模拟电路层次聚类故障分析与马氏距离故障诊断

基于聚类分析与马氏距离,提出了一种模拟电路故障分析与故障诊断的方法。首先简述了层次聚类分析与马氏距离的基本原理。然后通过一个模拟电路故障诊断实例,验证本文的有效性。首先给出一个模拟电路图,对该电路的常见故障状态进行仿真,获取将来进行聚类分析与故障诊断的样本。然后对采集的样本进行聚类分析,验证聚类算法对各种故障分类能力,并且计算各类故障的样本平均值。最后随机仿真一种故障,计算当前电路状态与各类故障之间的马氏距离,实现模拟电路的故障诊断。实例表明,本方法能够准确清晰地辨别模拟电路的各类故障,仅需少量样本即可获得各种状态的典型参数,对模拟电路进行客观有效的故障诊断。     

模拟电路故障重叠诊断方法研究

在实际的模拟电路中,电路故障种类很多,但是测试节点的数目是有限的,导致了不同的故障类之间可能存在重叠现象。对于故障重叠问题,采用常规的马氏距离诊断方法,误诊率会很高。阐述了误诊对后期电路改善的严重后果,说明通过降低故障分辨率提高故障诊断正确率是有意义的,提出在进行故障判定时不仅仅考虑最优值还要考虑最优与次优的优劣程度,结合马氏距离故障诊断方法距离进行具体说明,最后对具体电路进行分析,验证了本文的有效性。     

非线性电路多软故障的智能优化递阶特征选择诊断方法*

针对非线性模拟电路的多软故障诊断中由于部分状态特征近似而影响诊断准确率的问题,在不提高电路信息采集工作量的情况下,采用分层诊断的思路,提出了基于Wiener核的智能优化递阶特征选择方法。该方法在获得电路各种状态的Wiener核后,采用智能优化算法对各状态的核特征进行特征选择,以代表各状态的特征构成的矢量的集总欧氏距离为评价函数,对集总欧氏距离的最大值进行寻优得到最优解;再对各个特征矢量间的距离进行判别,找到相互距离小于设定阈值的各个状态,构成次阶故障状态类,对该类故障状态采用前述的方法进行智能优化故障特征选择,得到次阶各状态的最优特征矢量;以此类推,直到得到满意的分辨率为止。实验表明,该方法有效地提高了多软故障诊断的准确率。     

基于小波分析和克隆选择算法的模拟电路故障诊断

提出一种基于人工免疫系统的模拟电路故障诊断新方法.该方法首先对电路输出节点的电压信号进行小波分解,提取各频段的能量作为故障样本;然后利用人工免疫算法对每类故障的故障样本进行自学习,得到该类故障的最优聚类中心;最后计算故障样本和学习得到的聚类中心的距离对电路故障样本进行分类,从而实现故障元件定位.计算机仿真实验结果表明,该方法对容差模拟电路故障定位具有较高的准确率.     

基于小波和马氏距离的电力电子电路故障诊断

基于小波分析和马氏距离,提出了一种电力电子电路故障诊断的方法,并应用于DC-DC变换电路.首先仿真所有故障模式下的电路,对采样所得输出数据进行小波分析,提取特征向量以简化数据,并计算特征向量的重心及协方差矩阵的逆作为最终的故障特征建立故障字典.然后在诊断时,测量未知故障电路数据,采样并进行小波分析,只要计算未知故障与故障集之间的马氏距离就可以判断待测电路的故障.这种方法覆盖了参数性故障及结构性故障这两方面,并且通过实例表明可以达到较高的故障检测率.     

马氏距离在模拟电路硬故障检测中的应用研究

针对模拟电路硬故障检测问题,提出了一种基于马氏距离的快速检测算法,并利用pspice电路仿真软件对一个二阶滤波电路进行了电路建模及故障检测仿真.在pspice环境下,进行含容差待测电路无故障和各故障模式下的蒙特卡洛仿真,选取输出电压作为采样点,利用输出电压的小波分解系数求出无故障态和各故障模式下的时-频马氏距离,并以此作为电路故障判据.matlab下的计算结果显示,这种故障检测算法对模拟电路硬故障具有良好的检测能力,故障诊断正确率可达92%以上,且具有算法简单、计算量小的优点.     

基于人工免疫分类算法的电力变压器故障诊断

基于人工免疫识别原理提出一种电力变压器故障诊断方法。该算法模拟自然免疫中抗原和B细胞相互作用机制,将故障样本(变压器油中溶解气体体积)作为抗原,用加权欧氏距离计算亲和力,兼顾分量单项超标故障信息,通过免疫训练,获取表征故障样本的人工识别球集合,再用最邻近分类法对故障样本分类。实例表明,该算法能有效识别变压器故障,具有较高的检测准确率,在电力变压器故障诊断中有良好的应用前景。     

克隆选择优化的SVM模拟电路故障诊断方法

对基于克隆选择算法的支持向量机(SVM)参数优化、及其在模拟电路故障诊断中的应用进行了深入研究,故障诊断实现步骤为:首先对电路的各种故障模式进行蒙特卡洛仿真分析,利用小波分解提取输出信号的各频段能量,进行归一化处理后得到故障特征样本;然后应用克隆选择算法进行SVM参数优化,并将选定的参数用于SVM的训练;最后采用训练好的SVM对故障样本进行分类,从而实现故障判定。论文以CTSV滤波电路和螺距反馈电路为诊断实例进行了实验验证,结果表明对容差模拟电路的故障定位具有较高的准确率。     

