基于仿真的通用模拟电路故障知识获取平台

故障知识获取是基于知识的模拟电路故障诊断方法的瓶颈问题。总结了通过故障仿真获取模拟电路故障知识的一般过程,简要描述了知识获取自动化的方法,提出建立通用模拟电路故障知识获取平台的方案,并对其主要组成部分和功能进行了详细描述。该平台能自动穷举电路所有可能的故障,调用外部电路仿真软件进行仿真,从仿真结果提取故障知识并加以简化,形成结构化的故障知识库。实验结果证实其可行性。     

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。     

模拟测试交换格式的研究与实现

为提高自动测试系统对模拟电路故障诊断的效率和水平,研究定义一种模拟电路测试交换机制,为基于模拟仿真测试程序集(TPS)开发和数据的传递提供信息和数据格式;通过Spice对电路进行仿真,将仿真数据进行小波分析提取特征,并由BPN、SVM、AIS进行知识生成与评价,最终实现ATIF文件自动生成;实验将ATIF文件解析导入到后处理环境中由测试程序执行检测故障,验证了测试格式的有效性。     

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。     

基于电源电流和输出电压的模拟电路故障模型研究

基于模拟电路电源电流和输出电压的协同分析,研究了复数域的故障建模方法,提出了一种2D故障模型的数学表达式,该模型为复平面上的一簇圆轨迹;为了扩大故障轨迹之间的距离,在相同测量精度和元件容差条件下提高故障检测率和隔离率,进一步提出了3D复数空间的优化故障模型;两种故障模型都极大简化了测点选择算法和模拟故障状态仿真的复杂度,理论上对模拟电路单故障的覆盖率为100%;基于滤波器电路的实验仿真结果验证了两种故障模型的有效性。     

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。     

模拟电路故障字典开发平台

针对模拟电路板故障诊断和维修中存在的困难,引入基于故障字典法的模拟电路故障字典开发平台,该平台集成了电路模型图形化输入、元器件故障自动插入、交流频率自动选取、诊断测试点优选等关键技术,通过对电路的自动仿真与数据分析实现了模拟电路故障诊断用故障字典的自动生成;通过结合实际模拟电路板验证表明,应用陔平台可有效避免传统依赖人工分析进行故障诊断遇到的各种难题,对提高模拟电路板故障诊断效率以及实现模拟电路板的自动测试都具有重要意义。     

电气机车整流电路的故障诊断仿真分析

利用电力电子器件和仿真功能软件对我国电气机车整流器常用的控制电路(单相串联3重联结电路)进行了故障分析诊断;在Matlab/Simulink环境下对单相串联3重联结电路进行了电路分析和仿真,并在其基础上,提出了基于BP神经网络故障分析的方法;基于BP神经网络,利用电路分析产生的故障数据,采用归一化(或标准化)进行数据预...     

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。     

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.     

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。     

基于故障可诊性与遗传算法的模拟电路测试激励优化方法*

测试激励的选择影响电路故障诊断的精度。对待测电路进行十倍频程AC Sweep分析来确定正弦测试信号的频率优化范围,基于电路幅频响应中离散频点相应的电压有效值来计算各故障特征数据类内类间离散度,统计多频测试信号敏感度因子大小,并以此为目标函数利用遗传算法实现测试信号中频率参数优化。以双带通滤波电路为例进行了仿真验证,实验结果表明该方法优化出的测试激励信号能有效降低电路故障响应特征分布模糊性,提高了故障诊断率。     

基于小波包分形的电力电子故障诊断方法

针对现有电力电子故障诊断的问题,提出了一种基于小波包分形的电力电子故障的诊断方法.首先使用3层小波包对电路输出电压波形进行分解、消噪和重构等预处理,以获得不同频带的重构信号,然后再计算各个重构信号的分形维度,提取出相应的故障特征;最后以此作为输入数据来训练支持向量机,实现电力电子故障的诊断.以三相整流电路为例进行实验,实验结果表明该方法能有效地提取电力电子故障诊断的故障特征,提高故障诊断的准确率,可有效地应用于电力电子系统的故障诊断.     

基于动态模糊聚类分析的模糊集划分新方法

由于模拟电路具有容差特征,用故障字典法进行故障诊断时,传统的模糊集划分方法就存在弊端.针对这种弊端;采用模糊理论中的动态聚类分析法来改善传统模糊集的划分;首先用蒙特卡罗分析法进行电路容差分析,然后用动态模糊聚类分析方法,对电路故障状态进行分类,形成新的模糊集划分方法;实验结果证明了新划分方法的可行性和有效性,并显著提高电路故障的检测率和隔离率.     

基于小波分析和支持向量机的模拟电路故障诊断

针对模拟电路故障诊断,采用基于小波分析和支持向量机的诊断测试方法,将方波信号作为输入信号激励电路,对电路的响应信号进行小波分析并提取信号的能量作为故障特征向量,并最终利用SVM的一对一多分类方法实现了故障分类。通过对ITC97中的Elliptical Filter电路仿真验证表明,方波信号能够比单频信号更好地激励电路故障,本文所采用的方法能够有效地应用于模拟电路的故障诊断测试中。     

小电流接地系统选线注入信号的频率分析

注入信号法是广泛应用于小电流接地系统单相接地故障的选线方法,实际应用中由于接地故障电阻大,容易发生选线失败的现象。文章通过分析注入信号法的基本原理及注入信号的流通路径,借助Matlab仿真,研究了注入信号频率对选线效果的影响,得出了降低注入信号的频率可以减小非故障线路对信号电流的分流作用、提高注入法的适用范围和选线准确率的结论。     

利用门限进行电路故障诊断

如何设定故障门限对电路故障诊断结果影响很大。简述了电路故障诊断基本概念 ,重点介绍了如何利用故障门限进行电路故障检测和故障隔离。介绍了如何通过电路仿真分析来设置故障门限 ,并结合实例进行了具体分析     

基于连续小波变换的电表绕组故障检测方法研究

为有效保障电力电表的稳健运行,基于连续小波变换技术,设计了电表绕组故障检测方法。首先,采用混合模块化多电平特征分析方法分析电表绕组故障特征,并建立电表绕组的等效电路模型;结合混合模块化多电平换滤器(MMC)拓扑分析方法,获得电表绕组的等效电路拓扑结构。然后,提取电表绕组故障的谱特征量,以局部自均压和功率因素为控制自变量,完成电表绕组故障特征的连续小波变换及分解。最后,进行故障特征聚类和属性分布式挖掘,提高电表绕组故障特征检测和信息挖掘能力。仿真结果表明,该方法对电表绕组故障的检测精度较高,对绕组故障特征的辨识度较好,可提高对电表绕组故障的诊断能力。     

基于深度极限学习机的模拟电路故障诊断

针对模拟电路故障诊断中特征提取以及模型训练时间较长的难题,采用了一种基于深度极限学习机的模拟电路故障诊断算法。该算法将深度学习中自编码器的思想引入到极限学习机中,构建深度网络,将底层的故障特征转换更加抽象的高级特征,能自主地学习数据特征,避免了繁琐的特征提取和选择。最终通过Sallen-Key和四运放双二次高通滤波2个模拟电路进行仿真研究,实验结果验证了算法在模拟电路故障诊断上的可行性,也表明模型学习速度快、泛化能力好,具有较强的诊断能力,故障诊断分类准确率可以达到100%,诊断时间在0.3 s左右。