Analog-Circuit Model of FGH96 Superalloy Hot Deformation Behaviors Based on Artificial Neural Network

At the present time, numerical models （such as, numerical simulation based on FEM） adopted broadly in technological design and process control in forging field can not implement the realtime control of material forming process. It is thus necessary to establish a dynamic model fitting for the real-time control of material deformation processing in order to increase production efficiency, improve forging qualities and increase yields. In this paper, hot deformation behaviors of FGH96 superalloy are characterized by using hot compressive simulation experiments. The artificial neural network （ANN） model of FGH96 superalloy during hot deformation is established by using back propagation （BP） network. Then according to electrical analogy theory, its analog-circuit （AC） model is obtained through mapping the ANN model into analog circuit. Testing results show that the ANN model and the AC model of FGH96 superalloy hot deformation behaviors possess high predictive precisions and can well describe the superalloy＇s dynamic flow behaviors. The ideas proposed in this paper can be applied in the real-time control of material deformation processing.

基于IWOA-ELM的模拟电路故障诊断方法

针对模拟电路故障诊断中非线性和高维度输出信号带来的诊断困难问题,提出一种基于改进鲸鱼算法(IWOA)优化极限学习机(ELM)的模拟电路故障诊断方法。首先,采用主成分分析(PCA)法对初始故障电路特征进行降维;其次,在鲸鱼算法的基础上引入Tent映射来初始化种群,并且加入了非线性时变因子、自适应权重以及随机差分变异策略;再利用改进后的鲸鱼算法对ELM进行优化;最后将降维后的故障特征向量输入ELM中得到故障诊断结果。通过Sallen-Key带通滤波器电路以及CSTV滤波器电路仿真测试实例表明:IWOA优化ELM的故障诊断方法具有更优的故障诊断性能,故障诊断准确率高达99.41%。

基于FSSA-ELM的模拟电路故障诊断方法

在大规模电路中,模拟电路的故障率高达80%。针对模拟电路故障诊断方法准确率低、耗时长的问题,提出了一种分数阶麻雀搜索算法结合极限学习机(FSSA-ELM)的模拟电路故障诊断方法。利用核主成分分析与局部线性嵌入(KPCA-LLE)联合方式对电路故障数据进行特征提取,通过分数阶与麻雀搜索算法(SSA)相融合,对极限学习机(ELM)的权重和阈值进行寻优,将提取后的特征数据输入到FSSA-ELM模型中进行训练和测试。T型反馈网络反相比例运算电路诊断实例表明,FSSA-ELM的故障诊断用时相较于SSA-ELM缩短了891 s,单故障诊断准确率可达972%,比SSA-ELM和ELM分别提高了19%和28%;双故障诊断准确率可达95%,分别提高了04%和10%。该故障诊断方法准确率高、耗时短,具有较强的模拟电路故障检测能力。

模拟集成电路设计课程实验项目驱动式教学改革

基于高校模拟集成电路设计课程实验项目分散且教学目标不明确,缺乏系统性和工程应用性,提出了项目驱动式教学改革。以与企业合作的工程项目为基础设立实验项目,并分解成由易及难的多个实验题目,分阶段、分步骤完成实验内容,最终完成模拟集成电路设计全流程实验,以“带隙基准电压源芯片全定制设计实验”为例阐述了实施步骤。课程实验项目采用驱动式教学加深了学生对课程内容的理解,有助于培养学生扎实的工程实践能力。

