数字电路瞬态故障低能耗自修复方法

当前大多数字电路瞬态故障修复方法需在人工处理下才可完成,修复效率低且能耗高。为此,提出一种新的数字电路瞬态故障低能耗自修复方法。设计了一种修复系统,其主要由自律控制模块与重配置执行模块构成,自律控制模块的核心是嵌入式NiosⅡ处理器。数字电路在出现瞬态故障的情况下,通过小波神经网络算法对数字电路瞬态故障进行诊断,判断电路是否正常运行。重配置执行模块包括逻辑计算节点LC与内部互联网络,主要作用是维持数字电路功能以及与其他模块之间施行信息传递。实验结果表明,所提方法能够有效诊断故障,故障修复成功率和平均适应度高,整体性能强。     

嵌入式数字电路故障自修复技术研究

复杂电磁环境下嵌入式信息处理终端安全可靠运行的问题越来越突出,尝试利用仿生学的办法,解决嵌入式数字电路故障自修复的问题。首先,根据嵌入式系统对功耗、成本和可裁剪性的要求,选择用于数字电路内进化设计的虚拟重配置技术并利用商业现场可编程逻辑门阵列(FP-GA)芯片实现一种虚拟重配置电路。进而,提出一种具有强容错性能的冗余阵列结构,并结合Ni-osII处理器和遗传修复算法实现具有故障自修复功能的原型试验系统。最后,以2位乘法器为试验对象,利用故障注入的方法验证其故障自修复的性能,结果表明:当冗余阵列内97%的计算节点发生固定型故障时,此方法仍表现出较好的稳定性和有效性。     

基于小波-神经网络的电阻性开路故障诊断方法

数字电路中的电阻性开路引起时滞性故障,会使电路的功能失效。针对此故障,本文在分析数字电路的瞬态电流IDDT测试和主成分分析技术的基础上,研究了小波-神经网络诊断电阻性开路故障的方法。结果表明,使用小波-神经网络的数字电路的IDDT方法行之有效。     

数字电路故障模块诊断的神经网络方法研究

对数字电路系统的测试，提出一种基于神经网络的电路故障模块诊断方法，对方法的诊断系统模型、故障特征的获取、网络结构的确定与调整、诊断的流程等进行了详细论述。由于传统的电路故障诊断方法是通过对故障字典的搜索来确定发生的故障，这对庞大的故障字典来说既复杂又费时，因此文中的方法可显著提高传统故障字典法的效率。     

基于神经网络的自修复飞行控制系统故障认定

间接自修复飞行控制系统的维护诊断信息来源是故障检测,它的缺点是控制的实时性与检测精度难以协调.直接自修复飞行控制系统取消了故障检测模块,但是需要进行控制系统的故障认定.本文利用直接自修复飞行控制系统的补偿信息训练神经网络来进行故障认定和二次故障认定,使故障认定算法处于告警实时性级别,从而提高认定精度.故障飞机自修复飞行仿真结果表明,文中所采用的神经网络故障认定方法是行之有效的.此飞行仿真系统通过了自修复飞行仿真平台的验证,为飞行维护诊断信息获得和驾驶员告警提供了一种新思路.     

全车电器设备实训与考核系统的设计与实现

全车电器设备维修实训与考核系统,是在某型军车汽车电路的基础上,开发故障配置模块以及相应的考核软件.故障配置模块控制继电器的方式,使汽车电路处于故障可配置状态.考核软件通过网络通信模块把考题的故障发送到故障配置模块上,并进行相关信息管理.文中将传统的汽车电器设备维修实训与考核信息化、网络化、故障配置自动化.提高了教学效率,降低了教学成本.     

