THE EFFECTIVE RANGE OF K-FAULT DIAGNOSIS OF-LINEAR CIRCUITS

In view of K-fault testability,the topological construction of a practical circuitis far from ideal.In order to improve the testability of a circuit,we may increase the numberof accessible nodes or use the multi-excitation method.Effectiveness of these methods and thefeasibility of choosing accessible nodes are discussed in detail.The conditions for multi-excitationtestability are presented.

基于K-均值与WPA-RBF神经网络模拟电路故障诊断

针对模拟电路故障诊断进行了研究,提出了一种新方法。该方法包括Haar的小波分解、对数据的归一化处理,以及用K-均值优化RBF的中心向量和宽度、用狼群算法优化RBF的权值。首先用Haar小波对所得的电路原始故障数据集进行变换,然后对变换后的数据进行归一化处理,最后得出RBF神经网络训练所需的输入数据。针对RBF神经网络中隐层节点中心、基函数宽度及权值选取困难问题,用K-均值优化RBF的中心向量和宽度,用狼群算法优化RBF的权值,以提高网络训练稳定性与诊断成功率。最终通过两个电路的诊断实例来论述该方法的具体实现过程,验证了用该方法进行模拟电路故障诊断的可行性。

K故障诊断在坦克炮控系统中的实现

K故障诊断法是一种计算量较小,主要应用于线性网络的模拟电路故障诊断方法,实施比较方便,具有很好的实用价值。通过对炮控元件操纵台诊断网络拓扑结构的设计、激励选定、计算和实验,实现了对操纵台的故障诊断。进一步提出炮控系统的故障诊断设备要着眼于故障诊断方法而不是检测方法。最后对K故障诊断法做了应用分析,供实践参考。

PSO/KNN算法及其在模拟故障诊断中的应用研究

提出了一种基于粒子群优化(particle swarm optimization,PSO)的特征提取算法,该算法以K-NN(nearest neighbor)分类正确率为评价准则,应用粒子群优化算法寻找使提取特征的K-NN分类正确率最大的转换矩阵,从而实现特征的提取。算法的特点是结构简单灵活,对数据的分布特征不敏感,适合于对模拟电路的故障特征进行提取。电路故障诊断示例证明了该特征提取算法在模拟电路故障诊断中的有效性。

线性电路K故障诊断法的有效范围

在使用K故障诊断法时,为提高电路的可诊断性,可以采取诸如增加可及节点,或改变激励点,增加激励和测量次数等办法。本文对这些措施的有效性,以及如何增加可及节点问题进行了详细的讨论,特别着重对比较有效的多激励法进行研究,给出了用多激励法进行诊断时,电路可K故障支路诊断的条件。

模糊神经网络及其在控制系统故障诊断中的应用

针对控制系统中模拟电路故障诊断时的不确定性问题,提出了将模糊理论和神经网络相结合的方法;首先利用模糊理论描述不确定性信息,然后利用人工神经网络完成不确定性推理,最后利用模糊理论对推理结果进行解释和决策,从而得出故障诊断结论;结合某型船舶主机遥控系统中延时电路板的故障诊断问题,阐述了将该方法应用于实际控制系统的故障诊断过程;结果表明,该方法能够较好地处理模拟电路故障诊断过程中的不确定性问题,有效地提高故障模式的识别能力,将故障准确地定位到元器件。

模拟电路免疫记忆网络故障诊断方法

提出了一种基于免疫记忆网络理论与k近邻算法的模拟电路故障诊断方法.首先,利用免疫记忆网络寻找各故障空间的最佳记忆抗体.在免疫记忆网络中根据浓度来选择记忆抗体,以促进记忆抗体在各故障空间的均匀分布.利用克隆和超级变异机制来保证抗体多样性,再利用浓度和期望值对抗体进行促进和抑制,以避免早熟现象的产生;然后,根据所得到的各故障空间的最佳记忆抗体,使用改进的阈值k近邻算法对抗原进行故障分类;最后,以带通滤波器为诊断实例,利用实际电路测试数据和仿真数据作为测试样本进行故障诊断性能评估;实验结果证明该故障诊断方法具有较高的故障诊断率.

基于模糊C均值聚类算法与隶属算法的容差电路软故障诊断

在聚类分析与隶属函数的基础上,提出了一种容差电路软故障诊断的新算法。对于含有容差元件的的模拟电路,由于允许电路参数在一定范围内偏离理想值,所以很难判断电路是处于正常容差状态,还是软故障状态。本文首先简述了模糊C均值聚类算法与模糊控制隶属算法的基本原理。然后通过一个容差电路软故障诊断实例,以验证本文算法的有效性:首先确定容差电路的正常状态与软故障状态种类,对每一种状态进行电路仿真,获取将来进行聚类分析与故障诊断的样本。然后对采集样本进行聚类分析,利用模糊C均值聚类算法将各种状态分类,并且得到所有状态的聚类中心。最后随机模拟一种电路状态,利用模糊隶属算法,计算当前电路状态与各状态聚类中心的隶属度,判断电路处于哪一种工作状态,实现容差电路的软故障诊断。实例表明,本文算法能够准确清晰地辨别容差电路的正常状态与故障状态,仅需少量样本即可获得各种状态的典型参数,对容差电路进行客观有效的软故障诊断。

基于网格搜索的改进SVM模拟电路故障诊断方法

针对模拟电路故障识别与诊断问题,提出了一种基于K最近邻的一对一SVM分类器(KNN-OSVM)的故障诊断方法。将K最近邻算法与用网格搜索法优化后的一对一SVM模型相结合,建立KNN-OSVM模型,有效解决了SVM因存在不可分域造成的误分问题,提高了故障诊断率。采用小波分析法提取输出端电压信号作为故障特征值,采用网格搜索对核函数、惩罚参数寻优。采用两个模拟电路进行仿真实验,并将改进的SVM与传统SVM进行对比。结果证明了该故障诊断方法的可行性。

一种类互均衡核聚类预处理的模拟电路诊断方法

针对传统的K均值聚类方法无法解决故障特征数据维数高,在故障样本交叠严重时多分类性能较差的问题,在电路故障特征数据预处理阶段,提出了一种类互均衡核聚类预处理方法,不仅克服了传统方法中分配不均或漏分问题,而且解决了特征数据维数高带来的奇异性问题,有效地提高了故障样本交叠时的多分类聚类性能.在此基础上,设计了一种用于模糊支持向量机的核密度函数,实现多故障的分类.将该方法应用于国际标准电路中的CTSV(continuous-time state-variable)滤波器电路故障诊断中.结果表明,该方法能突出不同故障的特性,具有很好的故障识别率.