基于Volterra频域核和神经网络的非线性模拟电路故障诊断法

本文提出基于非线性电路频域核的神经网络诊断方法。通过范德蒙特法得到各种工作状态下电路响应的各阶频域核,提取故障特征并适当预处理后与相应的电路工作模式一起构成输入/输出样本集,利用训练样本和测试样本分别对神经网络训练和测试,借助神经网络实现故障诊断。文中给出了各阶频域核的递推算式和求解方法,并通过一个基于递归神经网络的非线性电路诊断实例加以验证。     

基于Wiener核和BP神经网络的非线性模拟电路故障诊断

研究提出基于非线性电路的Wiener核和BP神经网络的故障诊断方法.在输入为高斯白噪声的情况下,对输入、输出信号进行采样,通过计算各阶相关函数的方法得到正常及各种故障状态下非线性电路的Wiener核.把该核作为状态特征并进行适当的预处理,与对应的状态一起组成BP神经网络的输入和输出样本来对神经网络进行训练,从而实现对模拟非线性电路的故障诊断.文中给出了Wiener核的数字计算方法和诊断神经网络的建立方案,并通过诊断实例加以验证.     

模拟电路故障诊断的神经网络方法

给出了模拟电路软故障诊断的神经网络方法,利用蒙特卡洛分析,取其能反映故障信号特征的成分做为电路故障特征,而且在网络训练之前,利用主元分析降低了网络输入维数,再输入给神经网络,不仅优化了网络结构,并提高了辨识故障类别的能力。实验证明了这种方法的可行性与适用性。     

基于解轨迹多项式系数估计的非线性电路故障诊断

本文针对一类斜波激励响应轨迹（解轨迹）存在的弱非线性电路,提出一种基于解轨迹多项式拟合的非线性电路故障诊断方法.本文在电路混合节点方程基础上,通过解轨迹多项式系数迭代关系分析多项式系数与故障信息间的对应关系;由解轨迹多项系数间存在的由低到高的解耦关系导出基于多项式系数的故障诊断方程,将非线性电路故障诊断转换为一组线性电路故障诊断问题.以解轨迹多项式系数为特征的故障诊断方法能有效减少故障传播的非线性造成的故障特征重叠、交叉现象,并可充分利用电路结构信息实现故障隔离;文中同时给出了基于解轨迹多项式系数聚类性分析的测试点优化准则.该方法具有分析过程简单、分析动态范围大和适用于未知非线性电路故障诊断等特点.最后通过实例仿真说明该方法的有效性.     

基于相干检测解轨迹跟踪的非线性电路故障诊断

通过调幅激励下非线性电路响应随凋幅信号变化火系(解轨迹)的跟踪,提出一种基于相干检测解轨迹跟踪的非线性电路故障诊断方法.利用解轨迹与Volterra响应间的故障信息等价性,将非线性故障诊断问题变换到线性子电路上分析;南解轨迹与调幅信号间的相干性.通过相位驻留法提取动态电路的静态特征,并建立统一的故障诊断方程.最后通过实例仿真说明该方法的有效性.     

基于导纳矩阵分解的非线性电路故障诊断

提出了一种非线性模拟电路故障诊断新方法.利用矩阵理论的Woodbury公式分解扰动电路的导纳矩阵,推导出非线性元件端电压跨越其工作区间的上折点电压或下折点电压时,扰动元件参数的偏移量和可及测试节点的电压值.利用该方法对非线性模拟电路进行故障诊断,由可及测试节点的电压测试值,诊断出扰动元件参数的偏移量和非线性元件的工作区间.     

模拟电路故障诊断的新方法

本文提出了用多小波神经网络诊断模拟电路故障的新方法。根据多小波的多分辨率分析思想,构造了一种多小波神经网络,其激励函数为具有紧支撑集、对称性和正交性的多尺度函数和多小波函数。用多小波神经网络和单小波神经网络对实例电路进行故障诊断,仿真结果表明,与单小波神经网络相比,多小波神经网络不仅学习收敛速度快,而且能够更准确地对模拟电路进行故障诊断。     

基于子带分析的非线性电路故障诊断

针对非线性模拟电路故障诊断中Volterra级数(Volterra核)计算复杂的难题,基于Volterra核的频谱子带分析,提出了利用将Volterra核进行子带分解以降低计算复杂度的方法。首先将激励信号分别输入正常电路和故障电路得到两种电路的输出,然后分别计算正常电路和故障电路的Volterra子带核,通过求解两种电路Volterra子带核的相关系数实现故障元件的特征提取。实验结果表明,该方法不仅能提高故障诊断效率,还能有效提取灾难型故障(硬故障)和参数型故障(软故障)的故障特征。     

