基于动态电源电流测试的模拟电路故障诊断

动态电源电流测试对模拟集成电路故障诊断十分有效。采用斜坡电压源代替传统的恒定直流电压,从电源电流波形采样训练神经网络的数据并建立故障字典。利用小波变换具有同时在时-频域分析信号、大量压缩数据的属性,对采样信号进行小波包分解,提取故障特征来训练神经网络,简化了网络结构、提高了训练速度。实验结果表明,该方法能够实现快速故障检测及定位,具有准确率高的特点。     

基于线性判别分析的时频域特征提取算法

针对复杂环境中的声目标特征提取与选择问题,结合声信号时频域的特点,提出了一种时频域相结合的特征提取方法。首先,对信号进行小波分解,达到去噪目的;然后,将短时能量、短时平均幅值、过零率及频带能量值作为原始特征矢量,并结合Fisher判别准则进行特征选择,以此构造低维特征向量;最后,对两类声目标的实测样本数据进行特征提取,并采用支持向量机和K近邻两种分类器对该特征提取方法的有效性进行校验。实验结果表明,采用“时域+频域+线性判别分析”的特征提取方法简单有效,且与单一时域或频域的特征提取方法相比,识别率更高。     

基于电流测试的混合信号电路故障检测和定位

针对集成电路测试中模拟和混合电路的测试问题,提出了一种基于小波分析的电流测试实现混合信号电路故障诊断的方法。该方法先测试电路在激励信号下的动态电流,再利用小波变换对采样动态电流信号进行小波分析来诊断电路是否存在故障,并进一步定位故障。对示例ADC电路仿真试验的结果表明该方法比积分法和傅立叶分析方法对故障有更高的灵敏度,不仅能够有效检测出电路中的各种故障,而且能对故障进行定位。     

基于小波变换的故障诊断信号非平稳性分析

从工程角度,解释小波变换的实际含义,并将其与传统的傅里叶变换分析方法作比较,通过比较两种基函数的时频窗,显示小波变换在时域和频域都具有局部化特性,并且运用可调的柔性窗可对高频、低频信号分别采取不同的尺度进行分析,特别适合于分析奇异性强的机械故障诊断信号。以旋转机械轴振动信号为仿真分析对象,以Daubieches 5阶小波作为基小波,介绍了小波变换在故障诊断的信号非平稳性分析中的应用,并给出了奇异点检测和瞬态过程检测的仿真示例,体现了小波变换在故障诊断领域对非平稳信号的时域局部细节的刻划能力。     

小波变换在船载海洋重力测量数据处理与分析中的应用

船载重力测量是获取海洋地球重力场的重要方法之一,为提高船载重力测量数据的精度,采用Db8小波和Haar小波两种小波变换方法,分别对添加了两种随机噪声的某海域重力测量数据进行降噪处理与分析。结果显示,经Db8小波处理的数据绝对精度分别提高了1.024 2 mGal和9.274 7 mGal,相对精度分别提高了71%和93%;采用Haar小波变换后,绝对精度分别提高了0.804 4 mGal和9.109 5 mGal,相对精度分别提高了56%和91%。两种小波变换方法处理后的数据均能够很好地保留数据基本变化趋势、为重力勘探判别物体提供判别依据。     

直升机结构振动频域主动控制的时域仿真

降低直升机的振动水平一直是直升机研制过程中最为关键的技术问题之一.研究直升机结构振动主动控制的频域控制算法和流程,并基于某型直升机空测数据与其控制通道频响函数实测数据,进行从时域到频域再返回时城的振动控制全过程的仿真,探讨与比较在线系统参数识别的两种方法(最小均方法和卡尔曼滤波法)、频域法的时城控制中重要参数的设置等,得出有价值的结论,为真实工程应用中方法的选择提供参考和依据.     

基于量子进化支持向量机的模拟电路故障诊断

基于量子进化算法的最小二乘小波支持向量机(LS-WSVM),设计了一种模拟电路故障诊断方法.将量子进化算法应用于多类LS-WSVM分类器来选取正规化参数和核参数,针对从测试点得到的各种故障状态下输出电压信号,采用小波提升变换对其进行分解获取多尺度的小波系数,对经处理的小波系数提取出故障特征量,以此作为样本训练多类LS-WSVM分类器来确定模拟电路故障诊断的模型.采用雷达扫描电路进行了仿真,结果表明,设计的模拟电路故障诊断方法效果良好.     

一种时域并行差分相关捕获算法

提出了一种基于硬件实现、在时域对全球导航卫星系统信号进行相关捕获的新算法。算法采用并行差分结构,通过对相关结果的复用,实现了对多个卫星信号的同时捕获。还分析了该算法、传统的相关算法和现有的两种改进型时域相关算法以及基于FFT的频域相关算法的算法复杂度和所需寄存器数量。分析和仿真结果表明,该算法在计算单个复现码的1次相关时,运算量并不随着过采样率的增加而增加。相比于传统的相关算法和现有的两种改进型时域相关算法以及基于FFT的频域相关算法,该算法在运算复杂度上具有优势,有利于在实际硬件系统中实现。     

防空作战电磁环境建模与仿真

以防空作战为背景,分析了战场电磁环境的构成要素,在建立各要素脉冲描述字模型的基础上,提出了基于脉冲流描述的电磁环境建模方法,构建了相应的仿真系统,完成了防空作战电磁环境的动态模拟。绘制出典型作战场景下电磁环境时域、频域、功率域的态势图,仿真结果表明电磁环境具有两个显著特点:动态性与相对性。建模仿真方法对战场电磁环境的仿真构建具有一定的借鉴意义。     

