种模拟电路参数型故障诊断新方法

模拟电路参数型故障诊断一直是电路与系统无法回避的难题。该文基于被测电路主输出电压信号的时间序列值,建立了一种基于本征值和相位差的模拟电路参数型故障诊断模型。该模型利用故障电路的电压输出时间序列值获取电路的故障相位偏移信息,同时,该模型把电压时间序列变换成一个方阵,并求取该方阵的最大本征值。将故障相位偏移信息和故障最大本征值与通过前期仿真获得的每种器件相对应的无故障最大相位偏移和无故障最大本征值的变化趋势进行比较,实现故障定位和参数辨识。实测实验结果表明:该方法具有定位准确、计算效率高,所需测试点少、参数辨识精度高,易于工程实施等优点。     

模拟集成电路故障诊断与参数辨识的代数方法

为实现模拟电路参数辨识和降低故障诊断成本,提出一种基于矩阵扰动理论的模拟电路故障诊断和参数辨识方法。该方法不同于基于数字信号处理（DSP）与人工智能的方法,而是从代数观点出发,以被测电路响应矩阵的本征值随被诊断器件参数的变化而变化的对应关系为基础,建立故障模型。该模型将故障检测,故障定位和参数辨识一体化处理,具有易于工程实施的优点。实验结果表明该方法的计算时间开销小,可降低测试成本,故障定位和故障参数辨识精度高,实验结果中的最大辨识误差为2.35%。     

一种新的Iddq故障定位算法研究

提出了一种新的基于静态电流检测的故障定位算法,该算法依据输入向量序列的响应和电路的结构特征,通过对DUT电路正常情况下的模拟,可直接计算出可能的故障点,并能够完成多故障的定位。实验结果表明该算法能对桥接故障、漏电流故障等进行有效的定位。     

容差条件下的模拟电路故障诊断方法

指出了线性模拟电路中,测试点电压向量在故障状态下相对于标准状态下的变化量,其向量方向由故障元件在 被测电路中的位置决定。证明了线性电路中节点电压灵敏度向量的方向能够反映故障元件的位置。结合节点电压敏感度向量 的模反映故障元件参数变化量到测试点电压变化量的权重这一特点,以节点电压灵敏度向量为故障特征建立了故障字典。提 出一种容差条件下的故障诊断判定算法,兼顾故障定位和元件的参数变化量,可以有效地实现模拟电路元件参数在一定容差 范围内随机变化条件下的单一软故障诊断。仿真结果验证了该理论的正确性和方法的有效性。     

基于高阶关联矩阵方法的混沌系统参数辨识

为了减小系统非线性和噪声对参数辨识效果的影响,采用缺失变量的高阶关联矩阵方法（HOCC）,以处于混沌状态的蔡氏电路为研究对象,分别对模拟蔡氏电路以及存在噪声的单个实验蔡氏电路和耦合实验蔡氏电路进行动力学参数辨识.研究结果表明,该方法在蔡氏电路电感电流未知情况下进行参数辨识是有效的,同时对噪声具有很好的鲁棒性.所得的参数辨识结果和电路标定参数的相对差距均能在20%的范围之内.该研究结果可以为蔡氏电路中器件参数测量提供参考依据,并能进一步应用到其他网络结构参数辨识实验中.     

小波变换与主元分析相结合的模拟电路检测方法

针对容差、非线性、建模复杂等造成的模拟电路故障检测困难以及现有故障检测方法需要根据经验设置检测阈值的缺点,提出了一种小波变换和主元分析相结合的模拟电路故障检测方法,给出了利用该方法进行故障检测的具体过程.利用三角波信号作为激励源,采集和分析被测电路的输出响应;利用小波变换提取输出响应的故障特征,能够同时利用时域和频域信息;利用主元分析融合故障特征进行故障检测,能够避免设定检测阈值的困难.将其应用于模拟滤波器的故障检测,结果表明,该方法能够有效地利用时频域信息进行故障检测,优于单纯的时域分析方法或频域分析方法.     

