A New Analog Circuit Fault Diagnosis Method Based on Improved Mahalanobis Distance

This paper presents a new analog circuit fault diagnosis method based on improved Mahalanobis Distance. The Mahalanobis Distance is improved according to the characteristics of analog circuit, and then introduced into analog circuit fault detection. First, the circuit testability was analyzed, and the relation of ambiguity groups was determined on the basis of the test matrix, and then the separable potential faulty components under the assumption of single fault were also determined. Finally, the suspicious components could be classified using the improved Mahalanobis Distance according to the feature values of the test points, so as to reduce the number of classes and enhance the speed when classifying faults. The experiment shows that the method can achieve fast analog circuit fault diagnosis and better results of analog circuit diagnosis detection.     

A Novel Approach for Diagnosis of Analog Circuit Fault by Using GMKL-SVM and PSO

This paper presents a novel analog circuit fault diagnosis approach using generalized multiple kernel learning-support vector machine (GMKL-SVM) method and particle swarm optimization (PSO) algorithm. First, the wavelet coefficients’ energies of impulse responses are generated as features. Then, a diagnosis model is constructed by using GMKL-SVM method based on features. Meanwhile, the PSO algorithm yields parameters for the GMKL-SVM method. Sallen-Key bandpass filter and two-stage four-op-amp biquad lowpass filter fault diagnosis simulations are given to demonstrate the proposed diagnose procedure, and the comparison simulations reveal that the proposed approach has higher diagnosis precision than the referenced methods.     

基于PSPICE进行模拟电路故障建模的方法

文章研究了基于PSPICE的模拟电路故障仿真中的故障建模问题。提出了用故障字典法诊断模拟电路硬故障时,基本元件的物理故障和集成电路的功能故障进行故障建模的方法。在直流诊断和交流诊断中，故障建模的方法有所不同。最后用例子说明了这种方法的可行性。     

基于频谱响应特性的集成电路故障预测技术

提出了一种基于频谱响应特性的集成电路故障预测技术,该技术成功实现了数字芯片SP3232E在故障诊断与故障预测中的应用,并验证了其在电子元器件的故障诊断与故障预测上的可行性与有效性.实验结果表明,该方法的故障诊断准确率高达92％以上;该数字器件延时信号经过频谱分析后的相位与其对应的退化率呈单指数函数关系,且随着扫频频率的减小,器件的相位增加,退化率减小,退化率50％ ～ 80％对应的相位区间可定义为器件的故障诊断阈值或预警区间;在低频下相位的变化速度更慢,故该方法在低频下的故障预测误差更小,故障预测精度更高.     

基于蚁群支持向量机的模拟电路故障诊断

针对人为选择支持向量机参数的随机性和盲目性,将蚁群算法的全局收敛和并行计算的特点引入到支持向量机参数的优化中,建立了基于蚁群算法优化支持向量机参数的模型,使两种算法的优点有机结合,通过对支持向量机的惩罚因子和核函数参数进行优化,使支持向量机分类效果达到最好,并与遗传支持向量机模型比较,结果表明:蚁群算法优化支持向量机参...     

一种新的基于神经网络的模拟电路故障诊断系统

介绍了基于BP神经网络(BPNN)进行模拟电路故障诊断定位的理论,设计并实现以数字信号处理器(DSP)为核心的故障诊断系统.该系统采用模块化设计,具有扩充方便、高速采样的特点;将采样数据构成故障特征向量,利用BP网络训练这些特征向量并进行故障模式分类,实现模拟电路及PCB故障诊断.并给出了PCB板的故障诊断硬件结构及对单软和双软故障的诊断设计方法.     

基于GA-LMBP算法的模拟电路故障诊断方法

主要分析遗传算法和BP神经网络的特点和存在的一些缺陷,研究遗传算法和改进型的BP算法相结合的相关技术,设计并实现一个基于遗传算法和LMBP算法相结合的GA—LMBP算法。通过诊断实例．比较三种算法的模拟电路故障诊断,结果证明在相同精确度的要求下,基于GA—LMBP的算法可以大大提高模拟电路故障诊断准确率。     

基于模式识别进行模拟电路故障诊断的方法

本文运用故障树分析法对模拟电路进行分析，按照电路结构对其按树枝形逐级划分建立故障集；将模式识别理论中的隶属函数法以及近邻法推广到可以进行模拟电路的故障诊断．讨论了该方法的原理以及建立字典进行诊断的方法，并给出了仿真实例。     

基于Lyapunov指数的非线性模拟电路故障诊断方法

本文介绍一种基于计算最大Lyapunov指数的非线性模拟电路故障诊断方法，它应用混沌方法对一个变周期的多谐振荡器的输出信号进行处理，利用数据替代法生成电路故障数据，借助于小数据量法计算相应的最大Lyapunov指数，将这种混沌特性分析应用于强非线性模拟电路的故障诊断，并对混沌时间序列相空间重构中的延迟时间间隔和嵌入维数的选取方法进行了讨论；结合实例对该方法进行了计算验证。     

