基于电流的芯片级集成电路故障诊断方法

随着芯片级集成电路规模的逐渐增大,电路结构越来越复杂。当前故障诊断方法利用电路状态对电路故障进行检测,检测精度低。为此,提出一种新的基于电流的芯片级集成电路故障诊断方法。选择动态电流对芯片级集成电路故障进行诊断,通过Haar小波函数对芯片级集成电路进行预处理。介绍了多重分形理论基础,给出动态电流多重分形谱的计算方法。针对正常芯片级集成电路的动态电流信号求出其多重分形谱,选择一组测试向量对待测芯片级集成电路进行动态电流检测,对得到的数据进行小波变换处理,求出不同尺度下动态电流小波系数的模极大值。依据小波系数模极大值求出多重分形谱,通过其和正常电路多重分形谱之间的差异判断该电路是否存在故障。实验结果表明,所提方法诊断精度高。     

基于小波变换的单相高阻接地故障检测方法

提出了一种基于小波变换的中性点不接地系统的单相高阻接地故障检测方法.发生故障时,经过小波变换,故障相电流和零序电流高频系数模极大值在相同时间和位置的极性相同,而非故障相的高频系数模极大值与零序的高频系数模极大值极性相反;故障相的高频系数比非故障相的高频系数大很多,可作为接地检测的依据.通过ATP仿真验证可知,该方法能准确地检测出单相高阻接地故障.     

校园网流量的分形特性

文章采用基于小波系数的能量均值方法讨论了大时间尺度下流量的自相似特性,利用小波变换模极大值的多重分形分析方法,讨论了小时间尺度下的结构函数和多重分形谱的特点;依据校园网的实际流量研究了不同时间尺度下单一TCP流和混合流的的分形特点,并简要分析了不同协议对流量特性的影响.     

基于模拟电路I_(DDT)的小波神经网络故障诊断方法

动态电源电流(IDDT)对模拟电路故障诊断非常有效。通过分析被测电路的动态电源IDDT及其输出响应来识别电路的故障元件;用小波对被测信号进行多尺度分解,提取小波系数能量,经归一化后,作为特征向量输入到神经网络而实现故障诊断.实验仿真结果表明:该方法能正确实现故障定位且准确率高.     

多重分形去趋势波动分析的振动信号故障诊断

针对基于配分函数的多重分形分析不利于局部标度特性突显的问题,把多重分形去趋势波动分析(MF-DFA)方法引入到振动诊断领域,提出对振动信号进行多重分形谱参数(|B|,α0,Δα和Δf)故障特征分析,并将α0用于故障诊断.首先分析了振动信号的多重分形特性;然后提取振动信号的4种多重分形谱参数特征,并进行了比较;最后用支持向量机算法实现振动故障诊断.研究表明:去除趋势后,振动信号的波动呈现显著多重分形特征,正常状态振动信号的α0明显大于故障状态,而振动信号的|B|,Δα和Δf特征变化规律则不明显;α0作为故障特征量,能有效地区分正常状态与故障状态,有效实现了振动故障诊断.     

基于WTMM与多重分形的信号毛刺去除方法

信号检测和分析经常受到毛刺的干扰,因此有必要将其去除.小波变换作为一种理想的时频分析方法,能够对信号进行多尺度或多分辨率分析,从不同层次把握信号的特征信息,为此提出了一种基于小波变换模极大值与多重分形的信号毛刺去除方法,分别利用多重分形谱、局部有效Hlder指数实现毛刺的检测与定位,进而实现毛刺的去除.实验证明,这种方法是可行和有效的,为非平稳随机信号中的毛刺去除提供了一种行之有效的方法.     