基于小波神经网络的模拟电路故障诊断

本文对模拟电路提出了一种基于小波神经网络的故障诊断方法。该法利用小波空间中函数的多分辨率分解思想，构造了一种激励函数为具有紧支撑集的尺度函数和小波函数的小波神经网络。这种小波神经网络隐层节点数的选取有理论根据，解决了传统神经网络隐层节点数难以确定的问题。分别用本文提出的小波神经网络和传统BP网络对实例电路进行故障诊断，结果发现，小波网络比传统BP网络方法不仅学习收敛速度快，而且有效地避免了局部最小值问题。     

基于核熵成分分析的模拟电路早期故障诊断方法

针对模拟电路早期故障诊断中存在部分早期故障类别重叠的难点,提出了一种基于核熵成分分析的故障诊断方法。首先应用小波分形分析计算被测电路时域响应信号的小波分形维特征,然后利用核熵成分分析方法进行特征的优选与降维,最后将优选和降维后的特征应用最小二乘支持向量机多类分类器进行区分,其中用于识别重叠故障类别的最小二乘支持向量机的参数由量子粒子群算法优化选择。仿真结果表明,本文提出的核熵成分分析方法能较好地获取故障响应信号的本质特征,并表现出了比其他特征提取方法更好的性能,有助于提高模拟电路早期故障的诊断正确率。     

多层感知机在模拟/混合电路故障诊断中的应用

多层感知机具有解决复杂分类问题的能力,应用于模拟/混合电路的测试,能够实现快速故障诊断及定位,具有准确率高的特点。实验证明该方法是行之有效的。     

基于小波-神经网络的模拟电路IDDT故障诊断

动态电源电流测试(IDDT)对模拟电路故障诊断非常有效,而小波变换能够有效提取动态电流的故障特性。因此提出一种基于小波-神经网络的模拟电路IDDT故障诊断方法。利用小波变换具有时频局部化特性,分别对模拟电路正常模式和故障模式的IDDT采样信号进行特征向量提取,建立故障字典;然后利用神经网络具有非线性映射优点,对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。     

基于NOFRFs的中放检波电路系统故障定位方法

非线性电路系统在故障前后其非线性传递特性往往会发生明显的改变,通过比较系统正常状态下的频域特征与当前工作状态下的频域特征就可以判断系统是否处于故障状态.系统的非线性传递特性在频域的表现是广义频率响应方程GFRFs及非线性输出频率响应方程NOFRFs.基于NOFRFs理论对多级级联模拟电路中的非线性故障进行定位的方法作了具体介绍.并通过使用不同的激励信号激励系统,说明了激励信号的选择对故障诊断的影响.     

传感器动态非线性的一种补偿方法

针对传感器存在的动态非线性问题，本文提出一种补偿方法，将具有动态非线性的传感器分为非线性静态环境环节和线性动态环节。先对传感器输出信号进行非线性静态校正，再进行线性动态补偿，研制以DSP为处理核心的传感器模拟器和传感器动态非线性补偿系统，实验结果表明，方法是有效的。     

适用于现场的非线性频谱分析技术

本文从辨识算法和硬件设计上综合考虑,论述了非线性频谱分析仪的设计过程。设计中综合使用数字和模拟的方法,解决了数据采样折叠噪声、非线性频谱分析方法建立等核心问题。最后,详细给出了应用试验。试验结果表明,整个仪器简洁高效,已经达到可以推广应用于工程试验研究的程度。     

模糊综合评判与输入/输出作图法在模拟电路故障诊断上的应用

输入/输出作图法能根据模拟电路的输入和输出电压的关系对电路进行故障检测。模糊综合评判法可以根据模拟电路中元器件工作寿命、故障率等不同的特性,对电路中故障进行定位。提出将两种方法结合起来用于模拟电路的故障诊断的方法,并在自动频率控制电路进行了举例验证,证明该方法简单可靠。     

非线性电路故障诊断模型的建立及神经网络求解的方法研究

推导了含有非线性电阻的网络故障诊断方程,采用“故障标志量”来表征非线性元件是否发生故障,在推导“故障标志量”时,消除由工作点变化引起的电参量变化,保留由伏—安特性变化引起的电参量的变化,提高了故障诊断的准确性。文中还提出一种神经网络,可快速求解出非线性电阻网络的故障方程的解,判定故障元件,并给出了神经网络算法与故障诊断实例。     

一种诊断容差模拟电路软故障的新方法

提出了基于Pspice、小波包与量子神经网络的容差模拟电路的单软、多软软故障诊断,这种方法能克服BP在模糊分类方面的局限性。通过实验,采用QNN与自适应BP神经网络相比,故障诊断率得到了提高。     

非线性动态电路／系统（C/S）辨识、分析计算与故障诊断的研究

采用Volterra级数解的递推算式与方波脉冲函数变换技术对一类非线性动态C/S的数学模型进行辨识,导出了相应的混合模型辨识公式和动态响应的求解方法。根据该法所得到的混合模型,对C/S施行了多重预置模型的故障诊断方法,并给出了辨识仿真和故障诊断实例。