模拟电路的多频灵敏度故障诊断方法

文章在灵敏度故障诊断方法的基础上提出多频灵敏度参数识别故障诊断方法，并给出选择测试频率的一般原则。该方法能够适用于可及测试节点较少的电路。针对模拟电路中一般只存在部分元件故障的情况，进一步提出只识别部分故障元件参数的多频灵敏度故障诊断方法，使该方法能适用于更大规模的电路。电路仿真结果验证了所提方法的有效性。     

基于DSP的模拟电路诊断系统的实现

以现代测试技术、信号处理、信息融合等理论为基础,以神经网络在模拟电路故障诊断中的应用为主线,深入研究了模拟电路的故障特征提取和故障诊断方法。用TMS320F2812对选定的待测电路在元件存在容差的条件下,实现了模拟电路软故障诊断。验证了使用DSP实现模拟电路故障诊断系统的可行性。     

模拟电路故障诊断的结点电压灵敏度比值法

在证明线性电路中结点电压变化量比值等于结点电压灵敏度比值的基础上,提出了结点电压灵敏度比值法,通过结点电压变化量比值和结点电压灵敏度比值的比对确定电路的故障元件。理论分析和实验结果表明,该方法算法简单、诊断速度快,在可测点受限条件下具有较高的诊断精度,特别适合大规模线性模拟电路的故障诊断和测试。     

一种新型噪声模拟源的电路设计

本文给出了一种简单实用的新型限带模拟噪声发生器电路设计,可以产生带宽和幅值均可调的限带模拟白高斯噪声.该电路已用于综合基带设备;并取得了很好的效果.     

容差模拟电路故障模糊诊断方法及其实现

提出了基于SOFM神经网络的容差模拟电路故障模糊诊断方法及其实现。该方法将网络撕裂法和SOFM神经网络相结合进行故障测试．并运用所设计的模糊逻辑神经网络系统判断测试条件，定位容差模拟电路的子网络级故障。仿真试验表明该方法故障定位精确度高。撕裂迅速，有利于大规模容差模拟电路故障诊断的实现。     

基于BP神经网络的模拟电路故障诊断

模拟电路的可靠性决定了电子设备的可靠性.针对目前BP网络在模拟电路故障诊断中存在的容差和非线性等问题,提出多频组合法,对电路中的软故障进行诊断.通过在电路输入端施加3 V的正弦激励,选取不同的测试频率,对测试点进行测试,得到各待测元件的故障值.该系统解决了模拟电路中的容差问题,提高了诊断率,并在仿真中得以证明.     

一种基于神经网络的模拟电路故障诊断方法

模拟电路故障诊断一直是一项富有挑战性的研究课题。文章在简要介绍BP神经网络基本原理的基础上,以差分放大电路为例,设计并实现了基于BP算法的模拟电路故障诊断方法,建立了模拟电路故障诊断BP神经网络模型。实验表明,该模型的辨识精度高,能实现对模拟电路故障的正确诊断。     

A Method on Analog Circuit Fault Diagnosis with Tolerance

In this paper, it is proved that the direction of the node-voltage difference vector, which is the difference between the node-voltage vector at faulty state and the one at the nominal state, is determined only by the location of the faulty clement in linear analog circuits. Considering that the direction of the node-voltage sensitivity vector is the same as the one of the node-voltage difference vector and also considering that the module of the node-voltage sensitivity vector presents the weight of the parameter of faulty element deviation relative to the voltage difference, fault dictionary is set up based on node-voltage sensitivity vectors. A decision algorithm is proposed concerned with both the location and the parameter difference of the faulty element. Single fault and multi-fault can be diagnosed while the circuit parameters deviate within the tolerance range of 10 %.     

非线性容差模拟电阻电路故障诊断神经网络方法

将线性电路故障定位 l1 范数最优化算法推广到非线性电路的故障定位 ,由于测后计算是基于神经网络计算机环境 ,所需时间较少 ,能满足现代工业实时性需要。实例和计算机模拟结果表明所提方法是可行的     

Soft Fault Diagnosis of Analog Circuit Based on Particle Swarm Optimization

A single soft fault diagnosis method for analog circuit with tolerance based on particle swarm optimization （PSO） is proposed. The parameter deviation of circuit elements is defined as the element of particle. Node-voltage incremental equations based on the sensitivity analysis are built as constraints of a linear programming （LP） equation. Through inducing the penalty coefficient, the LP equation is set as the fitness function for the PSO program. After evaluating the best position of particles, the position of the optimal particle states whether the actual parameter is within tolerance range or not. Simulation result shows the effectiveness of the method.     

模拟电路故障诊断的信息融合新方法

针对测试信息不足造成模拟电路故障诊断准确率较低的问题,为充分利用有限测试信息,提出一种模拟电路故障诊断信息融合新方法.首先,将采集的故障样本集变换到不同特征空间,然后利用所提出的马氏距离分布熵求取各特征空间的相对优势分类集,在此基础上,定义相对优势属性约简提取各特征空间的局部最佳可分性信息,最后,对基分类器结合所提出的自适应类模糊密度赋值方法进行模糊积分融合.国际标准电路故障诊断实例表明,所提方法能有效提高模拟电路的故障诊断率.