电流模式连续时间神经元电路实现

本文利用双结型晶体管的非线特性，设计出了一种在神经网络中广泛使用的Ｓ型函数神经元电路，此电路的输入输出信号都是以电流的形式出现的，电路的输入和输出级以电流传送器ＣＣⅡ为核心构成，此电路的Ｐｓｐｉｃｅ仿真模拟结果和理想情况非常吻合。     

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[CF+]的四阶电流模式低通滤波器分析

提出了以信号电流跟随器ＣＦ＋为基本电路元件，构成全集成ＭＯＳＦＥＴ－Ｃ精确连续时间四阶电流模式平衡结构低通滤波器电路，应用ＰＳＰＩＣＥ（Ⅱ）通用模拟电路程序，对其幅频特性和相频特性进行了计算机仿真分析。结果表明：这种滤波器能够直接处理电流信号，避免了电压跟随误差对电路质因数和自然频率的影响，有效地消除了ＭＯＳＦＥＴ电阻偶次非线性因素的影响，得到了可靠的计算数据。     

模拟电路故障诊断字典法的前向多层神经网络实现

讨论了一种利用ＢＰ算法的前向多层神经网络，建立并可快速查找电路故障字典的方法，该方法对单硬故障的识别与定位快捷而有效，同时利用了神经网络的联想功能和鲁棒性，有效地克服了容差因素对故障定位的影响。     

基于信号电流跟随器的全集成四阶带通滤波器仿真分析

提出了以信号电流跟随器ＣＦ＋为基本电路元件的全集成ＭＯＳＦＥＴ－Ｃ精确连续时间电流模式四阶带通平衡结构滤波电路，并应用通用模拟电路程序ＰＳＰＩＣＥ（Ⅱ），对其幅频特性和相频特性进行了计算机仿真分析，得出了几点实用的结论．     

采用Boost的PFC电路输出电压纹波分析及输出滤波电容值的确定

本对采用Ｂｏｏｓｔ为主电路的ＰＦＣ电路进行分析，推导出输出电压纹波的数学表达式，进而找出了确定输出滤波电容的计算公式，公式对各种方式控制的Ｂｏｏｓｔ ＰＦＣ电路普通适用，计算机仿真证明结论的正确性。     

BP神经网络的硬件实现

本文提出了一种采用MOS晶体管的电流模式连续时间模拟BP（Backward Propagation）神经网络的硬件实现新方法。硬件系统适合利用VLSI技术,具有片内误差反向传播学习功能,能简化BP新算法修正权值,对所设计的电路提供了PSPICE仿真结果,结果表明硬件实现方法的可行性。     

电流模式神经网络

把电流模式电路引进了神经网络理论，提出了一种用电流模式电路构成的神经网络阈值处理单元，并由此构成了电流模式Ｈｏｐｆｉｅｌｄ神经网络，此网络中信号都是以电流的形式出现的。     

模拟电路故障诊断的BP神经网络实现

本文介绍BP神经网络在模拟电路故障诊断中的应用并对选定的待测电路在元件存在容差的条件下，仿真实现了模拟电路软故障诊断。     

基于电流传送器的SAB电路

给出一种将单放大器（或运放）双二次（ＳＡＢ）电路转换成基于电流传送器的双二次滤波电路的方法，并用电流传送器构成的电压放大器实现了这种转换．通过分析和仿真证明：转换成的基于ＣＣⅡ的双二次电压模式电路，不仅与原型电路有完全相同的滤波功能和元件变化灵敏度，而且具有更优越的高频性能．     

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.     

DNA优化的BP神经网络在故障诊断中的应用

针对BP神经网络收敛速度慢和容易陷入局部极小值问题,将DNA算法和神经网络有机结合,利用DNA算法的全局搜索能力,优化网络的初始权值和阈值,解决其本身固有的两个缺陷,进而提高了BP神经网络诊断故障时的准确性和快速性。以道岔控制电路的故障诊断为研究对象,建立了基于DNA优化的BP神经网络的故障诊断优化模型,使用MATLAB仿真软件对故障诊断模型进行了仿真分析。结果表明,DNA算法优化的BP神经网络的泛化能力、诊断精确性都要优于BP神经网络。     

基于人工智能的电力电子电路故障诊断

采用基于波形直接分析的神经网络故障诊断方法实现电力电子电路在线故障诊断。以三相整流电路为例，对电路发生故障时输出的波形进行分析，用故障波形的采样数据制作的样本对神经网络进行训练，将训练好的神经网络用于故障诊断。仿真实验表明该方法是有效的。     

基于BP神经网络的三相逆变器故障诊断研究

针对三相桥式逆变电路为研究对象,建立了仿真模型,并对逆变器主电路开关器件的开路故障进行仿真,提出了基于BP神经网络的故障诊断方法,确定了网络的结构和参数,并以此训练网络.仿真试验结果表明,该神经网络具有很好的故障识别能力,所选择的基于BP神经网络的三相逆变器故障诊断系统是可行的.     

基于神经网络的三相全控桥整流电路故障诊断

电力电子电路的诊断具有相当的复杂性,主要原因之一是由于功率器件的损坏造成主电路结构的改变.而晶闸管是整流装置中最容易损坏的器件,因此,晶闸管的故障诊断成为电力电子电路故障诊断的首要重点.提出一种用前向神经网络来诊断三相全控桥整流电路晶闸管故障的方法.对电路发生故障时输出的波形进行分析,用故障波形的采样数据制作的样本对神经网络进行训练,将训练好的神经网络用于故障诊断.仿真和实验表明该方法是有效的.     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。     

基于小波包的开关电流电路故障诊断

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性.     

基于神经网络的模拟电路的故障诊断

根据 BP神经网络的特点和性能以及电路故障诊断的要求 ,采用了 BP网络的权值与故障模式相对应的方法来进行电路的故障诊断 .该方法利用改进的 BP算法 ,首先建立故障模式 ,然后将故障模式与 BP网络的权值相对应 ,最后将权值作为故障诊断知识 .对模拟电路的软故障进行了仿真 ,仿真结果良好