基于多特征信息融合的模拟电路故障预测

为解决利用单一信息进行故障预测的不足以及提高模拟电路故障预测的准确度,提出了一种将信息融合应用到模拟电路故障预测中的方法.提取模拟电路多个测点的多种故障特征量,对其进行时间序列分析,采用ARMA模型研究其预测过程,将得到的预测结果转换为模拟电路故障发生的概率,最后将得到的多个数据进行加权融合,实现了基于多特征信息融合的...     

基于LSSVM的电子装备故障预测研究

针对电子装备的故障信息不足,故障发生率高等特点,通过故障预测有效的监测设备故障状态以及发展趋势,实现对设备的事先维修,避免重大事故的发生,提高电子设备的安全性。对电子装备故障预测进行了分析,提出了一种基于最小二乘支持向量机（LSSVM）的故障预测方法。首先介绍了LSSVM故障预测算法的基本原理和预测流程;然后,对整个电子装备的故障预测研究可以从一个类似的模拟带通滤波器电路故障预测研究出发,将该元件容差设为不同范围来定义电路的不同故障状态,将LSSVM方法与最小二乘法、支持向量机法对电路的不同状态进行预测,可以得到不同状态的预测值,研究结果表明提出的方法能够实现模拟电路的缓变故障预测,且预测效果较好。     

PSO优化LS-SVM在模拟电路故障预测中的应用

针对模拟电路故障预测的特点,提出一种基于PSO优化LS-SVM惩罚因子和核参数的模拟电路故障预测方法;利用小波包分解重构构造能量特征向量,通过计算PPMCC和欧氏距离来表征电路中元件的健康程度,定义为健康度,由此推导出电路发生故障时该元件的故障阈值;应用PSO优化的LS-SVM模型来实现模拟电路的故障预测,预测各个时间点的健康度变化轨迹并估计模拟电路的剩余寿命;通过仿真实验得知,该方法简单便捷,能够有效实现模拟电路的故障预测,具有较好的实用性。     

基于RVM和相空间重构的模拟电路PHM研究

针对模拟电路健康管理的特点,提出了一种基于RVM的模拟电路故障诊断和预测方法。首先对模拟电路作蒙特卡罗分析得到输出频域响应,然后利用小波分解与重构方法提取模拟电路的故障特征,最后用相关向量机分别对电路进行了单一故障和双故障的诊断研究。接着,对电路进行参数分析,得到不同参数值下的输出响应,计算其与电路无故障标准响应的欧氏距离作为故障特征,并以此表征电路元件健康值,结合相空间重构方法,得到相关向量机的输入输出样本,随后训练学习并实现对各个时间点元件的健康值变化轨迹进行预测。仿真结果表明,该方法在小样本情况下,诊断和预测效果好,适用于健康管理中实时预测,具有较好的实用性。     

模拟电路故障诊断技术研究

研究了模拟电路故障诊断方法。主要讨论了测前模拟法、测后模拟法、近似技术、专家系统的模拟电路故障诊断方法和神经网络、模糊理论、小波变换的模拟电路故障诊断新方法及原理。     

模拟电路故障诊断的神经网络方法综述

以近年来国内外有关的文献报道为依据,对目前已经提出的各种基于神经网络的模拟电路故障诊断方法进行系统的归纳和分类,重点讨论了神经网络故障字典法和神经网络优化诊断法;指出模拟电路故障诊断的神经网络诊断法不能完全取代传统的诊断方法,并预测这类方法的发展趋势是应用小波变换、模糊控制和遗传算法等技术,克服神经网络本身的局限性,并解决神经网络结构的确定、数据预处理和训练样本集的优选等问题.     

模拟电路的故障度量化算法

提出了一种可以评价模拟电路工作状态的故障度量化算法.因为模拟电路里存在一些模糊量,本文将模拟电路视为模糊系统.提出了基于模糊隶属函数的故障度量化函数,并与决策函数相结合构成了模拟电路故障度量化算法.对模拟电路的故障程度进行精确量化,有助于模拟电路故障诊断和故障修复.故障度量化算法可以计算模拟电路的全局故障度,从而准确地、客观地评价模拟电路的故障水平.     

