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。     

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。     

基于HMM-LSSVM组合模型的模拟电路故障诊断

为了提高模拟电路故障诊断正确率,针对单一模型难以获得高正确率检测结果的难题,基于组合优化理论,提出一种隐马尔科夫和最小二乘支持向量机的模拟电路故障诊断模型。提取电路故障特征,然后利用隐马尔科夫模型和最小二乘支持向量机建立模拟电路故障组合诊断模型,最后采用仿真实验对组合模型的性能进行分析。结果表明,相对于其他模拟电路故障诊断模型,该模型不仅提高了模拟电路故障检测正确率,而且具有更快的故障诊断速度。     

模糊核聚类相关向量机模拟电路故障诊断

针对模拟电路故障与特征间存在的模糊组及交叠,首先建立基于Fisher准则函数的最佳聚类数自适应估计方法,采用模糊核聚类选择最优可诊断故障集,然后提出一种基于稀疏贝叶斯相关向量机(RVM)理论的模拟电路故障诊断模型,提高了RVM模拟电路故障分类的效率和准确度;模型可以在贝叶斯框架下对分类函数的权重进行推断,而且得到各分类的验后概率,从而能判断分类结果的置信度,辅助进行诊断决策;仿真结果表明提出的模拟电路诊断模型在精度提高的情况下,比支持向量机需要的向量更少,更具稀疏性和泛化性,是一种有效的模拟电路故障诊断方法。     

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.     

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.     

基于深度信念网络的模拟电路故障诊断

为及时精准地发现模拟电路故障,保障电子仪表的安全稳定运行,提出了基于深度信念网络的模拟电路故障诊断方法。采用自动编码器模拟电路初始故障信号进行降噪处理,将降噪后信号输入到深度信念网络中提取特征,极限学习机根据特征建立故障诊断模型,结果表明,深度信念网络可以有效提取模拟电路各类故障特征,模拟电路各类故障的整体诊断精确率可达到98.47%,可为模拟电路保障诊断提供了一种新的工具。     

基于融合特权信息支持向量机的模拟电路故障诊断新方法

针对模拟电路故障诊断复杂多样难于辨识的问题,提出了基于融合特权信息支持向量机的模拟电路故障诊断新方法。首先对采集的信号进行主成分分析(PCA)——特征提取;然后将训练集输入融合特权信息支持向量机进行训练获得故障诊断模型;最后将测试集输入训练好的支持向量机分类模型,实现对不同故障类型的识别。Sallen-Key滤波电路故障诊断仿真实验结果表明,该方法有效提高了分类的性能,不仅能够正确分类单故障而且能够有效分类多故障,其中单硬故障情况下平均故障诊断率达到了99%以上,为模拟电路故障诊断提供了新的途径。     

一种模拟滤波器电路的故障诊断方法

针对模拟滤波器电路,提出了一种基于测前仿真和测后仿真相结合的故障诊断方法;在测前仿真环节,通过仿真获取电路正常状态及故障状态的幅频响应曲线,引入“区别度”计算电路故障状态和正常状态的区分程度,从而确定电路的可测故障集,并通过频率选择建立可测故障集的故障字典;在测后仿真环节,通过不同频率的激励获得电路故障状态的测试数据,再利用“区别度”计算测试数据与故障字典中各故障特征的区分程度,通过最小“区别度”实现故障检测及故障元件的定位;最后通过一个滤波器电路仿真实例,基于PSpice仿真和Matlab程序计算实现了基于测前仿真的可测故障集确定和故障字典建立,以及基于测后仿真的故障检测和故障元件定位,验证了文章提出方法的实用性。