一种基于量子神经网络的模拟电路故障诊断方法

针对模拟电路中部分故障类别发生重叠的特点, 提出了一种基于量子神经网络算法的模拟电路故障诊断方法。在被测电路输出端采集时域响应信号, 计算其峭度和熵, 作为特征量, 并应用量子神经网络算法对模拟电路的各个不同的故障类别进行辨别。实验结果表明, 构建的神经网络具有简单的网络结构, 且故障诊断正确率较 高, 达到9 9. 6 2%。     

基于log鲁棒核岭回归的子空间聚类算法

最小二乘回归子空间聚类算法存在对数据中噪声敏感、模型对数据结构信息约束不充分、没有考虑数据非线性关系等问题。针对这些问题,提出一种基于log函数的改进算法。使用L-(2,log)范数代替Frobenius范数约束残差项,提高算法的鲁棒性;使用logdet范数代替Frobenius范数约束表达矩阵,加强表达矩阵的低秩性;利用核方法处理数据,增强算法对数据非线性关系的捕捉能力,进而提高聚类的准确率。分别在人脸、手写数字、物体3种类别的数据集上与多个经典聚类算法进行对比试验,试验结果表明,该算法在精准度、标准化互信息、纯度3个聚类评价指标上优于对比算法,具有良好的聚类效果。     

线性模拟电路软故障建模与诊断策略

针对线性模拟电路软故障诊断问题,提出了一种新的基于解析模型的方法。该方法利用硬故障电压值,构建电路的阻抗-电压方程,以便计算线性模拟电路软故障时系统输出电压,从而形成用于软故障诊断的故障特征向量。该文首先讨论了电路阻抗参数连续变化时,单软故障建模和模拟电路可测性分析的基本结论;其次以多故障中最常见的双故障为例,亦给出了由阻抗-电压方程确立的软故障电压建模;最后形成了相应的故障定位定值策略。在交流信号激励下的例子电路中进行建模与诊断分析,结果表明,提出的软故障建模与诊断策略运行有效,结果准确。     

功率GaAs MESFET小信号等效电路模型的参数求解

采用非本征元件的本征元件参数函数的自变量的方法,求解金属肖特基势垒场效应晶体管小信号等效电路模型,并采用相对误差来构建目标函数,以场应应晶体管在零偏置状态的非本征元件值作为初值,通过优化求得的了热场效应晶体管状态的本征元件值,该方法具有收剑快,精度高和效率高的优点,便于移植到微波器件计算机辅助设计和模拟软件中。     

非线性系统未知时变参数的模型算法学习辨识

针对一类非线性系统的未知时变参数,提出了一种模型算法学习辨识方法。该方法主要是利用系统模型估计出了辨识参数的偏差,利用这一参数偏差的估计来修正辨识参数,不断进行迭代。并严格证明了系统经过迭代学习后,辨识器的输出能够完全跟踪参数真值,同时得到了该算法收敛的范数形式充分条件。该方法不仅可以实现非线性系统未知时变参数在有限时间区间上的完全辨识,而且还克服了传统迭代学习辨识器中凭借经验选取学习增益的盲目性,加快了参数辨识器的收敛速度。仿真结果验证了该方法的有效性。     

基于拓扑二值逻辑的电工实验台短路故障定位方法

针对电工实验台在高校教学过程中发生短路故障后很难快速、准确找到故障位置的问题, 通过分析实验系统中短路电流的流向以及电路结构的特点, 提出了一种基于拓扑二值逻辑的电工实验台短路故障定位方法。该方法能够很好地解决传统故障定位方法故障定位不准确的问题, 并可在复杂拓扑结构电路中实现快速故障定位。实验结果表明, 该故障定位方法电路结构简单, 故障定位快速准确, 且定位过程不易受外界环境干扰, 具有较好的实际效果。     

