基于LabVIEW的信号处理虚拟实验系统

在Windows环境下,利用LabVIEW开发信号处理虚拟实验系统,并介绍该系统的开发背景、软件结构、功能和特点。该系统具有界面友好、扩展性强的优点。设计者可以通过软件改变系统功能,使用方便直观,具有良好的教学效果。

电路测试神经网络方法中求多个测试矢量

文章研究在数字电路测试的神经网络方法中求给定故障对应的多个测试矢量的方法 ,首先提出了一种求多个测试矢量的遗传进化方法 ,然后提出了一种矢量扰动方法 ,通过这两者的结合使用 ,能获得被测电路较小的完备测试集 ,从而提高了电路测试神经网络方法的性能。

数字电路并发差错检测的新概念

并发差错检测是提高数字电路与系统可信性的重要技术．文中建立了一种基本并发差错检测电路的结构模型，它由实现电路基本功能的基本功能模块和实现电路并发差错检测功能的检测器两部分级联所构成；提出了表征基于部分自校验概念的并发差错检测机制的一组新概念：精简强故障保险、精简强变量分离、精简强自校验、ｋ容错精简强故障保险、ｋ容错精简强变量分离和ｋ容错精简强自校验，并研究了数字电路并发差错检测的主要概念之间的关系；证明了用基本功能模块与检测器互连。

对数字电路扇出的影响和造成困难的分析

提出一种在 Benchmark电路中存在的隐式扇出和描述实际组合电路中扇出的一种方法 .从 D传送、赋值和冗余、难测故障等方面 ,对扇出的影响造成的困难进行了分析 ,并叙述了其影响的范围和程度 .

数字电路多故障测试生成的神经网络方法研究

本文深入研究基于Ｈｏｐｆｉｅｌｄ神经网络的数字电路多故障测试生成方法，该方法利用电路基本逻辑门和Ｈｏｐｆｉｅｌｄ网络的特性，建立多故障测试生成的神经网络模型，通过求解网络能量函数的最小值点获得给定多故障的测试矢量。文中提出了加速测试生成的技术策略，为多故障的测试提供了一种可能的新途径。

基于神经网络模型测试生成的学习策略

本文描述一种基于组合电路的Ｈｏｐｆｉｅｌｄ神经网络模型的测试生成系统，重点介绍了系统中实现神经网络学习并记忆基于电路拓扑的知识信息的学习策略，从而将基于电路拓扑的知识与数学计算结合起来．最后给出了实验结果．

基于模拟与遗传进化的电路测试生成方法研究

基于模拟的测试矢量生成(STPG)是数字电路测试生成中的一类主要方法,本文提出一种基于故障模拟与遗传进化技术的电路测试生成方法,给出了方法的详细实现步骤。该方法能减少在产生电路的输入矢量时的随机性,可充分利用已生成的一部分矢量的内在特性。

测试产生的神经网络方法及若干问题研究

介绍了在微机上开发的一种基于神经网络的测试生成系统结构，详细讨论了系统中各模块的实现方案。从提高效率的角度。

单跳变敏化

出于定量地测量被测通路的传输延迟的考虑 ,文中提出一种基于波形敏化的“单跳变敏化”的概念 ,对波形敏化与传统的通路敏化的区别 ,以及基于波形敏化的单跳变敏化的特点进行了分析 ,并利用带时间参数的测试产生系统 DTGWTP[7] 取得了单跳变敏化的实验结果 .利用单跳变敏化在目标通路的原始输出线上输出单跳变的特点 ,可以进行时延故障诊断 .实验数据表明 ,单跳变敏化的覆盖率远远高于单通路敏化的覆盖率 。

数字电路板故障诊断的一种实用方法

介绍了数字电路板故障诊断的一种实用方法。在该方法中，故障检测是基于对电路板的功能测试，故障隔离是基于相关节点的实际响应和预期响应的比较，此外还介绍了诊断数据库的建立方法以及测试系统的硬件组成。根据这一方法已研制成功一个实用测试系统，它能把８０％故障隔离到节点。

