ATS（自动测试系统）中系统不确定度的处理

介绍了自动测试系统中系统不确定度的基本概念、组成和来源。为了消除系统不确定度对测试结果的影响,结合实际综合自动测试系统的硬件平台和软件平台,提出并实现了自动测试系统中的系统不确定度的两种处理方法。实践证明,这两种处理方法在工程实践中取得了较好的效果。     

基于Matlab估计正弦信号信噪比时频法研究

本文采用时频法估计信噪比,用Matlab进行仿真,结果表明频点数的选取、采样频率以及时域观测点数都对信噪比的估计产生影响,在适当参数的设置下,计算信噪比的平均误差可以小于0.15 dB.     

基于B/S模式远程测控的实现

应用NI的dataSocket技术与VB结合,创建一个和测试现场的测试面板外观相同的ActiveX控件,该控件不但能同步显示测试面板上的相关数据而且还能远程实时操作测试面板。将该ActiveX控件嵌入网页之中,从而实现基于Web的远程测控。该系统所有软、硬件要求都在测试现场(即服务器端)完成,对远程控制只需安装通用网页浏览器,无其他任何要求。系统无论从实时性、安全性和易用性等方面都能满足实际需要。     

面向信号自动测试系统的INI文件自动转换技术

针对面向信号自动测试系统中由Excel表格给出的信号接线表,数据读取速度慢、不易于程控的问题.根据IEEE1641的测试和信号定义,提出了将Excel表格转换为INI文件的思路,并通过对INI文件的快速读取,实现对信号接线表的控制.介绍了系统资源配置的步骤,给出了INI文件自动转换的程序流程图以及核心转换模块的详细设计...     

局部特征尺度分解结合局部均值解调的齿轮故障诊断

为了准确地进行故障诊断,根据齿轮故障振动信号的多分量调幅-调频特征,提出了一种新的解调方法--局部均值解调法,将之与局部特征尺度分解相结合进行齿轮故障诊断。该诊断方法首先对齿轮振动信号运用局部特征尺度分解,得到若干个内禀尺度分量,然后应用局部均值解调法求取每个分量的调频分量,最后根据瞬时频率的频谱进行故障诊断。采用仿真信号将局部均值解调法与Hilbert解调法、经验调幅调频分解法进行了对比,结果表明,局部均值解调法的精确性更好。通过齿轮故障振动数据的分析,验证了局部特征尺度分解结合局部均值解调的故障诊断方法的有效性。     

融合K近邻信息的局部三层交替优化MK诊断模型

针对小样本条件下航空电子设备模块级功能故障诊断问题,将局部多核学习的局部特征表示能力与超限学习机运算高效的特点相结合,提出一种新的多故障诊断模型。一方面,通过将训练样本的近邻信息融入学习过程中,有效提升了诊断模型的推广能力;另一方面,通过构造关于局部多核超限学习机初始-对偶混合优化问题的三步交替优化策略,实现了小样本条件下对故障信息的深度挖掘,并在l1-范数约束与l2-范数约束下分别实现了对局部核权重的迭代更新。将所提诊断模型应用于某型前端接收机,结果表明,相比一般的多核、局部多核诊断方法,所提方法在实现低漏警、低虚警的同时,l1-范数约束的诊断方法将诊断精度平均提升了3.57%,l2-范数约束的诊断算法将诊断精度平均提升了4.61%。     

lp范数约束的模拟电路3层多核故障诊断模型

为提升模拟电路故障隔离精度,结合基于故障特征间一维模糊度的特征选择算法,提出一种改进的l_p范数约束多核超限学习机诊断模型。该模型通过将带权分类误差融入超限学习机优化目标函数中,基于自适应Boosting策略构建了一种3层多核学习框架。在新框架下通过自适应调整训练样本的权重分布,使得每层框架能够聚焦于不同故障样本,进而提升诊断模型的辨识力。通过对2个电路实例的诊断,结果表明：所提模型在不同范数约束下具有近似一致的诊断性能;当故障属性单一时,在平衡漏警、虚警的同时,能够显著提升诊断正确率;当多种属性的故障并存时,能够将难以辨识的故障更加准确地隔离到少数模糊组中。     

希尔伯特-黄变换若干问题研究与展望

分析了目前比较流行的非线性、非平稳信号的时频分析方法——希尔伯特(Hibert)-黄(Huang)变换(HHT)在实际应用中存在包络线拟合、端点效应、模态混叠等问题的主要原因,详细综述了目前在克服这些问题上的研究进展,探讨了解决这些问题的新方法,给出了这些问题主要是由HHT算法自身的缺陷造成的结论,提出了建立HHT理论框架和有生命力的HHT算法的研究方向,以期为进一步研究HHT提供参考依据.     

SL-SMOTE和CS-RVM结合的电子设备故障检测方法

针对电子设备故障检测问题中故障机理复杂、故障样本贫瘠的问题，提出一种SL-SMOTE(Safe Level Synthetic Minority Oversampling TEchnique）和代价敏感相关向量机（Cost Sensitive Relevance Vector Machine，CS-RVM）结合的电子设备故障检测方法。所提方法将电子设备的故障检测视为一个非平衡的二分类问题，首先在数据层采用SL-SMOTE对故障样本进行拓展，然后根据优化后的样本训练得到RVM检测器，最后将代价敏感学习引入到检测结果的判别中，得到损失代价最小的检测结果。UCI数据集以及应用案例的实验结果表明所提方法有效提高了检测正确率。     

自动测试系统中测试数据管理

测试数据是自动测试系统中一个重要组成部分,如何简单、有效地管理测试数据是测试系统开发人员所面临的问题。本文介绍了在LabWindows/CVI开发环境中,将测试项目以数据模板的形式统一管理,使用NI公司提供的SQL ToolKit,实现在自动测试系统中,测试项目的读取、测试数据的记录、保存和打印等功能。应用结果表明,该方法具有很好的通用性和灵活性,可提高自动测试系统的测试效率和代码重用率。