基于PSO的模拟电路故障信息特征提取

为了提高容差电路故障诊断的诊断效率,改善电路故障征兆的特征描述,采用基于信息熵的方法生成被测容差电路的故障特征,并提出了基于离散粒子群的容差电路故障信息的特征提取方法,由此确定用于故障诊断的最佳特征子集,并以此训练故障分类器,对容差电路的软故障进行诊断定位。实验证明了基于粒子群和信息熵的特征描述和特征提取方法的有效性。     

基于圆故障模型的模拟电路故障诊断方法

针对模拟电路故障诊断中故障字典法的电路故障响应状态的不可数性,提出了一种新的复平面空间圆故障模型诊断方法。该方法利用电路响应与元件的位置及电路拓扑结构之间的关系,在复平面空间上建立圆函数作为故障特征。故障诊断时,利用测试值到圆中心之间距离与圆半径相等的原理来精确定位故障。实验证明圆故障模型既能解决故障响应不可数问题又能简化故障字典,降低仿真和测试代价。同时,该方法不但能诊断软故障和硬故障,而且也能很好地解决容差问题。     

基于支持向量机的容差电路故障诊断

针对具有容差的模拟电路故障的模糊性,提出采用支持向量机(Support Vector Machine,SVM)的方法建立故障分类器,在不易取得训练样本的情况下,实现较高准确率的故障诊断,并且具有较强的通用性和实用性。提出的基于支持向量机容差模拟电路故障诊断方法,克服了神经网络等诊断方法的局限性,实现了具有容差的模拟电路故障模式空间的非线性可分,解决了具有容差的模拟电路故障模式识别的根本性问题。     

容差条件下的模拟电路故障诊断方法

指出了线性模拟电路中,测试点电压向量在故障状态下相对于标准状态下的变化量,其向量方向由故障元件在 被测电路中的位置决定。证明了线性电路中节点电压灵敏度向量的方向能够反映故障元件的位置。结合节点电压敏感度向量 的模反映故障元件参数变化量到测试点电压变化量的权重这一特点,以节点电压灵敏度向量为故障特征建立了故障字典。提 出一种容差条件下的故障诊断判定算法,兼顾故障定位和元件的参数变化量,可以有效地实现模拟电路元件参数在一定容差 范围内随机变化条件下的单一软故障诊断。仿真结果验证了该理论的正确性和方法的有效性。     

基于特征优选模拟电路故障诊断方法

传统基于最小二乘支持向量机模拟电路故障诊断方法都是使用单一的特征向量组合训练支持向量机所有二分类器,然而实际上每个二分类器对不同的特征向量组合有不同的分类精度。因此,提出了基于马氏距离的粒子群优化算法,为最小二乘支持向量机所有二分类器优选出近最优的特征向量组合。然后,将近最优特征向量组合用于训练和测试该支持向量机。最后把该方法应用于模拟电路早期故障诊断,实验结果表明,基于近最优特征向量组合的诊断精度要高于单一特征向量组合的诊断精度。     

容差模拟电路诊断中故障隔离的几何方法

针对传统故障字典法的3个主要缺陷,建立了以节点电压增量比作为特征向量的故障字典,该字典能对电路中每个元件的硬故障和软故障作出诊断,具有测前模拟次数少、占用存储空间小、诊断范围宽的特点.针对由于元件参数容差导致故障定位难度大的问题,阐述了如何将几何学中的一些观点应用到故障诊断中,并建立了3个故障隔离的几何模型;最后通过实...     

端口故障诊断法原理及算法

端口故障诊断法是摸拟电路的一种新故障证实法。由于端口数总小于独立结点数,所以在对同一电路诊断故障时,此法比结点故障诊断法的测后工作量小.所提出的诊断算法及容差处理方法简单、有效.并给出诊断实例.     

线性模拟电路软故障建模与诊断策略

针对线性模拟电路软故障诊断问题,提出了一种新的基于解析模型的方法。该方法利用硬故障电压值,构建电路的阻抗-电压方程,以便计算线性模拟电路软故障时系统输出电压,从而形成用于软故障诊断的故障特征向量。该文首先讨论了电路阻抗参数连续变化时,单软故障建模和模拟电路可测性分析的基本结论;其次以多故障中最常见的双故障为例,亦给出了由阻抗-电压方程确立的软故障电压建模;最后形成了相应的故障定位定值策略。在交流信号激励下的例子电路中进行建模与诊断分析,结果表明,提出的软故障建模与诊断策略运行有效,结果准确。     

模拟故障诊断中的容差处理方法研究

基于斜率故障模型的故障诊断方法较好地解决了线性电路的软故障和硬故障诊断问题,是一种很有价值的故障模型,但是容差问题使该方法不实用,基于此,给出了新的容差处理方法.首先斜率故障模型的公共点(由无故障时两个选定测点的电压值确定)不再是一个定值,而是在实际电路运行中获得,它包含了实际电路元件的容差信息.其次,受容差影响,元件...     

