基于深度学习的模拟电路故障诊断方法

针对模拟电路的故障诊断问题，提出了一种基于深度学习的故障诊断方法。首先测量模拟电路各个故障类别的脉冲响应数据，随后应用深度学习中深度信念网络方法进行特征提取，最后将提取的特征用于建立基于极端学习机的故障诊断模型。从而对模拟电路的各个故障类别进行区分，通过四运放双二阶高通滤波器电路的故障诊断实验对提出的故障诊断方 法进行了验证，通过对比实验表明，提出的基于深度信念网络的故障特征提取方法明显优于传统的基于小波分析的故障特征提取方法，有助于提高模拟电路故障诊断正确率。     

基于RS-PSO-SVM集成的模拟电路软故障诊断

针对模拟电路软故障诊断准确度不高的问题,提出一种基于粗糙集(RS)-粒子群算法(PSO)-支持向量机(SVM)集成的模拟电路软故障诊断方法。首先利用粗糙集理论对采集的模拟电路软故障特征信息进行维数约简,然后利用粒子群算法对支持向量机的参数进行优化,以提高支持向量机分类器的诊断性能,最后进行故障诊断。对四运放双二次高通滤波器进行仿真,实验结果表明,基于RS-PSO-SVM集成的模拟电路软故障诊断方法是有效的。与其他常用方法相比,该诊断方法具有更好的故障诊断性能。     

一种基于神经网络的模拟电路故障诊断方法

模拟电路故障诊断一直是一项富有挑战性的研究课题。文章在简要介绍BP神经网络基本原理的基础上,以差分放大电路为例,设计并实现了基于BP算法的模拟电路故障诊断方法,建立了模拟电路故障诊断BP神经网络模型。实验表明,该模型的辨识精度高,能实现对模拟电路故障的正确诊断。     

模拟电路故障诊断的PSpice与Matlab仿真分析研究

根据模拟电路故障诊断中的测前模拟诊断SBT法,本文采用PSpice对待测电路CUT故障进行模拟仿真,通过小波包分析和信息熵方法提取故障电路输出信号的特征向量,利用Matlab设计的神经网络算法构建故障分类器并对电路故障进行识别与诊断。仿真实验结果表明将PSpice与Matlab相结合的诊断方法能够有效地诊断模拟电路故障,为模拟电路故障诊断的教学和科研提供参考。     

超容差条件下的电路软故障信号诊断方法研究

针对现行模拟电路故障诊断方法大多是针对电路中的硬故障而难以发现软故障的问题,利用小波信号的局部特征表征能力,对模拟电路故障诊断中的软故障信号进行了预处理和特征提取,获取信号中突变点的位置判定其奇异性;利用模拟电路软故障信号的局部突变特性,将正常信号和软故障信号的小波系数进行了比较分析.以带通滤波器作为电路仿真对象,对基...     

粒子群算法优化特征和神经网络的模拟电路故障诊断

模拟电路受到自身特性和外界环境的影响,故障变化具有非线性、时变性,针对当前模拟电路故障诊断模型的特征和分类器参数不匹配的难题,提出一种粒子群算法选择特征和神经网络的模拟电路故障诊断模型。首先对当前模拟电路故障诊断现状进行分析,指出它们存在的缺陷;然后提取模拟电路故障诊断特征,利用神经网络作为模拟电路故障诊断分类器;最后采用粒子群算法对模拟电路故障特征与神经网络参数进行优化,在Matlab 2012平台进行了仿真实验。结果表明,该模型的模拟电路故障诊断性能要远远优于其他参比模型,具有广泛的应用前景。     

基于PCA-LVQ的模拟电路故障诊断

为了解决模拟电路故障难于识别的问题,提出一种基于主成分分析(PCA)和学习矢量量化神经网络(LVQ)的模拟电路故障诊断新方法。该方法用PCA提取模拟电路故障特征,然后将降维后的故障特征信息输入LVQ网络训练和故障模式的分类识别。通过对Sallen-Key带通滤波器电路的故障诊断实例表明,该方法是有效的,具有较高的故障诊断率。     

模拟电路故障实时诊断的滤波器方法

本文讨论了一种模拟电路故障实时诊断的滤波器方法,该方法首先用状态空间模型来描述模拟电路,然后利用强跟踪滤波器对模型进行状态与参数联合估计,再利用修正的Bayes分类算法对故障进行检测与分离,从而实现故障的实时诊断.实验结果证明了本方法是有效的.     

基于LMD和SVM算法的模拟电路故障诊断

对模拟故障电路进行特征提取与分类是模拟电路诊断的两个重要环节。现有方法多对时域响应信号进行小波变换以提取故障特征,并用神经网络或支持向量机方法实现对故障进行分类。为提高模拟电路故障诊断率,提出一种局域均值分解(LMD)与SVM相结合的新算法。该算法运用局域均值算法(LMD),将其自适应地分解为一系列单分量调幅-调频信号(PF),通过提取电路正常和故障状态的特征,运用SVM对其分类,获得诊断效率。仿真实验结果表明,该方法对模拟电路的故障诊断精度达到98%以上,适用于模拟电路的故障诊断。     

模拟电路故障诊断中最优特征提取方法的研究

传统的模拟电路故障诊断方法有很多种,传统方法诊断的成败主要取决于模拟电路故障诊断的优化模型,而且模型一旦确定就无法更改,缺乏诊断的灵活性。本文将主要对模拟电路故障诊断中的最优特征提取方法进行研究。