改进神经网络在模拟电路故障诊断中的应用

研究模拟电路故障诊断准确性问题.电路故障与引起故障因素之间呈高度非线性,传统故障识别方法无法识别其非线性特点,导致传统故障方法的诊断精度低.为了提高电路故障诊断的精度,提出一种遗传算法优化BP神经算法的模拟电路故障诊断方法.首先对故障电路样本进行特征提取和归-化处理,然后采用遗传算法对BP神经网络参数进行优化,最后利用最优参数BP神经网络对电路故障样本进行训练和建模,获得电路故障诊断结果.在MATLAB平台上对模拟电路故障进行仿真测试,仿真结果表明,与传统模拟电路故障诊断方法相比,提高了模拟电路故障诊断精度,缩短了故障诊断时间,在模拟电路故障中有着广泛的应用前景.     

模拟电路的分块故障诊断法

本文使用网络分解技术研究了模拟电路的故障诊断问题，导出了支路分块故障诊断方程，只需检验方程的相容性，按照最终的分解水平就能把故障定位到尽可能小的子电路中。对存在不可测节点、容差情况和连接支路的故障也进行了讨论。     

基于HMM-SVM的模拟电路早期故障诊断

针对模拟电路在故障预测与健康管理（PHM）系统中早期故障识别率不高的问题,提出了一种基于隐马尔科夫模型（HMM）和支持向量机（SVM）相结合的模拟电路故障诊断方法,利用HMM对动态连续信号的较强识别能力和SVM良好的模式分类能力解决模拟电路早期故障诊断问题。采用主成分分析（PCA）和K-means聚类算法对故障数据进行数据降维和特征提取,建立HMM与 SVM相结合的诊断模型进行故障诊断。仿真实验表明,HMM-SVM能很好地识别模拟电路早期故障,并对模拟电路中元件小范围参数变化的状态识别,相较单一HMM模型具有更高的准确率。     

基于小波分析的最优故障特征提取研究

针对因模拟电路的故障模型复杂、有容差、非线性等导致的模拟电路故障特征提取难度大、严重依赖于专家的经验的现状,对基于小波分析的模拟电路最优故障特征提取技术进行了研究;以四运放电路为实验基础,采用Morlet和Haar两种小波基分别从不同的维度上做数据预处理,能量化、归一化后组成故障特征,而后通过克隆选择算法的诊断结果分析对比特征提取的效果;实验结果为通过两种小波基提取的故障特征在不同的情况下达到最高故障诊断率均接近89%,表明基于两种小波基的故障特征提取技术都是优秀可用的,以及单点采样数据的有效性;同时实验结果还反映了模拟电路故障特征的详细程度与诊断正确率成正比例关系;这对实际复杂模拟电路的故障特征提取具有指导性的意义。     

一种基于小波分析和神经网络的模拟电路故障诊断的方法研究

提出了一种基于小波分析和神经网络的电路故障诊断方法.首先用PSPICE(Simulation Program with Integrated CircuitEmphasis,即集成电路编程仿真技术)电路仿真软件对电路进行仿真;然后对电路的输出节点电压信号进行小波分解,提取各频段的能量作为故障样本;最后利用神经网络的并行处理结构和非线性映射能力,实现故障诊断.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,为模拟电路故障诊断技术开辟了一条道路,为模拟电路故障诊断技术开辟了一条道路.     

板级电路测试诊断技术研究及典型设备研制

针对某典型弹载单机及其板级电路进行测试与故障诊断技术研究,利用模拟电路无损伤自动化测试技术,结合性能监测、故障定位与模糊故障诊断算法等方面的研究,进行典型电路测试设备的研制,并对研制过程中遇到的难点进行分析;主要研究内容包括:模拟电路故障诊断算法研究、板级电路测试点规划、探针板卡及夹具的设计、数据采集系统的设计选型、信号调理电路的设计实现及软件系统的模块化设计等,最终实现板级电路测试诊断设备的研制;实测选择某型军用产品板级电路为测试对象,结合工程上易于实现的故障字典法,根据测试点测量得到的响应向量计算隶属度大小,进而准确实现了数字电路和模拟电路故障的定位。     

