基于多分辨正交多小波的神经网络研究

根据多小波空间中函数的多分辨率分解思想,构造了一种基于正交多小波的神经网络。该网络和小波网络结构相似,只是用同时具有紧支撑集、对称性、正交性和高阶消失矩的多尺度函数和多小波函数代替单尺度和单小波函数作为网络的激励函数。从理论上分析可得,多小波网络比单小波网络的收敛速度要快。为了比较这两种网络,对两种网络进行了对比仿真。仿真表明,实验结果和理论相吻合,另外多小波网络比单小波网络有更好的测试能力。

基于小波神经网络的模拟电路故障诊断

本文对模拟电路提出了一种基于小波神经网络的故障诊断方法。该法利用小波空间中函数的多分辨率分解思想,构造了一种激励函数为具有紧支撑集的尺度函数和小波函数的小波神经网络。这种小波神经网络隐层节点数的选取有理论根据,解决了传统神经网络隐层节点数难以确定的问题。分别用本文提出的小波神经网络和传统BP网络对实例电路进行故障诊断,结果发现,小波网络比传统BP网络方法不仅学习收敛速度快,而且有效地避免了局部最小值问题。

基于小波-神经网络的模拟电路I_(DDT)故障诊断

动态电源电流测试(IDDT)对模拟电路故障诊断非常有效,而小波变换能够有效提取动态电流的故障特性。因此提出一种基于小波-神经网络的模拟电路IDDT故障诊断方法。利用小波变换具有时频局部化特性,分别对模拟电路正常模式和故障模式的IDDT采样信号进行特征向量提取,建立故障字典;然后利用神经网络具有非线性映射优点,对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。

基于主元分析与神经网络的模拟电路故障诊断

主元分析具有数据压缩及特征提取的特性,而神经网络具有非线性映射和学习推理的优点。将二者结合起来,提出基于主元分析与神经网络的模拟电路故障诊断方法。通过对模拟电路的阶跃响应特征参数进行主元分析,提取主要参数,然后利用神经网络对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。对标准电路仿真结果表明:该方法能够实现快速故障检测与定位,具有准确率高的特点。

小波-神经网络在模拟电路故障诊断中的应用

小波变换具有时频局部化、多尺度分析等特性,而神经网络具有非线性映射、学习推理等优点,将二者结合起来,提出基于小波-神经网络的模拟电路故障诊断方法。采用正弦信号仿真模拟电路,应用小波变换对模拟电路响应的采样信号进行故障特征提取,建立故障字典,然后利用神经网络对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。对标准电路仿真结果表明:该方法能够实现故障检测及定位,具有准确率高的特点。

基于直接数字合成技术的多普勒频率模拟方法

提出了一种用于机载导航雷达接收机测试的多普勒频率模拟方法。该方法利用直接数字合成技术,产生与雷达中频实时相参、多普勒频率灵活可调的目标回波信号,多普勒频率调节步进可达1Hz。利用该方法设计的多普勒雷达信号模拟器已经实际用于某导航雷达接收机的测试。

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。

模拟电路故障诊断的新方法

本文提出了用多小波神经网络诊断模拟电路故障的新方法。根据多小波的多分辨率分析思想,构造了一种多小波神经网络,其激励函数为具有紧支撑集、对称性和正交性的多尺度函数和多小波函数。用多小波神经网络和单小波神经网络对实例电路进行故障诊断,仿真结果表明,与单小波神经网络相比,多小波神经网络不仅学习收敛速度快,而且能够更准确地对模拟电路进行故障诊断。

基于神经网络信息融合技术的模拟电路故障诊断

研究了神经网络信息融合技术在模拟电路故障诊断中的应用。利用BP神经网络建立信息融合中心,对多传感器数据进行融合处理,减少模拟电路故障诊断的不确定性。对标准电路的输出电压与电源电流特征信息,及两者融合信息的故障诊断性能比较,表明神经网络信息融合方法用于模拟电路故障诊断是有效和可行的。

基于非张量积小波网络的模拟电路故障诊断

为了克服张量积小波神经网络由于张量积小波缺乏自由度和具有很强的方向性等缺陷所引起的不足,提出了用非张量积小波取代张量积小波作为小波神经网络的激励函数构造非张量积小波神经网络的方法。先构造一个非张量积尺度函数,再根据多分辨分析理论得出该尺度函数的非张量积小波函数,把所构造的非张量积尺度函数和小波函数共同作为小波神经网络的激励函数。把该网络应用于模拟电路故障诊断,仿真结果表明,非张量积小波神经网络的效果比相应的张量积小波神经网络要好得多。

