基于红外热图的机载电路板故障模式诊断研究

作为一种新型的非接触式检测方法,基于红外热成像技术的机载电路板故障模式诊断方法受到越来越多的关注.本文针对传统基于红外热图的电路板故障检测算法中存在的缺陷,提出一种结合红外图像分割、热阻网络、支持向量机SVM(Support Vector Machine)与D-S证据理论的故障检测算法.首先,通过红外图像分割完成目标芯片区域温度提取,应用热阻网络模型对目标区域温度信息进行优化;其次,提取温度信息特征向量分别输入对应的初级SVM诊断模块,输出各故障模式的加权基本概率分配值BPA(Basic Probability Assignment);最后,应用D-S证据理论对各证据体加权BPA进行数据融合,输出融合后的故障诊断结果.实验结果表明,本文算法加强了有效证据体对诊断结果的正面影响,削弱了无效证据体的负面影响,大幅度提高了机载电路板故障模式诊断准确度.     

印制电路板红外热图的定量分析

简要叙述印刷电路板红外热图定量分析的难度、探索试验情况、解决措施和应用结果。     

基于CSO算法优化支持向量机的变压器故障诊断

文章对油色谱数据气体含量分析,选择以混合特征量为新的数据组,将鸡群算法(chicken swarm optimization,CSO)与支持向量机方法相结合,构建了一个由鸡群算法优化支持向量机方法的变压器故障诊断模式。算法充分利用CSO优化SVM的参数,同时引入自适应惯性和偏好随机游走权重对种群位置更新上进行优化以获取具有最佳参数的支持向量机模型。仿真结论表明,改进鸡群算法故障诊断模型与粒子群算法故障诊断模型相比在较短的时间内达到最优收敛,同时使故障诊断精确率得到明显提高。     

基于超声锁相热像技术检测缺陷的热图序列处理

超声锁相热像是以超声频振动做激励源并采用锁相方法对热图信号进行处理,得到热图序列的幅值和相位来判定缺陷的一种红外热像无损检测技术.它能够有效地检测各种材料内接触界面类缺陷.为了提高对缺陷的检测效率和探测能力,基于超声锁相热像技术,对采集的瞬态热图序列进行处理,采用时频分析方法提取瞬态热图序列的相位和幅值.研究固定分析窗宽(分析长度)时窗中心时刻(分析时刻)对检测结果的影响.采用超声红外锁相热像技术对A3钢板材微裂纹进行检测试验研究,结果表明,瞬态热图序列的时频分析方法能够准确检测金属板材的微裂纹缺陷.     

电力设备IR图像特征提取及故障诊断方法研究

针对电力设备红外图像批量诊断中故障特征参量提取及参数配置难题,采用粒子群算法(PSO)与Niblack算法相结合的方法,将设备热像从背景中分割出来并提取出设备的最低、最高及平均温度等参量,通过计算设备各温升特征,构建支持向量机(SVM)样本特征空间。采用优化的蝙蝠算法(BA)对SVM参数进行寻优,并利用最优参数配置下的SVM实现设备故障诊断。对220组图像样本测试结果表明：该红外图像故障诊断方法在电力设备热故障缺陷检测方面的效率及准确率较高,适用于电力大数据中非结构化红外图像的批量分析与处理。     

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。     

基于量子粒子群优化的SVM的模拟电路故障诊断

相比于小波变换,小波包变换具有较高的分辨率和细致的分析能力,是小波变换的延伸和发展。支持向量机具有较好的泛化能力,能够应用于模拟电路的故障诊断。鉴于支持向量机参数难以确定的问题,采用量子粒子群优化算法选取支持向量机的参数,将优化后的支持向量机与小波包变换相结合,利用小波包变换提取电路的故障特征,然后通过优化后的支持向量机对特征向量进行分类识别。最后通过对实例的分析,验证该方法的有效性。     

基于微粒群算法的LS—SVM时间序列预测

将微粒群算法引入到最小二乘支持向量机(LS-SVM)时间序列预测,建立预测模型。思路来自微粒群算法可以在超平面空间中实现优化搜索,因此,将微粒群算法中的微粒运动公式进行修正,从而实现对LS-SVM的训练。然后用训练过的LS-SVM进行预测,即得到最终结果。将此方法应用于销售量预测,结果表明,此模型有更高的预测精度,而且在不同的LS-SVM学习参数下模型的误差相对稳定。     

基于PSO-SVM模型的液压系统故障诊断

针对液压系统在使用中故障频率较高、诊断方法受各种因素影响以及诊断准确率较低等问题,提出一种新的基于PSO-SVM模型的液压系统故障诊断方法.该方法首先对采集的故障信号数据进行预处理,使用自适应噪声完备集合经验模态分解(Complete EEMD with Adaptive Noise,CEEMDAN)结合模糊熵的方法进...     