基于优化矩阵扰动分析的模拟电路故障诊断

在现有的模拟电路故障诊断算法中,人工智能故障诊断算法训练数据量大、训练时间长,且难以实现参数辨识。传统电路分析方法所需测试点多,计算复杂。基于此,提出了一种基于优化矩阵扰动分析的模拟电路故障诊断算法。首先,采用拉普拉斯(Laplace)算子卷积被测电路的输出响应矩阵,从而增强矩阵元素与电路元件参数之间的扰动规律。其次,选取矩阵的迹和谱半径作为故障特征,并利用这种扰动规律建立矩阵模型。然后,利用改进的诊断算法,在Sallen_Key带通滤波器电路和跳蛙低通滤波器电路上进行实例验证。结果表明,所提方法在仅使用一个测点的情况下,可实现故障元件的参数辨识。其故障诊断率达100%,参数辨识误差控制在1%内,且计算时间控制在毫秒级别。因此该方法容易实现在线测试,且适用于要求高定位准确率、高精度参数辨识的场合。

基于IHHO-BP神经网络的模拟电路故障诊断

针对模拟电路故障类型多、故障状态不稳定以及故障数据冗余,使得模拟电路故障诊断困难的问题,提出利用改进哈里斯鹰算法(improved Harris Hawks optimization, IHHO)优化反向传播(back propagation, BP)神经网络,实现模拟电路故障特征选择与诊断。首先,将非线性自适应因子、柯西变异和随机差分扰动引入哈里斯鹰算法,实现收敛速度和精度的提升;其次,采用IHHO对模拟电路的单一故障和组合故障仿真数据进行特征选择,完成数据预处理;最后,采用IHHO-BP算法,对预处理后的故障数据进行训练和测试,实现模拟电路故障诊断。诊断结果表明,所提方法的诊断精度相较于其他算法提升了5.5%。

基于先进工艺的低功耗模拟集成电路设计

阐述先进工艺的低功耗模拟集成电路设计,探讨模拟集成电路的基础知识,低功耗设计原理以及先进工艺技术的应用,分析一个高效、精密的模拟电路设计案例。

基于IMODA自适应深度信念网络的复杂模拟电路故障诊断方法

针对传统DBN在无监督训练过程中预训练耗时久、诊断精度差等问题,提出了一种基于改进多目标蜻蜓优化自适应深度信念网络(IMODA-ADBN)的模拟电路故障诊断方法。首先,根据参数更新方向的异同提出了自适应学习率,提高网络收敛速度;其次,传统DBN在有监督调优过程利用BP算法,然而BP算法存在易陷入局部最优的问题,为了改善该问题,利用改进的MODA算法取代BP算法提高网络分类精度。在IMODA算法中,添加Logistic混沌印射和基于对立跳跃以获得帕累托最优解,增加算法的多样性,提高算法的性能。在7个多目标数学基准问题上测试该算法,并与3种元启发式优化算法(MODA、MOPSO和NSGA-II)进行比较,证明了IMODA-ADBN网络模型具有稳定性。最后将IMODAADBN运用到二级四运放双二阶低通滤波器的诊断实验中,实验结果表明该方法在收敛速度快的基础上保证了分类精度,诊断率更高,能够实现高难故障的分类与定位。

超宽带薄型频率选择表面吸波体设计

设计了一种新型集总电阻加载超宽带薄型频率选择表面(FSS)吸波体。该吸波体使用单层单谐振FSS损耗层结构,具有厚度薄、宽带吸波且极化稳定的特点。FSS损耗层单元结构采用非单元中心对称轴集总电阻加载方法,并结合非均匀金属导带宽度和圆顶枝节加载设计有效拓宽了吸波带宽。该吸波体的等效电路分析及全波仿真结果均表明该结构在6.0~26.77 GHz频段内对电磁波吸波率能够达到90%,相对带宽达到126.8%。该吸波体总厚度为0.086λ_(L)(λ_(L)为吸波频段最低频率对应波长),仅为Rozanov理论极限厚度的1.09倍。对该吸波体进行加工与测试,实测结果与仿真结果一致,验证了设计的有效性。

