基于NOFRF方法的多级模拟电路系统的非线性故障诊断

模拟电路系统的正常与故障状态在很多情况下表现在其非线性传递特性发生变化。介绍了一种基于NOFRF来诊断多级级联模拟电路系统的非线性故障方法。该方法用两次幅值不同的信源激励系统,通过分析各级系统的频域输出响应来定位模拟电路系统中的非线性故障。仿真结果验证了该方法的正确性。该方法可应用于许多实际的工程场合。     

频域内的非线性模拟电路故障诊断

利用Volterra级数分析非线性模拟电路核函数的结论,分析了测试节点输出响应信号各阶频率分量相对于电路中元件参数的灵敏度,从而确定被测电路的故障诊断算法.为了提高灵敏度计算的效率,本文分析了灵敏度计算时非线性元件高阶项对测试节点输出响应信号各阶频谱分量的直接影响因素和间接影响因素,从而避免了两者之间的耦合而增加灵敏度的计算量.实际应用电路的分析结果表明本文介绍算法不仅极大的降低了灵敏度分析的计算量,可广泛应用于非线性模拟电路的自动测试系统.     

基于双神经网络的模拟电路故障诊断

对模拟电路故障诊断提出了一种双神经网络的诊断方法,该方法通过将电路故障模式分类的预处理,再用双神经网络分别对不同的故障模式类进行诊断.仿真实验表明,该方法能够实现故障检测及定位,具有准确率高的特点.     

基于BP神经网络的模拟电路故障诊断研究

在简要介绍标准BP神经网络基本原理的基础上。详细说明了基于改进BP神经网络算法的模拟电路故障诊断方法和设计步骤，根据网络总误差来自适应调节网络的学习率，加速网络的收敛过程。此算法应用于电路的故障诊断，能够对被测电路的故障进行有效并且精确的分类。以折线式有效值测量电路为例，设计了基于改进BP神经网络算法的模拟电路故障诊断系统，以实际测试数据作为训练样本进行学习训练后，对其它实际测量数据进行诊断，结果正确，验证了算法的有效性。     

系统辨识在模拟电路故障诊断中的应用

把系统辨识理论应用在模拟电路故障诊断中，包括选取容差和单元内元件软故障和硬故障诊断等，特点是可以减少测试点，不必求解所有元件的值就可以诊断单元软故障和硬故障元件。     

基于BP算法的模拟电路故障诊断

文中就BP神经网络的学习算法进行了分析,使用PSPICE软件对电路进行仿真,在此基础上建立了模拟电路的BP神经网络故障字典库。通过查阅字典库实现模拟电路的故障诊断。指出了BP神经网络在模拟电路故障诊断过程中存在的网络泛化性能差的问题,并提出了解决办法。经过仿真实验验证,这种方法用与模拟电路故障诊断相结合能够提高神经网络检测故障的智能性,提高故障诊断的准确性,结果较好,具有一定的应用价值。     

BP神经网络在模拟电路故障诊断中的应用

模拟电路故障诊断有很多方法,介绍一种基于BP神经网络的智能诊断方法。     

基于RBF-Volterra的非线性电路故障诊断

故障诊断的重要前提是故障特征可比性原则,而可比性原则的条件是模型结构的不变性,这就要求同一参数模型起码能稳定地拟合同一电路的所有故障状态。针对故障状态下非线性强弱变化造成的参数估计数值稳定性问题,提出一种基于RBF-Volterra级数的非线性电路故障诊断方法。在平移联动约束下,由基函数多项式(BFP)导出RBF-Volterra级数,分析了RBF-Volterra级数的截尾不截维特性和对非线性强弱变化的适应能力.RBF-Volterra级数不仅数值稳定性好,而且结构紧凑能有效避免维数灾难问题。最后,通过实例仿真说明该方法的有效性。     

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.     

一种模拟电路功能模块故障诊断的方法

针对实际电路中以模块化的形式实现特定应用功能的模拟电路,按功能进行分类,从实用化的角度研究了其功能故障的诊断方法。以空间电子仪器测试系统中的综合信号处理电路为应用背景,研究了模拟电路模块划分原则和方法,提出了一种模块化功能故障检测方法,并构造了模拟电路第一级功能模块字典;基于测前迭代仿真的通用模拟电路故障诊断方法,通过改进提出了"6点5段式"模拟电路测前迭代仿真方法,并构造了功能模块电路的第二级故障字典,在功能模块故障检测的基础上实现了故障元件的定位和参数区间识别。最后,通过仿真实例验证了该诊断方法的有效性,为模拟电路故障字典法在空间电子仪器模拟电路中的故障诊断实用化奠定了基础。     

基于多目标线性规划的模拟电路软故障诊断方法

阐述了一种新的容差条件下基于多目标线性规划理论的模拟电路软故障诊断方法。通过灵敏度分析建立电路测试节点电压增量方程,并以元件参数变化量与标称值的百分比作为故障判据。采用多目标线性规划方法求解测试节点方程组来估算电路中各元件在一定故障情况下的参数变化百分比,将方程组的解与各元件容差范围相比较来定位故障元件。仿真结果表明,该方法兼顾故障元件的定位和故障元件参数变化量的估算,可以有效地实现模拟电路元件参数在一定容差范围内变化条件下的软故障诊断。     

基于蝙蝠算法优化ELM的模拟电路故障诊断研究

极限学习机(extreme learning machine,ELM)具有学习速度快、测试精度高的优点。近年来被广泛用于模式识别和故障诊断等领域,但是ELM固有的随机性对其泛化性能和精度有很大的影响。蝙蝠算法(bat algorithm,BA)是一种新型的智能优化算法,具有良好的全局搜索能力。将蝙蝠算法引入到极限学习机输入权值和阈值的优化中,有机结合2种算法的优点,建立了基于蝙蝠算法优化极限学习机的故障模型,以带通滤波器作为测试电路,并和ELM、DE-ELM、SAE-ELM进行对比,仿真和实验结果表明蝙蝠算法有效地改善了ELM网络的诊断精度和泛化能力。     

容差条件下的模拟电路多故障诊断

针对容差模拟电路多故障诊断问题,提出了包括故障状态检测、故障粗糙集生成和故障元件定位的分步诊断方法。将有限测点的故障状态检测转化为容差约束下的线性规划问题;推导得到故障特征等式并生成故障粗糙集,证明了在容差条件下的故障特征等式中可选用标称参数电路的节点电压;对故障粗糙集中元件参数的偏差限值进行修正,对修正后的电路进行状态检测,实现故障元件定位,并估算故障参数偏差。仿真实例表明,该方法具有较高的诊断准确度和参数辨识精度。     

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。     

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。     

基于连续小波奇异熵的模拟电路故障诊断新方法

针对模拟电路的故障诊断和定位问题,为进一步提高故障诊断准确率,提出了一种基于连续小波Tsallis奇异熵和超限学习机的故障诊断方法。首先应用连续小波变换计算被测电路时域响应信号的时频系数矩阵,然后将其分割为8个相同大小的子矩阵,分别计算每个子矩阵的Tsallis奇异熵,组成特征向量,最后将特征应用于超限学习机多类分类器进行区分。仿真结果表明,故障诊断方法能较好地获取故障响应信号的本质特征,并具有较其他现存方法更高的故障诊断正确率。