基于复互小波分析的模拟电路故障诊断方法

针对模拟电路故障诊断研究中故障特征提取的难题,提出基于复互小波变换的相对幅度?相对相位协同分析的新方法,并根据复互小波变换的特点构建了故障敏感信息提取算法。使用复互小波变换能同时提取模拟电路在不同频率和时间尺度上的故障特征,并且相对幅度和相对相位信息分别从信号“能量”和“时间延迟”两个不同角度表征模拟电路的故障信息。该方法同时使用了蒙特卡洛方法构建正常电路元器件的容差范围,仿真实验结果表明该方法可以有效地解决模拟电路中灾难型和参数型故障诊断问题。     

灵敏度分析和SVM诊断模拟电路故障的方法

针对低可测性模拟电路中存在的模糊组问题,提出了一种模拟电路故障诊断的新方法。该方法首先计算被测电路网络传递函数零极点的灵敏度,利用零极点灵敏度提供的信息来对被测电路进行模糊组的划分,组成可诊断的元件集,并引入了支持向量机完成对故障的分类识别。零极点的灵敏度分析确定了被测电路可诊断的元件组,支持向量机结构简单、泛化能力强,实验结果证明了基于灵敏度分析和支持向量模拟电路故障诊断方法的有效性,故障诊断率大于99%。     

基于BP神经网络的容差电路故障诊断

模拟电路的可靠性决定了电子设备系统的可靠性，本文主要研究容差模拟电路故障诊断的神经网络方法，主要目的是解决模拟故障诊断中的容差问题和减少诊断时间。提出了基于BP网络的模拟电路故障诊断实现方法，其仿真结果达到了预期目的。     

小波变换与主元分析相结合的模拟电路检测方法

针对容差、非线性、建模复杂等造成的模拟电路故障检测困难以及现有故障检测方法需要根据经验设置检测阈值的缺点,提出了一种小波变换和主元分析相结合的模拟电路故障检测方法,给出了利用该方法进行故障检测的具体过程.利用三角波信号作为激励源,采集和分析被测电路的输出响应;利用小波变换提取输出响应的故障特征,能够同时利用时域和频域信息;利用主元分析融合故障特征进行故障检测,能够避免设定检测阈值的困难.将其应用于模拟滤波器的故障检测,结果表明,该方法能够有效地利用时频域信息进行故障检测,优于单纯的时域分析方法或频域分析方法.     

利用小波分析的电流测试方法实现模数混合电路的故障诊断

模数混合信号电路已成为未来电路设计的发展趋势,对模数混合电路诊断和测试方面的需求日益急迫。文章首先针对模拟/数字混合电路的故障诊断,基于小波分析理论,提出了动态电流(IDDT)测试方法。其次应用小波变换的时频分析特性,对模拟/数字混合电路正常模式和故障模式的IDDT采样信号进行小波分解,得到特征小波系数,计算出正常模式和故障模式下相应特征小波系数的均方根误差。最后将待检测电路的特征小波系数均方根误差与已知正常及故障模式的特征小波系数均方根误差进行比较,根据结果的异同实现模拟/数字混合电路的故障诊断。通过仿真实验验证了该测试方法的有效性,与传统单一时、频域(FFT)诊断分析方法相比,仿真结果显示,该方法对模拟/数字混合电路的故障有较高的检测灵敏度,可以实现绝大多数故障的准确定位,为模拟/数字混合电路故障的准确诊断提供了一种有效手段。     

基于神经网络的模拟电路故障诊断

针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于LM算法的神经网络故障诊断方法;主要包括故障特征的选取以及神经网络的建立.其中网络隐含层节点数的选取采用黄金分割优选法.试验仿真表明,LM算法明显提高了网络训练速度,减少了训练时间,其效果优于标准BP算法,可有效提高故障诊断性能.     

基于联系度容差关系的不完备信息故障诊断

针对不完备信息条件下的故障诊断问题,研究了一种基于(α,β,γ)联系度容差关系的故障诊断方法.定义不完备诊断信息系统以描述不完备诊断信息,定义(α,β,γ)联系度容差关系以衡量对象间的同一、对立和不定关系;提出了基于(α,β,γ)联系度容差关系的属性约简方法,设计了基于最优同一度的不完备信息故障诊断方法;将该方法应用于管理控制计算机的故障诊断,实例验证了方法能有效处理不完备信息,显著提高了不完备信息条件下的故障诊断准确率.     

一种改进的DTW算法在人体行为识别中的应用

目前针对各维特征之间的相关性对动作识别影响的问题,解决的方法基本是采用欧氏距离作为其相似度的算法.结合Kinect体感设备提出了一种基于改进的DTW算法的人体行为识别方法,将马氏距离作为相似度测度引入DTW算法中进行改进.首先,利用Kinect设备采集人体骨骼信息,计算骨骼夹角信息,之后使用改进的DTW算法进行模板训练和人体行为识别.最后通过实验,对比采用欧氏距离、卡方检验和马氏距离作为相似度测度时,人体行为识别的准确率.实验表明引入马氏距离的DTW算法在识别正确率方面有所提高.     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点，提出基于小波神经网络的模拟电路故障诊断方法。采用能量分布特征提取方法和改进BP算法，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。相对于传统的故障诊断方法，用小波变换对故障信号进行预处理，大大减少了神经网络的输入数目，从而简化了神经网络的结构和减少了它的训练时间，并提高了辨识故障类别的能力。对实例电路仿真结果表明，该方法能正确识别各种故障状态，准确率高。     

基于小波分析的风机故障诊断

根据故障信号特征和小波变换多尺度分解性质选取小波分解层次，得到能正确地反映风机运行状态的特征向量；参照特征向量的组成方法，提出并构建基于小波分析的韶钢4号风机典型故障特征表。对待检信号选用db10波进行6层小波分解，利用待检状态的特征向量与典型故障特征表，通过模糊模式识别方法进行风机故障诊断。结合傅里叶分析方法进一步找出风机存在的倍频微弱信号。实际诊断结果表明：振动信号与故障特征表中典型不平衡故障的模糊贴近度达到0．958，从而诊断出实例中风机存在不平衡故障；风机存在0.5倍频微弱信号，据此有利于发现风机与该频率相关的早期微弱故障征兆。     

一种改进的模拟电路k故障诊断算法

利用元件容差的两个基本特性，给出了一种从总体上估计容差的改进ｋ故障诊断算法，实验结果表明本文算法可以准确地定位故障，且受容差的影响较小。