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。     

一种数字电路的测试向量生成算法

结合一个实际电路 ,研究了一种可把数字电路故障定位到器件级的测试向量生成算法。该算法首先划分电路功能块 ,然后基于功能测试的思想 ,通过功能块测试向量的迭代生成整个电路的测试向量。还提出了一种基于器件布尔函数建立故障字典的方法 ,这种方法思路清楚 ,软件编程实现方便。     

应用自组织映射神经网络进行模拟电路故障诊断和仿真研究

讨论了一种应用自组织特征映射神经网络，建立并快速查找模拟电路故障字典的方法，该方法对单、多软硬故障的识别快且有效。同时，利用神经网络的泛化性，有效地克服了容差因素对故障定位的影响。     

基于聚类和SVM多分类的容差模拟电路故障诊断

针对模拟电路故障的容差特性,提出了基于聚类和二叉树SVM多分类相结合的诊断方法.在每个故障特征样本子空间中,建立所有样本与样本重心的空间方向相似度并对其进行升序排列,把排列后的空间方向相似度作为聚类对象,根据聚类分析结果选择故障特征样本,利用所选样本训练二叉树SVM多分类器,实现故障特征样本的分类决策.用故障测试样本进行检验,实验表明采用该诊断方法可以解决容差模拟电路故障模式的识别问题.     

基于多特征云关联度的容差电路诊断算法

针对容差模拟电路故障诊断中存在的模糊性和随机性问题,提出了一种基于多特征云关联度的诊断算法。首先,结合模拟电路自身特性,提出与之相适合的组合云模型。之后,通过构建云关联矩阵,对不同电路特征的云隶属度进行综合评价。考虑到不同特征对总体云关联度的贡献不同,根据特征类内和类间散度对云关联度矩阵进行加权。最后,通过求取待识别特征向量与各故障模式的云关联序列,实现对电路故障的识别诊断。实例分析表明,所提方法在容差条件下对电路软故障有较高的诊断效率。     

模型参数不确定的多响应参数和容差并行设计

针对模型参数不确定性问题,提出了一种考虑质量损失和制造成本的多响应参数和容差并行设计策略。首先,根据模型参数不确定与设计变量容差,构建多响应的质量损失函数;其次,通过试验数据建立容差成本模型,进而构建参数和容差并行设计的优化目标函数;然后,根据多目标优化算法得到最优参数和容差的Pareto解集,并采用单因素多元方差分析进行容差配置;最后,通过实际案例分析表明,该方法不仅改善了模型的预测性和稳健性能,而且获得了质量损失与制造成本之间的最佳平衡点,与传统的方法相比,能够在显著降低总成本的同时提高产品质量。     

考虑因子容差的多响应曲面稳健优化

针对现有的多响应优化方法只注重某种最优性指标(例如满意度)的构建,而忽略了因子容差扰动的影响,提出了一种稳健的满意度函数法,对多响应曲面问题进行稳健优化。该方法在传统的满意度函数法的基础上,根据设计因子的容差区域定义总体满意度的稳健性度量指标,并引入混合遗传/模式搜索算法对该指标进行最大化寻优,得到因子的稳健最优水平。实例表明,随着因子容差区域的逐渐变大,该方法更容易寻找到稳健可行域中的解。与传统方法相比,所获得的稳健最优解对因子容差具有更好的抗干扰性,从而更具应用价值。     

模拟电路软故障诊断测试节点优选的仿真研究

基于斜率故障模型和线性相关系数故障模型,提出了一种模拟电路软故障诊断字典法中的测试节点优选算法.针对模拟电路中的单故障和双故障,分别利用节点电压增量计算出的斜率和线性相关系数作为统一故障特征,建立故障字典;给出了在字典建立过程中,利用PSPICE仿真工具对电路进行故障仿真,采用特征函数描述故障统一特征的差别,根据故障隔离度优选测试节点的算法和步骤;并用仿真实例验证了该测试节点优选方法的有效性.     

基于灵敏度的模拟电路测试参数分析

介绍了一种提取电路最佳可测性参数集以诊断电路故障的新方法。利用灵敏度法分析了电路中故障元件和可测性参数之间的关系,推导出由电路可测性参数表示的故障元件容差最大值和最小值的表示式,得到诊断故障元件的最佳可测性参数,最后利用数据优化算法得到电路故障诊断的最佳可测性参数集。利用所介绍方法分析了一个低通滤波器电路,得到诊断该电路故障的最佳参数集。由于只需较少的可测性参数即可完成电路的故障诊断,因此本方法不仅计算简单,而且可有效地缩短测试时间和降低测试成本。     

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。     

基于故障树的复杂装备模糊贝叶斯网络推理故障诊断

复杂装备的小批量、个性化定制属性, 注定了其生命周期过程中存在着相对较多的不确定性, 故障隐患必不可免, 故障诊断尤为重要。因此，提出基于故障树的复杂装备模糊贝叶斯网络推理故障诊断模型。首先, 通过分析复杂装备的结构组成, 建立复杂装备的故障树模型。其次, 利用故障树转化法, 构建基于故障树的贝叶斯网络拓扑结构。然后, 针对复杂装备结构数据缺乏和专家打分的不确定性, 通过模糊集合论方法确定条件概率等参数。最后, 进行案例研究, 利用模糊贝叶斯网络推理中的因果推理和诊断推理, 诊断出案例中的故障(潜在故障)节点, 证明了所提方法的有效性。研究成果不仅解决了贝叶斯网络中利用搜索函数构建最优网络不符合实际的问题, 也通过模糊集合论解决了复杂装备数据缺乏和专家打分不确定性的不足。所提模型不仅适应于过程诊断中故障的确定, 同时也适用于事前诊断中潜在风险的识别, 而且对于故障(或潜在故障)节点的改善效果还能起到检测评估的作用。     

Satellite fault diagnosis method based on predictive filter and empirical mode decomposition

A novel satellite fault diagnosis scheme is presented based on the predictive filter and empirical mode composition(EMD).First,the predictive filter is utilized to obtain the fault estimation,which is corrupted by noise.Then the EMD method is introduced to decompose the fault estimation into a finite number of intrinsic mode functions and extract the trend of faults for fault diagnosis.The proposed scheme has the ability of diagnosing both abrupt and incipient faults of the actuator in a satellite attitude control subsystem.A mathematical simulation is given to illustrate the effectiveness of the proposed scheme.     

