基于蚁群神经网络的线性直流电源故障诊断

线性直流电源是电子设备中最易发生故障的薄弱环节之一,其不完善的故障模型和容差等问题使故障诊断变得复杂。神经网络的自组织学习能力为故障诊断问题提供了一种新的解决途径,反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型。但算法有求解精度低、搜索速度慢、易于陷入局部极小值的缺点。蚁群算法是一种新型的模拟进化算法,有正反馈、分布式计算、启发性收敛等特性。本文将基于蚁群算法的神经网络的方法应用于线性直流电源的故障诊断中,仿真实验表明:此方法提高了网络的训练效率和故障定位的准确性。

基于灰色关联理论的线性直流电源故障分类定位

将灰色关联理论应用于线性直流电源故障诊断中,完成故障模式识别和决策判断:故障分类成若干故障子集并采用蚁群算法约简故障特征参数,将关联度和相似系数联合形成综合关联度,利用综合关联度分析来进行故障诊断。实验结果表明:此法能充分利用约简的故障特征信息有效地进行测后分析,有着很高的故障定位准确性。

基于群智能神经网络的线性直流电源故障诊断

反向传播算法是应用广泛的一种多层前馈神经网络模型,具有求解精度低、易于陷入局部极小值的缺点。群智能研究领域主要有粒子群优化算法和蚁群算法。粒子群优化算法有收敛速度快、算法参数简洁等特性;蚁群算法具有正反馈、启发性收敛等特性。将群智能神经网络的方法应用于线性直流电源的故障诊断:利用蚁群算法来约简故障特征参数;用粒子群优化算法来训练神经网络的权值。实验表明:此方法提高了网络训练效率和故障定位准确性。

线性直流电源电路的分步故障定位新方法

提出了一种分步实施故障定位的线性直流电源电路故障诊断新方法。该方法根据线性直流电源电路的特点,通过计算机模拟仿真,提取电路(系统)在各种故障状态下的电路特征,由这些特征处理得到分步实施的测试点和测试步骤,以实现故障定位。故障定位仿真实例说明:此方法故障测试点少且选择灵活,所需数据存储容量小,故障诊断准确率高,亦适用于有较多半导体器件的大中规模的模拟电路。

鼎阳科技推出LED系列可编程线性直流电源SPD3000C

深圳市鼎阳科技有限公司日前宣布推出LED版可编程线性直流电源SPD3000C系列，SPD3000C可编程线性直流电源继承了SPD3000D／S系列的新颖的外观设计和友善的用户操作体验，配用了区别于D／S系列的LED显示屏，以满足客户的不同需求。