基于PCA-SVDD的故障检测和自学习辨识

为了利用多变量统计过程控制在故障检测上的优势以及克服其在故障辨识诊断上的缺陷,提出一套新的用于化工过程的故障检测和自学习辨识算法.应用主元分析(PCA)实施故障检测并对故障数据运用PCA特征提取,提出3种基于主元分析-支持向量数据描述(PCA-SVDD)的模式判别方法来实现故障的自学习辨识:考虑故障辨识时可能出现的类分布重合问题,分析和比较了基于欧氏距离和归一化半径判别这2种方法,提出针对新型未知故障辨识的加权归一化半径判别法.通过对Tennessee Eastman(TE)过程的仿真研究,说明了提出的故障检测和自学习辨识算法的可行性和有效性.     

一种新的相关系数矩阵稀疏估计的对偶方法

提出了一种新的基于邻近梯度的对偶方法。该方法求解Frobenius范数意义下的相关系数矩阵的稀疏逼近问题。首先, 推导出一种新的有界约束的对偶问题; 然后, 提出一个相应的具有全局收敛性的邻近梯度算法; 最后, 通过在随机数据集上的数值结果验证了该算法的可行性。     

树形配电线路单相接地故障测距新算法

针对树形配电线路特点 ,建立单相接地故障的分布参数电路模型 ,于故障后利用线路起始端的电压相量和电流相量 ,提出了一种树形配电线路单相接地故障测距的新算法 .本算法利用树形线路的层次化拓扑结构描述方法 ,将始端相量逐分支向后传递 ,故障点逐分支搜索的方法实现故障分支的识别和故障点的定位 ,利用多频诊断法实现真伪故障的识别 .大量计算机仿真和在模型线路上的实验均表明该算法有效     

基于因果拓扑图的工业过程故障诊断

基于因果拓扑图的工业过程故障诊断方法,将过程知识与数据驱动故障诊断方法结合,有效解决了故障定位和故障传播路径辨识问题。 在因果拓扑图的基础上,基于偏相关系数提出一种相关性指标(correlation index, CI)定量衡量因果拓扑中变量间的相关性,实现变量间因果性和相关性的良好结合。为得到准确的故障检测结果,采用概率主元分析(PPCA)对CI指标进行监测。在检测出故障后,应用重构贡献图(reconstruction-based contribution, RBC)和因果拓扑图,并引入加权平均值的概念辨识出最可能的故障传播路径。将提出的方法用于带钢热连轧过程,结果表明,基于因果拓扑图的故障诊断方法能够准确地定位故障源,辨识故障传播路径。     

导热反问题原理辨识均质材料导热系数及体积热容的算法

目的 分析非稳态导热反问题在现场快速辨识建筑围护结构的导热系数和体积热容的算法.方法 利用参数辨识算法,计算了内部圆柱面在常热流情况下,材料的热物性参数,给出了相关的数值验证,对温度获取时可能产生的随机和系统误差进行探讨.结果 若获取的温度为真值,该算法辨识的导热系数和体积热容的值与真值的误差分别为0.11%和0.16%;若考虑温度的随机误差和系统误差,随着优化函数J减小,k和C的辨别结果 却先收敛后发散.结论 利用非稳态导热反问题的原理辨识建筑围护结构的导热系数和体积热容是可行的;本算法可行且稳定;参数辨识对误差较为敏感.     

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．     

基于电路撕裂的模拟电路噪声分析

将电路撕裂算法与低频噪声理论相结合,提出了一种新的基于电路撕裂的模拟集成电路噪声分析方法,通过对电路撕裂基本算法的验证计算,讨论子电路状态判断的方法与条件,提出逐级搜索撕裂算法,对撕裂的子电路进行噪声功率谱分析,实现故障定位.Pspice仿真实例表明,所提方法计算量小,诊断速度快,故障检测与定位准确率高.     

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。