欧氏距离二叉树向量机的变压器故障诊断研究

依托欧氏距离和支持向量机理论,提出了基于欧氏距离的二叉树支持向量机变压器故障诊断方法,建立了基于欧氏距离的二叉树支持向量机故障诊断模型,最后进行了仿真。结果表明,基于欧氏距离的二叉树支持向量机的变压器故障分类模型不但具有较高的分类准确率,而且能够有效的减小基于二叉树支持向量机故障诊断时误差累计现象的发生。     

基于灵敏度特性函数的特征提取与故障诊断

为解决电路故障诊断时故障可靠分类以及特征信息有效提取的问题,提出了一种基于灵敏度特性的故障样本分类和故障特征信息提取方法。基本思想是通过电路的特性分析和灵敏度的计算,进行故障样本的分类及优化,再根据灵敏度的计算结果提取相应特征信息。以此构造故障样本特征集,然后作为BP神经网络的输入对网络进行训练与诊断。对滤波器的仿真结果表明,该方法构造的样本集训练出来的神经网络,对模拟电路故障诊断的平均正确率为85%,优于传统方法。     

基于小波神经网络的模拟电路故障诊断改进

在运用神经网络进行模拟电路故障诊断的过程中,代表着故障特征的网络输入至关重要,由于小波变换的时频局部化和多尺度分析等特性,将两者结合起来,通过小波变换对模拟电路的输出响应进行故障特征提取,同时解决PSPICE与MATLAB之间的数据通信问题,提出将蒙特卡罗分析产生的所有训练样本经过处理后输入到一个神经网络进行训练的方法,从而避免了训练多个神经网络。利用神经网络对各种故障模式进行分类,实现模拟电路的故障诊断,并进一步与传统的BP网络故障诊断法进行比较。仿真结果表明,该方法可以实现故障检测及定位,诊断的准确率显著提高,适用于模拟电路故障诊断。     

基于退火遗传混合算法的模拟电路诊断激励优化

本文提出基于Volterra核和模拟退火遗传混合算法的模拟电路故障诊断激励优化方法.在以Volterra核为特征向量的模拟电路故障诊断中,以相同激励信号下电路各故障状态的特征向量的集总欧氏距离作为适应度函数,对用于激励的多频正弦信号的参数进行优化,首先利用模拟退火算法形成精英团队,然后利用遗传算法寻找最佳激励信号的参数,从而提高故障诊断的效率.文中给出了退火遗传混合算法的优化方案和流程,并通过实例加以验证.     

基于MODWPT与LFDA的模拟电路故障诊断

在模拟电路故障诊断过程中,存在故障特征信息提取不充分以及特征信息冗余的问题,对此,提出一种基于最大重叠离散小波包变换(MODWPT)与局部Fisher判别(LFDA)的模拟电路故障诊断方法。该方法中,首先利用MODWPT进行模拟电路原始信号处理与故障特征提取;随后,针对高维特征集中存在冗余信息,不利于模式识别与分类,利用LFDA方法进行降维,获取更有益于故障模式识别的低维特征集;最后,支持向量机(SVM)作为故障模式识别分类器,在此基础上构建模拟电路故障诊断模型。电路仿真实验结果表明,所提出方法的最大故障诊断准确率可达99.17%,从而验证了所提方法的有效性。     

Fault modeling on complex field using least‐square circle fitting for linear analog circuits

A new fault modeling method using least‐square circle fitting (LSCF ) for linear analog circuits is proposed in this paper. In this method, Monte Carlo simulation is used to obtain the output voltage values when the parameter of one faulty component is changed while those of the other components vary within their tolerance limits. All the output response voltage values for every faulty circuit statue are decomposed into real and imaginary parts on a complex field. Then, LSCF method is adopted to match these data, yielding a corresponding circular curve on complex plane, which also can be expressed with a circular function. Its center coordinates and radius are established as the fault features. During measurements, by calculating the distance from one real output to each circular center coordinate and comparing the distance with each circular radius, a faulty component can be diagnosed. The effectiveness of the proposed approach is verified by experiments. The results show that (i) the proposed fault modeling can accurately locate the fault component, and (ii) it can also simply be a fault dictionary. © 2017 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

大规模容差模拟电路多故障诊断法

本文研究了大规模容差模拟电路的多故障诊断问题,针对交流、直流线性电路和非线性直流电路,考虑了测试点数目有限以及元件容差存在的情况下的电路故障诊断,采用了一种基于线性程序概念的子网络级故障诊断算法来确定元件的实际参数是否在容差范围内或者某些元件是否有故障.文中提及的几个测试方程在定义可能的故障元件中起了关键性作用,并详细阐述了二重故障的诊断原理,且给出了三重故障的诊断公式.该方法大大减少了大规模网络故障诊断计算量,快速有效的定位故障元件.最后用实例说明了该法的有效性.     

基于BP网络的容差模拟电路故障诊断研究

传统模拟故障诊断多采用K故障诊断法,即在已知拓扑结构和元件参数的标称值前提下,不必对故障进行模拟,就可以计算出各元件发生故障的统一特征,找出故障位置.但对于有容差干扰的电路检测速度将会变慢,甚至影响检测效果的可靠性.鉴于此,引进BP神经网络,将K故障诊断法与BP网络相结合,用于容差模拟电路故障检测,其方法具有实时诊断性和鲁棒性特点.故障诊断实例和计算机仿真结果证明,本文所提出的观点是可行的.