模拟电路的模块级故障诊断

本文以多端口元件或子网络为基本单元，提出了一种模块级故障诊断方案，这种方案的故障模型更符合电路的实际情况，因而具有更广泛的实际意义，文中首先推导了模块故障诊断议程，并对模块故障可测性问题进行了一般性讨论。然后，给出了模块故障可测的几个拓扑条件，并通过定义广义独立通路使这些拓扑条件适用于一般的非互易网络。     

模拟电路中三极管和运放的软故障诊断

基于文献[1]中的斜率故障模型,提出了一种诊断模拟电路中晶体三极管和集成运算放大器软故障的字典法.在含有三极管和运放的电路中,通过对三极管和运放进行等效模型替代,对替代之后的等效电路,利用电路中的两节点电压增量计算出的斜率作为统一故障特征,建立故障字典,实现原电路中三极管和运放的软故障诊断.给出了三极管和运放的等效模型分析和诊断步骤,并用仿真实例证明了诊断方法的有效性.     

一种基于集成运放的温度报警电路的设计

利用负温度系数(NTC)型热敏电阻进行温度测量,将温度信号转化为电压信号,输送到由集成运放工作于非线性区构成的电压比较器中,与阈值电压比较。如果高于阈值电压,电压比较器将正向输出,三极管即导通,使输出驱动音响装置发声,即可实现音响报警功能。是热敏电阻和集成运放结合的具体应用实例。     

简述集成运放的热电偶测温电路

本文介绍了热电偶基本知识,重点简述了K型热电偶测温原理以及利用集成运算放大器构成测温电路的测温实验过程。     

集成运放放大电路的噪声分析

根据叠加原理与噪声等效电路理论,推导出集成运放同相放大电路和反相放大电路的噪声系数计算公式,并分析了反馈网络对集成运放放大电路的噪声贡献,给出忽略反馈电阻热噪声的条件。     

模拟电路模块级软故障特征的提取与故障诊断

介绍了一种模拟电路故障诊断中功能模块级的单模块软故障模型的建立理论和特征提取的方法,运用该方法提取的单模块故障特征不仅可以有效区分单模块电路中的各类故障,而且单模块电路的故障特征还可以在多模块电路的单故障和多故障的情况下应用。仿真结果表明,通过采样电路输出并进行相应的信号处理来提取故障模型,可以准确地定位多模块故障电路的故障部位。     

基于RS-PSO-SVM集成的模拟电路软故障诊断

针对模拟电路软故障诊断准确度不高的问题,提出一种基于粗糙集(RS)-粒子群算法(PSO)-支持向量机(SVM)集成的模拟电路软故障诊断方法。首先利用粗糙集理论对采集的模拟电路软故障特征信息进行维数约简,然后利用粒子群算法对支持向量机的参数进行优化,以提高支持向量机分类器的诊断性能,最后进行故障诊断。对四运放双二次高通滤波器进行仿真,实验结果表明,基于RS-PSO-SVM集成的模拟电路软故障诊断方法是有效的。与其他常用方法相比,该诊断方法具有更好的故障诊断性能。     

集成运放的非线性失真分析及电路应用

集成运放差分放大电路的非线性失真分析,可以用来对集成运放电路特性进行优化设计,抑制带内各次谐波的产生。对双集成运放AD8062的非线性参数分析,优化其外围电路的连接方式,减小共模输入电压,实现了集成运放的线性输出。AD8062的电路优化设计提高了ISM频段定位系统接收前端射频电路增益,有效抑制了各次谐波的产生,输出信号幅度满足后端A/D采样器的门限要求。     

集成运放的前置放大应用

对集成运放的前置放大应用中出现的若干技术问题进行了分析，给出了相应的典型应用实例。     

模拟电路软故障诊断的研究

分析了模拟电路软故障诊断的重要性及现有的各种软故障诊断方法。对模拟电路软故障诊断字典法中基于支路屏蔽原理、电路参数随元件参数变化轨迹、节点电压灵敏度序列守恒定理和节点电压增量关系方程的四个研究方向各自的基本原理和优缺点进行了探讨;介绍了基于神经网络,结合模糊理论、小波变换的现代模拟电路软故障诊断的两个方向的研究现状;同时从通用的软故障诊断方法、大规模模拟电路的诊断策略和数模混合集成电路的诊断需求三方面指出了模拟电路软故障诊断的发展趋势和亟待解决的问题。     

