定位,最后得出了故障诊断总体方案流程图。     

基于PCA和PNN的发动机故障诊断研究

本文提出了一种基于主成分分析（PCA）和概率神经网络（PNN）的故障诊断方法。该方法首先利用PCA分析建模消除变量之间的非线性关联,降低噪声的影响,在保证数据信息丢失最少的情况下,大大降低了原始数据空间的维数,然后利用概率神经网络对降维后的数据进行模式分类,最后结合某汽车发动机的故障诊断进行仿真研究。仿真结果表明,该方法是有效可行的。     

基于虚拟仪器的液压故障诊断系统设计

本文结合军用车辆综合传动装置液压故障诊断的需求设计了液压故障诊断系统。系统设计中结合了LabVIEW和MATLAB的优点,在LabVIEW软件框架下调用MATLAB,实现了系统良好的可操作性和全面的分析功能。     

BP神经网络在柴油机涡轮增压系统故障诊断中的应用

将BP神经网络应用于柴油机涡轮增压系统的故障诊断。简要介绍了BP神经网络的基本原理和算法,采用BP算法对网络进行训练、学习,可以识别柴油机滤清器堵塞、空冷器空气测流阻增大、气缸进排气堵塞及废气涡轮流阻增大四种故障,诊断结果和实际结果非常吻合,诊断结果可靠性强,并可以准确预计故障等级。