一种数字电路的桥接故障诊断方法

针对目前数字电路桥接故障诊断效率低的问题,提出了一种基于微分故障模拟算法的数字电路的桥接故障诊断方法,用VHDL语言对电路模型进行了重新建模,利用单固定故障的信息来诊断桥接故障,并对ISCAS85平台下的一些电路进行了模拟,结果表明该方法简单、高效,特别适合于数字电路的故障诊断,对于提升我国数字电路可靠性具有重要的理论意义与实际推广应用价值。     

数字电路故障诊断及维修方法研究

本文结合作者多年来在设备故障诊断及维修中的实践,认真分析了设备中数字电路故障产生的主要原因,提出了故障分析的基本思路,总结出了数字电路的常用维修方法,具有很强的针对性和实用性,对进一步提高设备故障诊断准确率和维修效率具有重大意义。     

基于STN-LCD控制驱动器的低功耗技术

基于一款超扭曲阵列液晶显示（STN—LCD）控制驱动器的专用集成电路（ASIC）的设计与实现,从功耗管理、时钟规划和总线仲裁三个方面阐述了低功耗系统规划方法;并分析了门控时钟、重定时和逻辑优化等低功耗技术在指令译码器、显示数据存储体等模块中的电路实现．上述方法对高性能的液晶显示控制驱动电路的低功耗设计具有重要的借鉴作用和参考价值．仿真结果表明经过功耗优化设计后的液晶显示控制驱动器的各个数字电路模块的功耗都大为降低．     

基于部分重配置的FPGA内嵌BRAM测试方法

对于FPGA的内嵌BRAM资源的测试,传统的方法存在着故障覆盖率不够高,测试配置数目较多,以及测试时间较长的缺点.针对上述问题,本文提出了一种新的利用FPGA内嵌ICAP核进行片内自动部分重配置功能来实现对FPGA内嵌BRAM核的内建自测试方法,且无需额外的外接存储单元.在已有方法的基础上提高了对写破坏故障、读破坏故障、干扰耦合故障、写破坏耦合故障、读破坏耦合故障以及BRAM初始化功能故障的覆盖,改进算法使程序执行周期数降低一半左右,同时将多个算法集成在同一个测试配置里来实现降低测试的完整配置数,从而降低测试时间.测试结果表明,该方法在故障覆盖率上可以达到100%,而且测试配置数可以降低至两个完整配置,其中每个完整配置里包含13个算法的片内自动部分重配置,实测得到总测试时间仅为131.216ms.     

基于最优神经网络的电路测试方法研究

在数字电路最优神经网络模型的基础上,研究基于该模型的电路测试生成方法.首先获得了多输入基本门电路的最优神经网络能量函数的一般表达式,然后对这种测试方法的原理、实现步骤、以及加速测试的措施等进行了详细研究.结果表明以最优神经网络模型为基础的电路测试方法在测试生成的速度方面快于其它类似方法,如基于Hopfield神经网络的电路测试生成,具有较好的应用潜力.     

基于VMD-SSA和多频段Hilbert能量的高压直流输电线路单端量保护方法

高压直流(high voltage direct current, HVDC)输电线路对故障暂态电压信号大多数频段都具有衰减作用,而HVDC的物理边界对高频分量会产生较强的衰减作用,对低频分量会产生一定的放大作用。根据上述特征,提出了一种基于变分模态分解(variational mode decomposition, VMD)-麻雀搜索算法(sparrow search algorithm, SSA)和多频段希尔伯特(Hilbert)能量幅值的高压直流输电线路单端量保护方法。利用SSA对VMD参数进行优化后,对故障暂态电压信号进行分解,然后对分解后的各个内涵模态分量(intrinsic mode functions, IMF)进行Hilbert变换求取其200～1 200 Hz低频段和8～12 kHz高频段的Hilbert能量,利用低频段和高频段Hilbert能量之比构造故障区段识别保护判据,通过正极和负极其高低频段Hilbert能量和之比来判断故障极。仿真实验证明,所提出的方法能够有效避免利用经验模态分解(empirical mode decomposition, EMD)故障信号时...     