模拟混合视频处理电路单粒子效应测试系统设计

为开展模拟混合视频处理电路的单粒子效应研究,通过改变伪CCD信号源的输出信号,建立一款模拟混合视频处理电路的单粒子效应测试系统,实现该器件的单粒子闭锁、单粒子翻转与单粒子功能中断等单粒子效应的评估。通过在中科院近物所回旋加速器和中国原子能院串列加速器的试验测试,获取有效数据。试验结果表明该试验方法及测试系统可以有效评估器件的单粒子性能,为器件的加固设计提供有力数据支撑。

Philips iU22型及iE33型超声诊断设备故障维修案例分析

总结Philips iU22和iE33型超声诊断设备的结构及常见故障,分析其6例故障原因,确定故障维修方案更换相应元器件或重新安装系统软件等方法维修技术路线,为医院同行的日常维修工作提供一些参考。

适配器匹配下的大规模模拟电路故障红外图像检测系统设计

为了提升模拟电路故障检测效果,精准定位确定电路故障区域,设计了适配器匹配下的大规模模拟电路故障红外图像检测系统。通过三维精密电动平台,确定大规模模拟电路的红外成像范围;通过定位标志刻画电路红外图像边缘;利用适配器统一匹配待测电路输入输出接口信号;通过三维精密电动平台、定位标志与适配器,共同控制热像仪,扫描待测电路,获取电路红外图像;利用图像存储卡存储扫描获取的电路红外图像;通过红外图像预处理模块,滤波处理红外图像;大规模模拟电路故障诊断模块利用互信息配准法,配准图像存储卡内的电路红外图像,通过差分检测法初步确定电路故障区域,利用热序列检测法精准检测电路故障元件;利用互联网络实现整个系统的通信。实验证明:该系统可有效采集并预处理电路红外图像,提升红外图像清晰度;该系统可有效初步确定电路故障区域,精准诊断电路故障元件。

基于熵权法的模拟电子技术课程目标达成度评价研究

在工程认证教育背景下,课程目标达成度评价对学生专业素质的提升有重要意义。文中主要从定性分析方法进行探讨,以“模拟电子技术课程”为例,旨在探讨课程目标的构建及目标达成度的计算方案。首先,阐述了课程整体目标框架的确定及各个子目标划分依据。其次,通过课程示例展现其实现过程,并采用熵权法来设计各子目标的权重以使评价结果更具客观性:即差异性较大的异质性数据赋予较高权重。最后,采用统计分析方法对评价结果进行直观展示,并对其可能存在的问题进行了分析,结果表明该方案具有良好的评判效果。

模拟电子电路的两端口网络阻抗等效变换

“模拟电子技术”中的很多基本电路都可视为三端子两端口网络。在学习过程中,为有效分析其输入-输出特性,往往需要对其进行输入回路和输出回路的拆分式解耦等效分析,而阻抗参数等效变换成为一大难点。基于电路理论基础知识,对三端子两端口网络的串联式和并联式阻抗参数等效变换进行了详细推导,并将所提的参数等效变换方法应用于三个典型模拟电路的特性分析,有效简化了电路分析过程。

塑封模拟IC器件的可靠性提升方法

以某型塑封类模拟集成电路(IC)的分层失效为例,旨在探讨塑封器件分层与搪锡条件、导电胶耐热性能、上板回流条件、框架镀层材料以及装在板上后的应力状态之间的关系。采用超声扫描、电镜扫描、热重分析等表征方法,结合仿真模型,对该器件抗分层能力进行分析。结果表明,选择合适的搪锡条件(<300℃/30s)、粘接剂的玻璃化转变温度指标、回流前的烘干除湿处理,以及对芯片/导电胶/镀银框架粘接体系的优化,减少芯片与基岛的面积比,均可有效减少同类塑封器件的分层风险,提升其使用可靠性。

