基于小波神经网络的模拟集成电路短路故障诊断方法

针对传统方法短路故障诊断效果较差的问题,本文提出基于小波神经网络的模拟集成电路短路故障诊断方法。首先重构模拟集成电路原始信号,提取短路故障信号特征,然后利用确定的故障位置通过小波神经网络识别故障类型,最后判别短路故障严重程度,实现模拟集成电路短路故障诊断。实验结果表明:所提设计方法判别的短路故障程度与目标值十分接近,具有实际应用价值。

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。

基于径向基函数神经网络的模拟/混合电路故障诊断

径向基函数神经网络是一种前馈型神经网络,具有较强的函数逼近能力和分类能力,学习速度快等优点。本文采用幅值恒定的正弦信号源进行模拟电路的故障仿真,从频域提取输出信号波形的特征值建立故障字典,应用径向基函数神经网络的这些优点进行响应分析和故障诊断,能够实现快速故障诊断及定位,具有准确率高的特点。

模拟电路故障诊断的约束聚类集成BP网络算法

针对通用BP网络对于高纬度、大数据量训练收敛困难的问题,在使用动量因子、自适应调整学习速率等方法的基础,引入约束聚类,构造集成神经网络,以提高网络的训练速度及诊断效果;首先,采用约束聚类算法将训练样本集划分为若干个规模相当的子样本集,分别训练生成相应子网络;此外,在诊断过程中除各子网络的输出变量外,还加入了诊断数据相对各子训练样本集的隶属度因子;最后通过一个实际电路板25维采样数据、38类故障的BP网络诊断实例验证了算法的可行性。

基于集成模糊神经网络的容差模拟电路故障诊断方法

为了解决容差模拟电路故障诊断,采用了一种集成T S模糊神经网络的故障诊断方法,首先应用PSpice软件仿真得到故障数据,其次对故障数据进行小波分解并归一化处理,获得神经网络训练样本,然后将样本分配到每个T S模糊神经网络中进行训练和测试。采用学习速率可变的附加动量BP算法训练网络权值,使其稳定性与收敛速度达到最佳。仿真结果证明:该方法收敛速度快、正确诊断率高,能有效地实现对模拟电路故障的诊断。

基于正交试验法和集成神经网络的模拟电路故障诊断方法

在利用集成神经网络进行模拟电路故障诊断时,经常会遇到训练样本庞大的情形。文中以进行多故障诊断为目的,提出了一种基于正交试验法和集成神经网络的模拟电路故障诊断方法。通过正交试验法,大大减少训练样本,同时保证了故障覆盖率。经算例证明,该方法可行、有效。

脉频调制神经网络VLSI的设计及应用

本文提出了一种用于故障诊断识别的改进脉冲频率调制(PFM)VLSI神经网络电路,改进了传统的基于软件的机械故障诊断模式,发挥了神经网络超大规模集成电路(VLSI)的优势.利用单层感知器网络、场效应管电路实现了一种新的数字模拟混合突触乘法/加法器电路,而且该神经网络电路的突触权值不需要学习调整,降低了电路的复杂性.以此电路为基础,设计了进行主轴承噪声故障诊断的神经网络故障识别系统.将含有故障信息的原始噪声信号,经过前置信号处理分析、故障特征值提取和神经网络运算,得出VLSI电路输出端电容的电压——代表待识别信号与模板故障信号的“欧氏距离”,进而判断出故障的类别.经过仿真测试,基于硬件的诊断系统的识别性能接近于基于软件的系统.

基于忆阻器神经网络的辐射效应诊断系统设计

航天事业是我国群策群力发展的重要事业,航天器作为执行航天任务的主体,其可靠性至关重要。随着集成电路工艺技术和人工智能的迅速发展,使用传统集成电路实现神经网络将会耗费大量的硬件资源,忆阻器是一种可与传统集成电路集成的新型器件且可以用于神经网络计算。针对集成电路中静态随机存取存储器的辐射故障问题,设计了一种卷积神经网络,对集成电路辐射效应进行诊断,基于忆阻器对神经网络的运算层进行设计,通过设计的卷积神经网络对集成电路的故障数据集实现了分类诊断。

基于集成多神经网络在模拟电路故障诊断中的研究

以进行模拟电路故障诊断为主要目的,针对单神经网络故障字典法在进行复杂电路系统故障诊断时,对多故障和多任务诊断的不足之处,讨论了基于多故障的神经网络集成技术,采用集成多神经网络来提高诊断速度和精度,提出了集成多神经网络故障字典法来解决多故障任务,对基于层次分类模型的多重结构神经网络进行了研究,给出了两种对故障定位的统一融合算法,克服了采用单神经网络多故障时学习速度慢,出现新故障的网络要重新进行学习等缺点。并给出了应用实例。

一种基于小波分析和神经网络的模拟电路故障诊断的方法研究

提出了一种基于小波分析和神经网络的电路故障诊断方法。首先用PSPICE(Simulation Program with Integrated Circuit Emphasis,即集成电路编程仿真技术)电路仿真软件对电路进行仿真;然后对电路的输出节点电压信号进行小波分解,提取各频段的能量作为故障样本;最后利用神经网络的并行处理结构和非线性映射能力,实现故障诊断。仿真实验结果表明该方法对容差模拟电路故障定位具有较高的准确率,为模拟电路故障诊断技术开辟了一条道路,为模拟电路故障诊断技术开辟了一条道路。

PFM神经网络VLSI电路的故障诊断应用

为了改变传统的基于软件的故障诊断模式,发挥神经网络超大规模集成电路(VLSI)的优势,提出了一种用于故障诊断的改进脉冲频率调制(PFM)模拟神经网络脉冲流VLSI电路。利用单层感知器网络、场效应管电路实现了一种新的数字模拟混合突触乘法/加法器电路。以此电路为基础,设计了进行主轴承磨损故障诊断的神经网络故障识别系统。用含有故障信息的噪声信号代替振动信号进行特征值提取,经过前置信号处理分析、故障特征值提取和神经网络运算,最后得出代表待诊断测试信号与标准故障模板之间"欧氏距离"的VLSI电路输出端电容的电压值。根据各个电压值,可以判断出故障类别。该电路具有较高的识别精度,可以实现实时在线的故障诊断。