基于测前迭代仿真的模拟电路故障诊断方法

针对非线性模拟电路中元件表现出的折线故障特征,提出一种基于测前迭代仿真的模拟电路统一故障诊断方法.在测前将线性元件参数分段划分区间,在各区间进行仿真得到节点电压平面上的点计算斜率特征,对于斜率变化的区间重新进行参数扫描,并通过迭代仿真得到连续平滑的折线轨迹上的点作为测后诊断依据;在测后诊断中,通过计算实测点到各条折线轨迹的点集合的最小距离来定位电路故障,并根据测前仿真的分段信息对故障元件的参数区间进行识别.文中利用计算机程序实现了测前迭代仿真和测后故障定位及参数区间识别,能够同时诊断容差电路元件的硬故障(开路、短路)和软故障(元件参数变化至容差允许范围之外).最后通过实例的仿真实验和实际电路实验验证了该方法的有效性.     

非线性模拟电路的故障诊断方法

为了诊断非线性模拟电路中的故障,提出了一种基于节点电压增量线性相关性原理的诊断方法.通过对非线性元件的分段线性建模,说明故障造成的节点电压增量满足分段线性相关性.以节点电压平面上的折线作为故障特征构造故障字典,以实测工作点到故障特征折线的距离来衡量电路状态与故障特征的符合程度,可以诊断非线性电路中元件参数的软故障和硬故障.实例验证表明,该方法是一种易于计算机实现的实用化方法.     

容差条件下PSO算法诊断模拟电路单软故障方法

为了定量地诊断模拟电路中的单个软故障,提出一种容差条件下基于微粒群优化理论的诊断方法.首先通过灵敏度分析建立电路测试节点电压增量方程,以及模拟电路故障诊断的约束线性规划方程组;然后引入罚甬数,把微粒群算法应用到方程的求解中;最后估计出电路各元件参数的最小变化量,并与各元件容差范围相比较来定位故障元件.仿真实验结果表明.该方法兼顾故障元件的定位和故障元件参数变化量的估计,可以有效地实现模拟电路在容差条件下的软故障定量诊断.     

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.     

复杂模拟电路定量仿真中的元件建模技术研究

基于电路定量仿真的虚拟测试和故障诊断,对于复杂电路系统可靠性的提高具有重要意义;传统上,模拟电路的定量仿真分析大多采用SPICE模型,这也是目前该领域的主流分析模型;然而由于元件SPICE模型的复杂性,导致PSPICE等电路仿真器的优势难以在大型复杂电路系统的虚拟测试和故障诊断中得到充分发挥。为此,从降低元件模型复杂度,简化电路计算,提高仿真速度和避免收敛问题的角度出发,基于自主研制的DrGraph电路仿真平台,提出非线性二端元件SPICE模型的分段线性化改进技术。仿真实验验证了该技术在大规模复杂模拟电路仿真中具有很强的工程应用价值。     

一种容差模拟电路的分级故障诊断方法

提出了一种基于分级故障字典的容差模拟电路故障诊断方法;在测前首先对待诊断电路进行最坏情况分析得到容差电路输出电压的正常区间,并存为第一级故障字典用于电路故障检测;再利用节点电压灵敏度序列作为故障特征建立用于定位故障元件的第二级故障字典;最后通过测前划分元件参数的七段式仿真建立用于故障元件参数区间识别的第三级故障字典;在测后实施故障诊断时可根据需要依次查阅字典,检测电路故障,定位故障元件及识别故障元件的参数区间;该方法能够提高测后故障诊断的效率,在实际应用中具有一定的参考价值;最后通过仿真实验验证了该方法的有效性。     

复杂模拟电路仿真中的元件建模技术

基于定量仿真的故障诊断,是维护复杂模拟电路可靠性的重要途径之一。电路仿真的一项核心技术和关键问题是元件正常/故障状态的仿真建模,针对这一问题,以SPICE模型为基础,提出了非线性元件的分段线性化建模方法和储能元件处理方法,提出了控制元件的功能建模方法,研究了复杂电路系统中元件的分层建模和故障建模方法。以上方法降低了电路分析的计算量,提高了运算速度,改善了收敛性。仿真实例验证了所用建模方法在复杂模拟电路系统仿真中的工程适用性。     

基于能量熵对SVM的电路故障诊断

研究电路故障诊断问题,提高诊断效率.由于电路集成度提高,电路信号与故障相关,针对传统故障诊断因采用线性诊断方法与提取的电路特征信息不全面,导致诊断定位精度不高,为有效提高电路故障诊断的速度与精度,提出了一种根据小波包能量熵的支持向量机电路故障诊断方法(EE-SVM).首先利用小波包对电路故障信号进行3层的小波包分解,并提取小波包能最熵,构建输入特征向量.对于支持向量机进行非线性特征向量汰选,去除冗余特征,以保留特征向量构建智能化诊断模型.进行实例仿真,结果显示,方法在所有参比模型中精度最高,能高效地对电路故障进行检测与定位.     

基于改进马氏距离的模拟电路故障诊断新方法

提出一种基于改进马氏距离的模拟电路故障诊断方法. 根据被测电路的拓扑结构进行可测性分析, 利用测试矩阵确定规范模糊组, 从而得到单故障假设下的可分潜在故障元件. 将马氏距离根据模拟电路的特性作出改进, 并应用于模拟电路潜在故障元件的诊断. 利用测点特征值的改进马氏距离对潜在元件进行划分, 减少可疑故障元件的类别, 在诊断分类时达到提高速度的效果. 实验表明, 所提出的方法对模拟电路软故障诊断速度较快, 具有较好的模拟电路故障诊断测试效果.

     

基于模糊SVM和虚拟仪器的模拟电路故障诊断研究

基于模糊支持向量机理论构建模拟电路故障诊断网络,采用虚拟仪器技术开发故障诊断平台;通过对电路仿真软件与实际测量得到的数据进行分析,选取一种自适应小波变换特征提取方法对电路进行故障特征提取,提取电路输出响应的6个低频系数构成故障特征向量并作为FSVM诊断网络的学习样本,诊断网络采用C-SVM算法.规则化参数墩为200;在LabVIEW软件中调用以MAT-LAB-M文件编写的特征提取与故障诊断算法,将模拟电路的故障定位到元件级;最后,将网络的诊断结果与BP神经网络诊断方法做了对比,证明基于虚拟仪器的模糊SVM模拟电路诊断方法在故障诊断速度与准确性方面都具有明显优势,平均故障识别率达到90%以上.