大规模模拟电路软故障快速诊断法

研究了大规模模拟电路软故障的故障统一特征向量的提取方法,并在此基础上提出了大规模模拟电路软故障快速诊断法。该方法根据大规模模拟电路故障诊断网络交叉撕裂搜索方法,采用改进BP算法的神经网络记载电路多次撕裂信息,从而可以迅速检测出大规模电路的软故障模块。仿真实例证明该方法能快速有效地并行处理定位故障模块,具有测前工作量小、适用范围广、诊断速度快等优点。

大规模模拟电路故障诊断方法研究

根据模拟电路故障诊断网络撕裂法和交叉撕裂法的准则,基于BP神经网络提出了一种实用的大规模模拟电路故障诊断方法。该方法能快速有效地进行故障定位,具有测前工作量小、工程实践性强等优点。

基于神经网络的大规模模拟电路故障检测系统

设计了一个基于小波和神经网络的信号处理系统,该系统主要针对大规模模拟电路故障检测。针对传统诊断技术的局限性,讨论了利用神经网络方法分级诊断大规模模拟电路软故障的方案,通过小波变换提取故障特征,并利用神经网络的非线性映射特性逼近故障诊断模型。诊断结果表明基于人工神经网络的电路故障诊断方法是行之有效的。此方法具有广阔的应用前景,为大规模模拟电路故障诊断提供了新的理论依据和检测方法,并有希望研制成一套高效的检测设备。

一种大规模模拟电路快速故障诊断新方法

针对传统大规模模拟电路故障诊断方法在多故障条件下的故障定位过程复杂、测前工作量大等问题,提出了一种新的故障诊断方法———成组撕裂法。将大规模模拟电路按照拓扑特性和成组撕裂准则进行撕裂,得到低维度的故障特征向量;基于模式识别思想,选用具有高度并行分类能力的神经网络作为分类器,隐含层传递激发函数选择具有快速收敛特性的小波函数。经仿真验证该方法能实现故障特征向量的快速分类并得出故障诊断结果。与目前已有的互校验(multiple-test-condition,MTC)和交叉撕裂搜索法相比,该方法有测前工作量小、诊断次数和计算量少、对多故障检测能力和工程实践性强等特点。

一种有效的大规模模拟电路的诊断方法

提出了一种新的大规模模拟电路的测试和诊断故障的方法 ,利用大变化灵敏度分析得到诊断电压和电流 ,使用子分解技术 ,提出了故障节点、故障相关与故障子电路的分离算法 ,讨论了硬件及测试节点的优化。基于一种模型技术的电路分析较传统方法的复杂性低 。

基于LMD算法的大规模模拟电路软故障诊断仿真

随着电路规模的不断扩展,大规模模拟电路的故障诊断越来越难以实现,尤其是软故障的诊断,由于其存在不可数特性,导致当前缺乏对软故障的有效诊断方法,因此提出了一种基于改进LMD算法的大规模模拟电路软故障诊断方法。根据电路节点电压信号的变化及概率密度,判断电路发生的故障类型,同时利用分量积分推断故障概率。考虑到LMD在非线性信号分析方面的优势,对电路测点信号采取LMD分解,并针对LMD平滑过程中的相位变化引入幂函数插值优化,降低包络分离时的误差。通过信息熵与分形维数,将相关性与门限判断结合,实现电路故障信号与故障类型的对应。仿真过程中,对于大规模模拟电路采用拓扑分解策略划分为非相关子区域,根据测点信号和故障状态的相关性计算,得到故障类型判断均正确;经过与其它方法对比,验证了所提方法可以有效提高大规模模拟电路软故障诊断的精度和效率。

大规模模拟电路故障诊断方法研究

测前工作量大和故障定位过程复杂等问题,使传统的大规模模拟电路故障诊断方法研究不再适应当前的社会发展需求,因此构建高效全面的新型故障诊断方法就变得尤为重要。本文通过对撕裂法和BP网络改进算法等新兴方法进行深入的研究,来得出其具体应用和实施的可能性。

大规模直流模拟电路软故障区间诊断方法

为了解决大规模模拟电路软故障诊断困难的问题,提出一种网络撕裂法、区间故障状态描述和模糊神经网络相结合的直流模拟电路软故障诊断方法.首先仿真出可能的故障元件单独在其全局取值范围内变化时对应的子网络中所有可测节点的电压区间值,再根据元件参数容差将电压区间值拆分成多个子区间,从而实现了元件故障状态的完整描述;考虑到神经网络难以处理区间数据的问题,先利用模糊算法对输入信号进行预处理,再采用神经网络来实现故障元件定位.最后通过电路诊断实例,验证了该方法的有效性.

大规模容差模拟电路多故障诊断法

本文研究了大规模容差模拟电路的多故障诊断问题,针对交流、直流线性电路和非线性直流电路,考虑了测试点数目有限以及元件容差存在的情况下的电路故障诊断,采用了一种基于线性程序概念的子网络级故障诊断算法来确定元件的实际参数是否在容差范围内或者某些元件是否有故障。文中提及的几个测试方程在定义可能的故障元件中起了关键性作用,并详细阐述了二重故障的诊断原理,且给出了三重故障的诊断公式。该方法大大减少了大规模网络故障诊断计算量,快速有效的定位故障元件。最后用实例说明了该法的有效性。

大规模电路故障诊断的集团法

本文提出了一种可以诊断大规模模拟电路的新方法———集团法 ,它能不经过撕裂直接用于大规模电路 ,且能迅速缩小可疑故障集范围。本文详述了其诊断原理及诊断步骤 ,并给出了诊断实例。

一种新的模拟集成电路输出参数测试方法

提出一种新的、基于行列式判决图的模拟集成电路输出参数测试方法。利用 Laplace展开 ,可以建立被测电路导纳矩阵的行列式判决图 ,从而计算出其输出参数—例如增益和截止频率。对于大规模模拟电路来说 ,由于导纳矩阵的稀疏性和行列式子图的共享性 ,该方法能够有效地测试出被测电路的输出参数。

基于神经网络的模拟电路快速故障诊断集群撕裂方法

提出一种基于神经网络的大规模模拟电路故障诊断集群撕裂新方法;将大规模模拟电路按照拓扑特性和集群撕裂准则进行撕裂,得到低维度的故障特征向量;利用小波神经网络实现故障特征向量的快速分类并得出电路诊断结果;通过对视频放大电路诊断事例,将电路划分12个子模块,进行两次撕裂与特征抽取,小波神经网络经过80次迭代即趋于稳定;结果表明,对于所测试例诊断正确率达100%,所提方法与传统互校验和交叉撕裂搜索法比较,具有测前工作量小,诊断计算量少,对多故障检测能力和工程实践性强等特点。

基于集团法和自组织神经网络的容差电路故障诊断(英文)

提出了一种基于集团法和自组织神经网络的容差电路故障诊断方法。按照给定的撕裂原则将大规模电子电路撕裂成子电路后,运用集团法诊断出含有故障的子电路,并将它们的测量数据输入到自组织神经网络,神经网络的输出就是故障元件。文章详述了故障诊断的原理和步骤,并引实例结果论证其诊断方法。