可达树分析法及其在测试中的应用

介绍了数字电路故障诊断的Petri网模型和Petri网的分析方法之—─—可达树分析法。该方法应适用于各种Petri网，但由于状态空间的复杂，其限适用于较小Petri网。并研究了可达树分析法在数字电路故障测试中的应用。

基于遗传算法的数字电路测试生成方法

本文提出了一种基于遗传算法的数字电路测试图形生成方法，首先把被测电路的门级描述转化为易于计算的非线性网络，然后用遗传算法找到网络能量函数的最优解，从而得到被测电路的测试集．这种方法对可测故障都能生成测试，能方便地产生多故障的测试图形，同时具有较好的并行性，易于在多处理机上实现．

基于后驱动技术的BIT测试适配器

介绍一种采用后驱动技术的故障注入方法 ,可以在不拆卸被测系统任何部件也不需在被测系统中添加任何测试接口的情况下 ,对被测系统实施方便灵活的故障注入。文章首先简单介绍了智能化BIT测试适配器 ,接着重点阐述了后驱动技术的原理、后驱动故障注入的实现及后驱动故障注入的特点。

数字电路的神经网络模型研究

研究数字电路的Hopfield神经网络模型,说明了这种模型的原理及建立方法,并指出这种模型存在的不足,然后研究电路的最优神经网络模型,给出了该模型的相关定义,讨论了任意数字电路对应的最优神经网络的存在性.这些建模方法可应用于电路的测试、逻辑验证等领域,能提高相关技术的计算效率.

电路测试的可区分故障算法研究

研究一种基于人工神经网络的能区分故障的数字电路测试生成方法，该方法利用电路基本逻辑门的特性和神经网络模型的特点，首先建立测试生成的神经网络模型，然后通过求解网络能量函数的最小值点获得给定类型故障的测试矢量。

航空液压泵故障模拟试验设计与实现

介绍了航空液压泵故障模拟试验设计和实现的过程，主要从调研统计的角度出发梳理出液压泵的故障机理。通过对FMECA的分析，明确液压泵的典型故障，进而确定监测参数及传感器布局，详细阐述三类故障模式的故障模拟途径和手段。为复现液压泵故障现象，实现液压泵故障精确诊断奠定基础。

一种基于最优化模型的数字电路测试生成方法

基于基本门电路的特征函数及被测电路的约束网络结构模型，首先提出一种用于数字电路的模拟退火（ＳＡ）测试生成算法，然后在ＳＡ算法中采用梯度算法的退火梯度法，该方法的特点是具有全局收敛性和较高的计算效率，它不仅加速了数字电路的测试生成过程。

临界路径跟踪——测试产生与故障模拟的一种算法

现有的数字电路测试产生算法,如D-算法、PODEM算法和FAN算法等,几乎都是针对每个给定的故障先求出它的一个测试,然后用故障模拟方法求出该测试所能检测的全部故障。测试产生和故障模拟是分两步进行的。本文提出用临界路径跟踪法进行测试产生和故障模拟,它是从电路的初级输出开始向电路的初级输入进行所谓临界路径跟踪。测试产生和确定该测试所能检测的故障是同时进行的,把测试产生和故障模拟紧密地结合在一起。 和PODEM算法、FAN算法一样,我们限于讨论组合电路中引线s-a-0和s-a-1的单故障。文中详细叙述了临界路径跟踪的策略,保证求得的测试集能覆盖电路中全部可测故障。测试的总数最多不超过电路中每个门单独的测试数的总和。

数字电路测试生成的可满足性方法研究

本文介绍了可满足性的测试向量生成 (SAT- ATPG)算法。通过控制输入跟踪算法 (CITA)嵌入 SAT- ATPG中 ,减少了 CNF的构成时间和搜索空间 ,加速测试生成 ,减轻故障压缩工作量 。

基于WEB的虚拟实验系统的构建

实践教学环节对学生全面掌握专业知识,培养科学的思维能力和创造力起着重要作用。基于W EB的虚拟实验系统为远程学习者提供了身临其境的学习环境。本文探讨基于W EB的虚拟实验系统结构、构建虚拟实验室的关键技术以及虚拟实验在教学中的实现方式。