基于SVM的焊缝缺陷检测技术算法研究

随着计算机模式识别技术的发展,计算机智能化评片的方法逐渐开始应用到焊管焊缝等重要行业的检测领域。文章采用支持向量机的训练方法应用于焊管焊缝的缺陷识别,并采用粒子群算法进项参数寻优,结果实现了缺陷种类的高效率划分。     

基于多特征融合的红外图像分类研究

针对传统红外图像目标分类方法准确率低的问题,提出了一种用结合多特征融合的粒子群优化(Particle Swarm Optimization, PSO)算法来优化支持向量机(Support Vector Machine, SVM)的方法。该方法采用方向梯度直方图(Histogram of Oriented Gradient, HOG)和局部二值模式(Local Binary Pattern, LBP)两类特征描述红外图像中目标的轮廓特征和局部纹理,从不同的方面展现红外图像的特点,在图像的特征表达上具有一定的互补性。在特征提取后对样本数据进行凸包算法计算,得到一些具有代表性的样本数据,从而提高分类计算效率;在分类模型训练时,采用PSO算法优化SVM,寻找SVM的最优惩罚因子和核参数,从而提高分类模型的准确率。实验结果表明,多特征融合的分类模型的准确率比单一特征的分类模型提高近10%,且经PSO优化的SVM最终模型的分类准确率高达99%。     

基于红外热图像的故障诊断方法综述

作为一门新兴的无损检测技术,红外故障诊断技术近几年得到了飞速发展。与传统的故障诊断相比, 红外故障诊断具有非接触、灵敏度高等一系列优点,所以它在故障诊断中的应用日益广泛。对于缺陷故障的定量检测问题, 人们已提出了各种方法,建立了待测缺陷大小与其在红外热图像中亮度高低关系的理论模型。每种方法都有缺点及局限性。 对于不同缺陷的定量检测,至今仍没有一个通用的理论模型。     

基于IDDT和SVM的混合电路故障诊断探究

混合电路待测数据受限,存在故障诊断速度较慢、效率有限等问题,提出了一种基于动态电流测试结合支持向量机的混合电路故障诊断方法,其基本思想是运用小波分解提取混合电路动态电流的有效信息,再融合SVM进行故障诊断。采用标准样本Iris数据集研究、确定了多类支持向量机的算法,采用高斯径向基核函数,运用改进的网络搜索方法进行了粗搜索和细搜索,以确定出SVM的最佳参数对。PSPICE及MATLAB软件对混合电路实例的仿真表明,该方法模式识别能力较强,可改善BP神经网络的收敛速度慢和容易陷入局部极小值等不足,适用于混合电路故障的快速准确诊断。     

基于IDDT和SVM的混合电路故障诊断探究

混合电路待测数据受限,存在故障诊断速度较慢、效率有限等问题,提出了一种基于动态电流测试结合支持向量机的混合电路故障诊断方法,其基本思想是运用小波分解提取混合电路动态电流的有效信息,再融合SVM进行故障诊断。采用标准样本Iris数据集研究、确定了多类支持向量机的算法,采用高斯径向基核函数,运用改进的网络搜索方法进行了粗搜索和细搜索,以确定出SVM的最佳参数对。PSPICE及MATLAB软件对混合电路实例的仿真表明,该方法模式识别能力较强,可改善BP神经网络的收敛速度慢和容易陷入局部极小值等不足,适用于混合电路故障的快速准确诊断。     

Soft Fault Diagnosis of Analog Circuit Based on Particle Swarm Optimization

A single soft fault diagnosis method for analog circuit with tolerance based on particle swarm optimization （PSO） is proposed. The parameter deviation of circuit elements is defined as the element of particle. Node-voltage incremental equations based on the sensitivity analysis are built as constraints of a linear programming （LP） equation. Through inducing the penalty coefficient, the LP equation is set as the fitness function for the PSO program. After evaluating the best position of particles, the position of the optimal particle states whether the actual parameter is within tolerance range or not. Simulation result shows the effectiveness of the method.     

基于参数优化支持向量机的火焰图像识别

图像型火灾探测的主要问题是关于火焰和干扰物的识别。通过提取火灾图像特征,利用支持向量机来进行识别。为提高火灾准确预报率,用参数优化后的支持向量机来预报。提出一种混沌粒子群算法对支持向量机进行参数优化。实验表明,改进的粒子群算法比传统方法的火灾准确预报率有大幅提高,可以进一步降低火灾探测系统的误报。