基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法

为了提升电网复杂故障时的态势感知能力,提出了基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法.首先,基于层次化、动态建模的思想,在建立元件一般故障诊断模型的基础上,引入浮动库所、浮动弧、浮动变迁的概念来合理的体现主保护、断路器以及后备保护之间的逻辑关系,建立了元件复杂故障时的诊断模型;其次,挖掘故障信息源的特性进行预处理,依据故障类型动态建立相应Petri网诊断模型;再次,利用改进的遗传算法对模型中的参数进行了训练、优化;最后,探讨了该Petri网故障诊断模型的容错性、通用性.对算例系统仿真的结果表明:该方法突出了故障诊断过程的层次性、可理解性,提升了诊断模型的透明性、改善了诊断模型的易维护性,在电网复杂故障的情况下诊断结果仍具有较高的准确度,并呈现有较好的容错性.     

考虑抑制耦合关系的5G业务故障分析方法

5G网络业务对基础设施的共用关系使得其业务故障逻辑更为复杂, 具体体现在业务故障间耦合关系的形成。其中抑制耦合作为一类特殊的业务故障耦合关系, 体现了业务故障间此消彼长、相互抑制的关联关系, 极大程度上影响着业务的运行情况。为了对抑制耦合影响下的5G业务故障进行分析, 本文基于对业务故障间抑制耦合关系的考虑, 提出了耦合故障树分析方法, 基于该方法本文实现了对抑制耦合关系影响下业务故障的解析评估。5G轮胎吊案例的分析与对比, 证明了本文所提方法的有效性。     

基于内模原理的变结构最优容错控制

针对系统中发生传感器故障和/或执行器故障的情况,兼顾考虑故障对系统内部状态和外部输出的影响,提出了一种物理上可实现的变结构动态最优容错控制方法.该方法首先利用内模原理设计了故障补偿器以补偿故障对系统输出的影响,然后利用Riccati矩阵方程设计了故障情况下的最优容错控制律.为了解决最优容错控制的物理不可实现问题,采用一种新型的降维故障诊断器,在实现故障诊断的同时完成了对系统状态的观测.最后给出了根据故障的发生情况进行变结构调节的动态最优容错控制的设计步骤.仿真结果验证了该方法的有效性和可靠性.     

Diagnosis of process faults and sensor faults in a class of nonlinear uncertain systems

This paper presents a fault diagnosis method for process faults and sensor faults in a class of nonlinear uncertain systems.The fault detection and isolation architecture consists of a fault detection estimator and a bank of adaptive isolation estimators,each corresponding to a particular fault type.Adaptive thresholds for fault detection and isolation are presented.Fault detectability conditions characterizing the class of process faults and sensor faults that are detectable by the presented method are derived.A simulation example of robotic arm is used to illustrate the effectiveness of the fault diagnosis method.     

Iterative learning based fault detection and estimation in nonlinear systems

Aiming at a class of nonlinear systems that contains faults,a novel iterative learning scheme is applied to fault detection,and a novel algorithm of fault detection and estimation is proposed.This algorithm first constructs residual signals by the output of the practical system and the output of the designed fault tracking estimator,and then uses the residuals and the differencevalue signal of the adjacent two residuals to gradually revise the introduced virtual faults,which can cause the virtual faults to close to the practical faults in systems,thereby achieving the goal of fault detection for systems.This algorithm not only makes full use of the existing valid information of systems and has a faster tracking convergent speed than the proportional-type(P-type) algorithm,but also calculates more simply than the proportional-derivative-type(PD-type) algorithm and avoids the unstable effects of differential operations in the system.The final simulation results prove the validity of the proposed algorithm.     

基于自适应未知输入观测器的多故障快速重构

针对一类非线性函数中耦合执行器故障的非线性动态系统, 提出一种基于自适应未知输入观测器的多故障快速重构方法, 通过引入比例项提高故障重构的快速性。首先, 将执行器故障进行解耦处理并构建包含传感器故障的增广系统。然后, 综合H_∞性能指标给出状态估计误差的稳定性证明。接着, 将观测器增益矩阵的求解转化为受线线矩阵不等式约束的非线性优化问题, 并实现执行器故障和传感器故障的多故障重构。最后, 结合单关节柔性机器人算例仿真验证了所提方法的有效性。     

基于故障跟踪估计器的故障诊断新方法

针对线性时不变系统提出了一种基于故障跟踪估计器的故障诊断新方法。首先引入一个可调参数,称作虚拟故障,构建线性时不变系统的故障跟踪估计器。然后,设计迭代学习算法,在选取的优化周期内通过反复迭代学习运算来动态调节虚拟故障,使之估计出系统中实际发生的故障。该方法可以同时检测和估计出系统中发生的故障,而且和发生的故障类型无关。最后,在垂直升降飞行器的线性化模型上进行了仿真研究,仿真结果表明了所设计算法的可行性和有效性。