基于神经网络的模拟电路故障诊断技术探讨

将神经网络技术与模拟电路故障诊断理论相结合,综合运用神经网络交流故障字典法和神经网络直流故障字典法．提出一种实用的分层神经网络故障字典诊断模型。分别讨论了在模拟电路故障诊断的测前模拟方法和测后模拟方法中应用神经网络进行故障诊断的基本方法和步骤,分析了神经网络在故障字典应用中的分类能力、容错能力以及在测后模拟方法中的神经计算高速度优势,着重突出了实际应用中存在的难点,指出了进一步的研究方向和创新点。     

模拟电路故障辞典的新探索和实现

在非线性模拟电路中,发现直流故障辞典方法对于诊断硬故障(断路和短路)是很有用的。本文描述了一些提高直流故障辞典效能的技术。     

TPS自动生成平台上的模糊故障字典法

目前数字系统的故障诊断和测试性设计技术已经比较成熟,而模拟系统的故障诊断,尽管起步较早,但进展缓慢。这主要由于参数值的连续变化、反馈和非线性等原因,使得模拟系统的故障诊断相对比较复杂。目前已经提出了多种诊断方法,故障字典法即为其中的一种,它通常用于直流电路硬故障的诊断。由于故障因素和容差因素互相交迭,具有一定的模糊性,这给故障字典的应用带来一定的困难。提出了一种基于模糊故障字典的模拟电路故障诊断方法,用模糊故障字典取代传统的故障字典,适用于模拟电路单故障的故障诊断及故障隔离,便于计算机辅助诊断。     

数模混合电路故障字典生成技术的研究

复杂装备中复杂模拟和数模混合电路的应用,在提升装备性能的同时,也对电路故障诊断提出了更高的挑战;通过研究数模混合电路故障仿真和信号处理等关键技术,实现了具有标准文件数量、内容和格式的故障字典自动生成功能;故障字典具有规范性和实用性等特点,可有效解决当前模拟和数模电路故障诊断存在的问题,提高故障诊断效率;试验验证表明,文中所述技术具有很好的实用与推广价值。     

基于改进模糊聚类和支持向量机的模拟电路故障诊断

为解决神经网络训练需要大量的样本,且容易陷入局部最优,收敛速度慢等缺点,采用改进模糊聚类(IFC)和支持向量机(SVM)相结合的模拟电路故障诊断方法.利用小波分解技术提取待诊断电路的测试信息作为故障特征,在模糊聚类算法中为消除孤立点和噪声的影响,对不同样本点引入权值以提高聚类效果,结合改进的模糊聚类算法进一步降低故障特征的维数,将其作为支持向量机的输入量,进行模型训练并预测模拟电路的故障.仿真结果表明,此方法应用于电路故障诊断有效削减计算复杂度并提高了诊断精度.     

基于相空间重构的自适应残差修正支持向量回归预测算法

针对模拟电路故障预测存在的非线性时间序列预测问题和传统支持向量回归（SVR）多步预测时出现的误差累积问题,提出了一种基于相空间重构的自适应残差修正SVR预测算法。首先,分析了SVR多步预测方法对时间序列趋势预测的意义和多步预测导致的误差积累问题;其次,将相空间重构技术引入SVR预测中,对表征模拟电路状态的时间序列进行相空间重构,并进而进行SVR预测;然后,在对多步预测过程中产生的误差累积序列进行二次SVR预测的基础上,实现对初始预测误差的自适应修正;最后,对所提算法进行了预测仿真验证。仿真验证和模拟电路的健康度预测实验结果表明,所提算法能有效降低多步预测导致的误差积累,显著提高回归估计精度,更好地预测模拟电路状态的变化趋势。     

基于可传递置信模型的模拟电路融合诊断方法研究

本文提出了一种有效的基于可转移置信模型的模拟电路故障融合诊断方法,解决模拟电路诊断中故障特征信息缺乏和决策融合中异质信息不相容等问题。该法首先采用所提出的电路温度故障信息的提取规则,将获得的温度故障信息输入隶属度函数进行故障预识别,再结合基于可测点电压神经网络故障预识别结果,利用可传递置信模型进行电路融合诊断。通过具体电路实验仿真,表明了该方法的有效性,提高了模拟电路融合诊断准确率。