基于SVIC编码的SOC测试数据压缩

本文针对SOC测试数据压缩,提出了一种新的可挑选变长输入编码(SVIC)方案。先采用一启发式的贪婪算法, 得到带有无关位测试集TD的差分矢量序列Tdiff后,再用该SVIC编码对其进行压缩,以缩短测试时间,降低测试数据带宽的要求。文中同时给出了相应SVIC解码器的设计。实验结果表明,在硬件开销接近时,SVIC的压缩比可比SC编码平均高出约 17.46%;而与VIHC编码相比,虽然其压缩比略有下降,但SVIC解码器所要求的面积开销却可显著降低。

USB-GPIB控制器软件的实现

本文提出了USBGPIB仪器控制器的实现。整个控制器系统由软件和硬件两部分构成,本文提出了系统的整体构架和实现方案,并在此基础上着重研究了主机软件,即PC机对该接口卡的驱动,动态链接库以及应用程序的实现。对驱动程序,主机对设备的调用,应用程序的编写做了详细的讨论。分别给出了各部分在WINDOWS平台下的实现方法。

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。

基于响应误差矩阵SVD的软故障诊断方法

模拟电路故障诊断的关键是故障特征提取,使故障特征与故障状态(故障元件组合)间有清晰的对应关系。由于模拟电路软故障的连续性和无限性使故障特征和故障状态间的对应关系变得模糊,增加了软故障识别的困难。针对该问题,本文提出了一种基于多激励响应误差矩阵奇异值分解的奇异角故障特征提取方法。奇异角特征具有在单故障情况下仅与故障部位有关的特性,能有效克服软故障程度的连续性对故障特征的影响;同时奇异角特征能减少测试点数、压缩特征矢量维数和提高故障隔离率。文中重点分析了奇异角特征对单软故障和灾难性多故障的识别性能,并结合实例仿真说明该方法的有效性。

基于移民算子遗传BP神经网络的模拟电路故障诊断

针对传统BP神经网络实现模拟电路故障诊断时存在的缺陷容易收敛于局部最优值且训练时间过长等,提出了利用遗传算法(GA)优化的BP神经网络来对模拟电路进行故障诊断的方法。实验结果证明,优化后的BP网络可有效地避免收敛于局部最优值,大大地缩短了训练时间。同时为了提高遗传优化的收敛速度和精度,避免"早熟"现象,本文提出了一种引入移民算子的遗传算法,仿真结果表明了该算法的有效性。

一种实用的VXI总线寄存器基接口电路的设计

在介绍VXI总线协议的基础上,通过对器件寻址、端口地址译码、DTB总线仲裁和中断仲裁等几部分工作原理的分析,提出了一种VXI寄存器基接口电路的实现方法,并给出了用可编程逻辑器件实现的过程。该接口电路已在多种VXI寄存器基器件中得到应用。

基于BP小波神经网络的模拟电路故障诊断

针对现有BP网络在模拟电路故障诊断中存在的问题,提出了一种基于BP小波神经网络的故障诊断方法。该法将小波函数与BP网络结合构成BP小波网络,这种网络具有小波变换的时频局域化性质和BP网络的自学习能力。分别用BP小波网络和传统BP网络对实例电路进行故障诊断,结果表明本方法是有效的,而且比传统BP网络方法的学习收敛速度快得多。

基于解轨迹拟合的非线性电路故障特征提取

本文针对一类斜波激励响应轨迹(解轨迹)存在且唯一的非线性电路,提出一种基于解轨迹拟合的故障特征提取方法。通过多项式拟合估计解轨迹麦克劳林多项式系数,由多项式系数间的迭代关系将非线性电路分解为线性子电路。在电路混合节点方程和解轨迹多项式系数基础上,提取各子电路节点故障电流为故障特征,结合多轨迹多项式系数矩阵奇异值分解实现非线性电路多故障特征提取。最后通过仿真实例说明该方法的有效性。

USB-GPIB控制器设计

阐述了基于USB总线的GPIB控制器的设计 ,利用USB控制芯片CY680 13和GPIBNAT 9914芯片 ,实现了仪器的程控和通信。USB GPIB控制器的研究成功对自动测试系统的组建具有十分重要的作用 ,简化了系统组建 ,并具有即插即用功能。