基于MHMM模拟电路早期故障诊断

MHMM模型是一种基于高斯混合密度的连续隐马尔科夫模型,具有很好的模式识别能力,对于高混叠样本优势明显。模拟电路结构复杂,早期软故障呈现多样化,故障样本混叠严重,难以辨识。针对这个特点,提出了将MHMM模型应用于模拟电路早期故障诊断的新思路。首先,通过线性判别分析(LDA)技术将由仿真电路采集的数据样本进行降维处理,产生低维观测序列,并对样本初步划分;然后,使用高斯混合模型(GMM)对观测序列逼近,并完成MHMM模型的参数训练;最后,通过实例验证,并与BP网络进行比较。结果表明,MHMM对于早期故障的检测更具有优越性。     

模拟电路故障诊断方法综述

阐述了模拟电路故障诊断的意义,分析了现阶段模拟电路故障诊断的一些常用理论和方法,总结了这些方法的基本原理、特点及发展现状。提出了在模拟电路故障诊断研究中存在的问题,指出了其发展趋势。     

基于小波神经网络的模拟电路故障诊断方法及LabVIEW实现

采用虚拟仪器开发平台实现了基于小波神经网络的故障诊断系统,以蔡氏电路为例进行故障诊断,通过采用不同的数据处理方法以及不同的神经网络模型,验证了文中所提方法的可行性.人性化的交互界面,可以方便的从虚拟仪器前面板中得到故障的类型和故障的位置.由此可以看出基于虚拟仪器的故障诊断技术具有很强的实用价值.     

基于虚拟可及测试节点的模拟电路故障诊断

针对网络撕裂方法诊断模拟电路故障过程中撕裂节点必须是可及节点的限制,提出了虚拟可及测试节点的方法.利用网络拓扑结构和基尔霍夫电流定律计算一类不可及测试节点故障电压,让其成为虚拟可及测试节点.然后在可及或虚拟可及测试节点对网络进行撕裂,再根据故障电压和故障判据定位故障至更小的区域,从而进一步定位故障元件.这种新方法降低了待诊断电路中对可及节点数目的要求,增加了撕裂的灵活性.通过仿真实例验证了该方法的有效性.     

模拟数字电路故障诊断新方法

利用小波变换与神经网络相结合的方法,采用能量分布特征提取方法和改进BP算法,给出了一种基于小波变换和BP神经网络相结合的模拟电路故障诊断方法.用正弦信号仿真模拟电路,应用小波变换对模拟电路的采样信号进行多尺度分解,再进行能量分布特征提取,然后利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.在用神经网络诊断模拟电路的基础上,进行了将神经网络用于数字电路单故障诊断的研究.对两者的实例电路仿真结果表明,神经网络可以有效、方便地实现电路的故障检测和定位,准确率高,为故障诊断的研究提供了一种新思路.     

基于模糊C均值聚类算法与隶属算法的容差电路软故障诊断

在聚类分析与隶属函数的基础上,提出了一种容差电路软故障诊断的新算法。对于含有容差元件的的模拟电路,由于允许电路参数在一定范围内偏离理想值,所以很难判断电路是处于正常容差状态,还是软故障状态。本文首先简述了模糊C均值（Fuzzy C-means, FCM）聚类算法与模糊控制隶属算法的基本原理。然后通过一个容差电路软故障诊断实例,以验证本文算法的有效性:首先确定容差电路的正常状态与软故障状态种类,对每一种状态进行电路仿真,获取将来进行聚类分析与故障诊断的样本。然后对采集样本进行聚类分析,利用模糊C均值聚类算法将各种状态分类,并且得到所有状态的聚类中心。最后随机模拟一种电路状态,利用模糊隶属算法,计算当前电路状态与各状态聚类中心的隶属度,判断电路处于哪一种工作状态,实现容差电路的软故障诊断。实例表明,本文算法能够准确清晰地辨别容差电路的正常状态与故障状态,仅需少量样本即可获得各种状态的典型参数,对容差电路进行客观有效的软故障诊断。      

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.