基于DAC阵列的光交叉芯片控制驱动系统

为标定光交叉芯片驱动电压,控制光交叉芯片实现光路由功能,提出并搭建了基于多通道DAC(Digital to Analog Converter)阵列的控制驱动电路系统。系统主要由控制系统模块、多路驱动电路模块及上位机控制模块构成。控制电路和驱动电路具有调校简单、可双极性输出、输出路数多、加电精确度较高的特点,解决了当前驱动电路工作繁琐、加电极性单一、加电路数少、精度差的问题。上位机控制模块除了可控制驱动电路施加控制电压外,还可接收来自数据采集装置采集到的光功率信号作为控制驱动系统的反馈信号。通过分析控制电压与光功率之间的关系,可得到最佳的光交叉芯片控制驱动电压。系统测试实验结果表明,该系统能提供高精确度的双极性驱动电压,有效地对光交叉芯片进行驱动。可在较短的时间内标定出光开关的控制电压,完全可以满足有源光交叉芯片控制中对驱动电压的需求。该系统在光交叉芯片控制方面具有一定的应用价值。

核测量系统关键电路故障诊断与预测方法研究

探讨了一种可实现核测量系统关键电路故障诊断与预测的方法。以核测量系统放大电路为研究对象,采用PSPICE对电路进行建模,通过小波包变换从电路脉冲响应信号中提取出代表电路状态的故障特征信息,将故障特征信息输入BP神经网络模型开展故障诊断研究,同时,基于相关向量机模型(RVM)开展故障预测研究。研究结果表明:该故障诊断模型对不同故障模式的识别准确率高达99%,且基于量子粒子群滤波算法(QPSO)的RVM模型能够实现电路故障指标发展趋势的准确预测。本项研究可为核测量系统关键电路的维护、保障提供更充实的理论支撑。

基于并发模型的LAC在线故障检测

针对线性模拟电路的在线故障检测进行了研究。首先,通过对并发测试问题的分析及建模要求,从线性模拟电路的网表描述得到可用于残差生成的扩展状态空间模型,这种扩展的状态空间模型定义了电路的变量/方程依赖矩阵即因果依赖矩阵,进而从因果依赖矩阵可得到电路系统的标称模型和未知输入及故障模型。然后,基于无差拍观测器方法采用扩展的状态模型来生成最优故障检测器的电路方程,从而实现故障的在线残差检测。仿真实验结果表明,与传统的线性模拟电路的离线和在线故障检测方法相比,所提出的方案具有更好的故障检测能力,适用于任何线性模拟电路。

基于多尺度卷积神经网络和注意力机制的模拟电路早期故障诊断方法

模拟电路具有非线性、元件容差等特性,导致不同故障模式之间存在混叠现象,特别是模拟电路早期故障,这大大增加了故障诊断的难度。因此,提出了一种基于小波变换和多尺度特征注意力卷积神经网络(MS-FACNN)的模拟电路早期故障诊断方法,采用小波变换得到脉冲响应信号的多尺度分量,利用设计好的MS-FACNN网络自动提取更加全面且高可分性故障特征,并实现故障模式识别。此外,采用高效通道注意力(ECA)聚焦故障高相关性特征,过滤低相关性的冗余信息,进一步提升模型特征提取能力。实验结果表明,相比传统方法,所提方法具有更强的故障特征提取能力,对四运放双二阶高通滤波器早期故障诊断的准确率达到99.18%。

RBF神经网络在船舶模拟电路故障诊断中的应用

针对船舶模拟电路元件复杂交互,故障信号在大量的正常信号中难以凸显,故障特征提取识别难度较大的问题,提出基于RBF神经网络的船舶模拟电路故障诊断方法。由基于小波包的船舶模拟电路故障特征提取方法,以小波分解重构的方式,捕捉电路频带能量变化特征;使用基于状态转移算法优化RBF神经网络的故障诊断模型,由状态转移算法优化RBF神经网络参数,构建用于诊断电路故障的RBF神经网络模型后,学习所提取故障特征与类型之间关系,诊断新输入的船舶模拟电路输出信号故障类型。实验测试结果显示,此方法在有效捕捉船舶模拟电路故障频带能量变化特征后,对多种船舶模拟电路故障的诊断结果均未出现明显错误。