基于复互小波分析的模拟电路故障诊断方法

针对模拟电路故障诊断研究中故障特征提取的难题,提出基于复互小波变换的相对幅度相对相位协同分析的新方法,并根据复互小波变换的特点构建了故障敏感信息提取算法。使用复互小波变换能同时提取模拟电路在不同频率和时间尺度上的故障特征,并且相对幅度和相对相位信息分别从信号"能量"和"时间延迟"两个不同角度表征模拟电路的故障信息。该方法同时使用了蒙特卡洛方法构建正常电路元器件的容差范围,仿真实验结果表明该方法可以有效地解决模拟电路中灾难型和参数型故障诊断问题。     

容差条件下的模拟电路故障诊断方法

指出了线性模拟电路中,测试点电压向量在故障状态下相对于标准状态下的变化量,其向量方向由故障元件在被测电路中的位置决定。证明了线性电路中节点电压灵敏度向量的方向能够反映故障元件的位置。结合节点电压敏感度向量的模反映故障元件参数变化量到测试点电压变化量的权重这一特点,以节点电压灵敏度向量为故障特征建立了故障字典。提出一种容差条件下的故障诊断判定算法,兼顾故障定位和元件的参数变化量,可以有效地实现模拟电路元件参数在一定容差范围内随机变化条件下的单一软故障诊断。仿真结果验证了该理论的正确性和方法的有效性。     

容差模拟电路诊断中故障隔离的几何方法

针对传统故障字典法的3个主要缺陷,建立了以节点电压增量比作为特征向量的故障字典,该字典能对电路中每个元件的硬故障和软故障作出诊断,具有测前模拟次数少、占用存储空间小、诊断范围宽的特点。针对由于元件参数容差导致故障定位难度大的问题,阐述了如何将几何学中的一些观点应用到故障诊断中,并建立了3个故障隔离的几何模型;最后通过实例验证了该诊断理论和方法的正确性和有效性。该方法适用于线性模拟电路。     

改进的L1范数故障诊断方法

本文提出一种线性模拟容差电路故障诊断方法——改进的L_1范数方法。此方法首先运用蒙特卡诺容差分析方法,建立线性模拟容差电路模型,然后通过求解L_1范数优化诊断方程,以诊断故障元件,并在优化求解过程中作了线性化处理。     

一种改进的线性容差电路的k-故障诊断

提出了一种改进的线性容差电路的k-故障诊断方法。与现有方法相比,较多地利用了已知的统计特性,缩小了电路可能的故障范围。同时,还证明了故障诊断与信号解卷积模型的相似性,将信号处理领域的方法引入线性电路故障诊断中。计算机模拟实验证实了该方法的有效性。     

基于模糊神经网络的模拟电路诊断系统的研究

提出了利用模糊神经网络对容差网络进行故障诊断的算法，论述了诊断系统的设计过程和训练样本集的构成．通过在最小值最大值间插值的方式，很好地解决了容差带来的问题．实例验证表明，该方法对容差网络的故障诊断是有效的．     

基于BP神经网络的模拟电路故障诊断研究

本文介绍BP神经网络在模拟电路故障诊断中的应用,对电路中的软故障进行诊断。对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性。     

灵敏度分析和SVM诊断模拟电路故障的方法

针对低可测性模拟电路中存在的模糊组问题,提出了一种模拟电路故障诊断的新方法。该方法首先计算被测电路网络传递函数零极点的灵敏度,利用零极点灵敏度提供的信息来对被测电路进行模糊组的划分,组成可诊断的元件集,并引入了支持向量机完成对故障的分类识别。零极点的灵敏度分析确定了被测电路可诊断的元件组,支持向量机结构简单、泛化能力强,实验结果证明了基于灵敏度分析和支持向量模拟电路故障诊断方法的有效性,故障诊断率大于99%。     

模拟电路故障诊断的神经网络方法

提出了一种采用改进的ＢＰ快速算法实现模拟电路软故障诊断的方法。文中对构造神经网络交流故障字典的过程给出了详细说明，特别是隐层节点数确定，测试信号频率的优选及ＭＡＴＬＡＢ神经网络工具箱的使用。实例表明，人工神经网络技术可应用于有容差模拟电路的故障诊断。     

基于共振解调模拟电路的滚动轴承早期故障检测性能研究

共振解调模拟电路是滚动轴承故障诊断中最常用的技术之一,但是其故障检测性能的定量评价研究尚未见报导。因此,分别以正弦调制和脉冲调制所构造的故障轴承振动加速度信号为电路输入,定量分析了共振解调电路在不同信噪比条件下的故障检测性能,并研究了电路中的关键设计参数——[WTBX]带通滤波器品质因数Q[WT]的调制规律,为共振解调模拟电路在轴承早期故障检测的实际工程应用提供了可靠的科学依据。     

遗传算法优化的SVM模拟电路故障诊断方法

提出了一种利用遗传算法优化的SVM多分类决策树(GADT-SVM)实现模拟电路故障诊断的新方法。介绍了GADT-SVM的设计思想和算法原理;利用传递函数对模拟电路进行建模,并用小波分解提取电路冲激响应的能量分布作为故障特征;使用GADT-SVM对故障特征样本进行分类实现故障诊断。仿真结果表明,与未经优化的DAG-SVM和DT-SVM故障诊断方法相比,该方法可以减小诊断"误差积累"的影响,具有更好的误差控制能力。     

对模拟电路软故障诊断方法的研究

近年来,电子产业逐步深入到各行各业中,给人们的生活带来了极大的便利,也推动了我国工业社会的高速发展.但与此同时,电子设备的安全性、可靠性等问题也随着而来,直接影响着工作效率甚至人们的生命财产安全.因此,设备的电路故障诊断问题成为了世界各国专家学者研究的重要课题之一.本文主要针对模拟电路软故障诊断方法进行了研究,对模拟电路故障诊断的发展趋势进行了探讨.     

基于主元分析和支持向量机的电路故障诊断模型

综合主元分析和支持向量机的优点,提出了一种基于主元分析和支持向量机的故障诊断模型.通过主元分析提取故障特征,然后利用支持向量机进行故障模式的分类,实现对模拟电路不同故障的识别.实验结果表明,该模型能够准确地实现故障的诊断,具有好的识别能力.     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点，提出采用三层BP小波神经网络构造故障诊断模型，对油泵进行故障监测和诊断。该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理，对油泵多种常见故障取得了满意的诊断效果，不仅具有特征自动提取以及较强的自学习和自适应功能，而且操作维护简便。研究结果表明：信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径；对油库安全维护与故障诊断具有重要意义。