非平稳时间序列的小波混合方法及其应用

小波分析属于时频分析的一种,它在时域和频域同时具有良好的局部化性质.本文利用小波分解与重构方法将时间序列分解成趋势项、周期项和随机项.根据Morlet小波的类周期特性,分析并挑选出合适的周期,结合逐步最小二乘估计方法,计算出该时间序列周期项的近似表达式.最后用此小波混合方法研究建国后中国玉米产量变化情况,结果表明该方法比直接二次多项式拟合预测的平均相对误差小2.336%,反映小波混合预测方法的有效性.     

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。     

贝叶斯框架支持向量机的模拟电路故障诊断

基于贝叶斯证据框架下的最小二乘小波支持向量机，设计了一种新型模拟电路故障诊断方法。将贝叶斯证据框架应用于多类LS-WSVM分类器来选取正规化参数和核参数，并采用小波提升变换对从测试点得到的各种故障状态下输出电压信号进行分解获取多尺度的小波系数，对经处理的小波系数提取出故障特征量，以此作为样本训练多类LS-WSVM分类器来确定模拟电路故障诊断的模型。采用雷达系统模拟电路进行了仿真，结果表明，设计的模拟电路的故障诊断方法效果良好。     

一种基于EMD的模拟电路故障特征提取方法

为克服小波分析中混频现象对模拟电路故障特征提取造成的不准确,提出了一种基于经验模式分解的模拟电路故障特征提取方法。该方法通过对模拟电路输出信号进行EMD得到若干个内禀模态函数,以各IMF的能量作为故障判别的特征。并针对EMD中的端点效应问题,提出了基于遗传优化的最小二乘支持向量机预测方法。仿真实验结果证明了该方法的有效性。     

基于电压增量的非线性模拟电路软故障诊断

基于节点电压增量关系方程理论,根据高阶故障对低阶故障的覆盖性,并结合替代原理,提出了一种可以诊断非线性模拟电路软故障的字典法,将仅应用于线性模拟电路软故障诊断的方法推广到了含有少量非线性元件的模拟电路。将非线性元件作为一个整体,利用节点电压增量关系方程的线性相关系数作为统一故障特征,实现了电路中非线性元件和线性元件集的硬故障、软故障、单故障和多故障的诊断。给出了含有单个或多个非线性元件的电路诊断方法,并用最小距离法对容差做了相应的处理,最后通过仿真实例证明了该诊断方法的有效性。     

Wavelet neural network based fault diagnosis in nonlinear analog circuits

1 .INTRODUCTIONWith recent advancement in digital signal process-ing and wireless communication, nonlinear analogintegrated circuits , such as logarithmic amplifierand power amplifier and PLL,are being used ag-gressivelyinindustry . Nevertheless ,fault diagno-sis continues to be the bottleneckin reducing ti me-to-market of these ICs . Since the methods whichwere used to diagnose linear analog circuits oftencan’t direaly be used in nonlinear analog circuitsand building nonlinear model is…     

模拟电路单—故障的模糊神经网络诊断方法

本文提出了利用模糊神经网络进行模拟电路故障诊断的方法。该方法根据模式识别原理,利用建立在神经网络中的模糊特征库,推断出故障特征对各元件故障的隶属程度,并指示元件参数的变化趋势。这一方法为解决模拟电路及一些含有非线性元件的电路的故障诊断问题提供了一种新方法。     

信息熵在导航传感器故障诊断中的应用研究

对组合导航系统中占主要地位的惯导系统进行故障诊断研究,给出了一种基于小波包能量熵的神经网络故障诊断方法。利用小波包分析原理对原始故障信号进行3层的小波包分解,并提取小波包能量熵,然后构造信号的小波包特征向量,以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。采用惯导系统中关键性器件陀螺仪进行仿真研究,仿真结果表明此方法可有效地检测故障且提高了精度。     

基于系统参数估计时间序列的小波分析故障诊断方法

提出了一种失效性故障诊断的新方法.这种方法将基于解析模型的故障诊断技术和基于信号分析的故障诊断技术结合起来,对系统参数的递推最小二乘估计时间序列进行小波分析,得到故障特征值,兼有两种故障诊断技术的优点.本文还讨论了对于模型参数估计时间序列小波分析的基函数及尺度选取方法问题,仿真结果表明该方法的有效性和准确性非常明显,具有一定的实用价值.     

WPA-IGA-BP神经网络的模拟电路故障诊断

针对模拟电路渐变性故障中的特征提取困难和故障信号无法进行有效分类的问题, 提出利用免疫遗传算法(immune genetic algorithm, IGA)优化反向传播(back propagation, BP)神经网络中参数寻优过程, 从而实现模拟电路故障诊断。首先, 采用小波包分析(wavelet package analysis, WPA), 对模拟电路输出响应进行4层小波分解和重构, 完成特征向量的提取。然后, 采用IGA优化BP神经网络进行训练及测试, 实现对不同故障进行故障诊断。最后, 通过两个模拟电路仿真实验对该方法进行实验验证。实验结果表明, 与优化前的BP神经网络相比, 所提方法提高故障诊断的准确率约15%。