可诊断非线性电路直流故障的神经网络方法

测后诊断速度和诊断精度是模拟电路故障诊断性能的主要衡量指标。文中将神经网络的自学习和分类技术应用于非线性电路直流故障诊断，把反向传播（ＢＰ）网络训练成一部能诊断软、硬单故障的故障字典。考虑元件参数容差对诊断的影响，提出了优选训练样本的具体方法。此外，重新定义了ＢＰ网络的输出误差函数，使网络在训练时有较大的自由度。ＢＰ网络高度并行的信息处理能力决定了这种新型故障字典的诊断速度非常快。仿真实验结果表明，神经网络方法的综合性能要优于传统的故障字典法。     

基于FPGA和DAC的数字程控放大器和滤波器

设计并实现了基于数模转换（DAC）R-2R网络的程控放大器和程控滤波器,采用2片8位的DAC0832芯片作为程控电路主体,利用FPGA作为程控放大器及程控滤波器的控制模块,实现了可编程放大参数的设置以及低通和高通滤波截止频率的数字控制。     

Combinatorial Optimization Based Analog Circuit Fault Diagnosis with Back Propagation Neural Network

Electronic components＇ reliability has become the key of the complex system mission execution. Analog circuit is an important part of electronic components. Its fault diagnosis is far more challenging than that of digital circuit. Simulations and applications have shown that the methods based on BP neural network are effective in analog circuit fault diagnosis. Aiming at the tolerance of analog circuit,a combinatorial optimization diagnosis scheme was proposed with back propagation（ BP） neural network（ BPNN）.The main contributions of this scheme included two parts：（ 1） the random tolerance samples were added into the nominal training samples to establish new training samples,which were used to train the BP neural network based diagnosis model;（ 2） the initial weights of the BP neural network were optimized by genetic algorithm（ GA） to avoid local minima,and the BP neural network was tuned with Levenberg-Marquardt algorithm（ LMA） in the local solution space to look for the optimum solution or approximate optimal solutions. The experimental results show preliminarily that the scheme substantially improves the whole learning process approximation and generalization ability,and effectively promotes analog circuit fault diagnosis performance based on BPNN.     

化学化工实验室无线安全监测系统故障诊断方法研究

针对化学化工实验室的安全问题设计了一种无线安全监测系统,通过无线通信模块传输现场检测数据和经压缩后的图片,实现了实验室安全远程无线监测与监视的功能. 由于监测系统中的无线通信模块能耗较高,长期运行容易发生故障,其故障检测方式也较为复杂. 为了在线检测无线通信模块的故障和识别其类型,以确保无线安全监测系统的可靠性,研究了无线通信模块的电流特性,建立了基于模糊神经网络的故障诊断模型,可实现对无线通信模块在不同状态下的故障进行诊断. 实验结果表明,与BP神经网相比,采用模糊神经网络的无线通信模块故障诊断方法训练耗时短、收敛快、训练误差和验证误差小、诊断正确率高,能够在线检测无线通信模块的多种类型故障,明显提高了无线安全监测系统的可靠性,具有较好的实际应用价值.      

消弧线圈接地系统暂态能量选线新方法

针对现有利用暂态量的选线方法在电压过零附近时故障灵敏度低的问题,通过把消弧线圈支路作为一条健全线路,利用其暂态能量与其他所有线路暂态能量之和为零的关系,提出了一种基于消弧线圈暂态能量的谐振接地电网故障选线新方法.此选线方法无需判断故障合闸角,也无需整定,不仅能克服在电压过零附近故障选线灵敏度低的缺点,还能适应消弧线圈接地系统各种变化,具有很强的抗干扰能力及自适应性.大量的数字仿真结果表明,该方法有效、可靠.     

一类神经网络多层感知器的全硬件实现

针对模式分类问题，给出了一种神经网络多层感知器数字电路硬件实现方法，该方法在硬件电路中不含有数字乘法器，从而有助于克服目前神经网络数字器件难以单片集成的缺限．采用该方法研制出了具体的硬件线路板，应用于一实际的分类问题，取得了良好的效果