基于小波多分辨率系数模值的并发故障检测方法

提出了利用小波分析技术进行信号奇异性检测的多重并发故障检测方法。利用小波多尺度分解技术,将信号进行多尺度的小波分解,得到不同尺度下的信号高频分量的小波系数模值,并根据奇变信号和噪声信号小波系数模值的差异,采用软阈值去噪法,对其高频分量小波系数进行去噪处理,获取不同尺度上突变信号的小波系数模值,实现对故障的检测,并可根据不同尺度上小波系数模值的对应关系,实现对多重并发故障的区分。对电网信号分析的仿真结果证实了该方法的正确性和可行性。     

基于Mallat算法的小电流单相接地故障选线研究

提出一种利用小波分析中的Mallat分解算法对小电流系统故障线路进行诊断的方法.当小电流接地系统发生单相接地故障的时候,提取的暂态零序电流经过Mallat算法分解,通过模极大值理论有效的判断出故障线路.     

微机保护中TA饱和检测的算法研究

阐述了TA饱和对母线差动保护的影响,利用小波变换能对奇异点进行准确分析定位的原理,提出了一种实时检测TA饱和区和线性区的新方法。该方法在故障开始后对TA二次电流实时进行多尺度小波变换,根据TA二次电流波形在故障发生时进入饱和时刻和出饱和时刻都有奇异性,并分别对应小波模极大值,而小波模极大值的不同特征判断对应进饱和点和出饱和点。用三次B样条函数仿真实践检测判据,证明了其有效性。     

同质TCP流的多重分形特性分析

采用基于小波变换模极大值的多重分形分析方法,讨论了大、小时间尺度下的结构函数和多重分形谱的特点。依据实例研究了不同时间下的同质TCP流(W eb)分别在大、小时间尺度下的分形特点;通过对不同协议的同质TCP流的协议本质及拥塞机制的分析,推断其所表现的多重分形谱特点与百分比的相关性;对同一TCP流中不同协议组成的分析,得到TCP总量与分量的多重分形谱特点以及与同质程度的关系。     

基于小波理论的10kV配电线路暂态行波故障选相研究

在行波故障选相的基础上,引入小波变换理论,探讨一种新的行波故障选相方法。该方法利用各相初始电流行波小波变换模极大值构造故障选相元件,根据故障特征提出故障选相的基本判据。理论分析和大量的Matlab仿真结果表明了此方法的有效性和正确性。     

行波的小波表示

针对暂态行波故障特征难于表达和提取 ,把小波变换应用于暂态行波故障特征刻划和描述 ,给出了电流行波、电压行波、正向方向行波和反向方向行波故障特征的小波变换模极大值表示 ;并对 4种行波的故障特征进行了初步分析和比较。行波的小波表示客观、全面、简单、明确地反映了不同行波分量的特点 ,为快速检测输电线路故障、构造基于行波原理的故障测距和继电保护奠定了理论基础     

拉曼光谱预处理中几种小波去噪方法的分析

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限.以钙长石的拉曼光谱为研究对象,探讨小波变换在拉曼光谱信号去噪方面的应用,分别采用移动窗口最小二乘多项式平滑、移动窗口中位数平滑、非线性小波软硬阈值法和小波变换模极大值法对加噪后的拉曼光谱进行去噪并对去噪效果进行比较.结果表明,小波变换模极大值光谱去噪法得到了较高的信噪比,小波软硬阈值法次之,其他2种方法去噪效果较差.小波变换模极大值法能够有效去除光谱噪声,并很好地保留了光谱信号特征,为拉曼光谱的校正模型的建立奠定了良好的基础.     

基于小波变换与模极大值法的高速铁路牵引网故障行波波头自动识别算法

为解决准确自动识别入射波和反射波的波头这一难题,提出了一种基于小波变换与模极大值法的行波波头自动识别方法。在分析小波变换及突变点检测原理的基础上,利用牵引变电所采集到的电压行波信号,进行多尺度一维离散小波变换。选用Daubechies小波族的db6为基本小波,并采用搜索模极大值的方法和约束函数判定,在模极大值点间进行自动识别起始波和反射波的波头位置。理论分析和现场数据验证结果表明,该算法切实有效,并能结合初始波与反射波间数据采样点数,得出故障初始行波脉冲与故障点反射回来的行波脉冲之间的时间差。     

基于Lipschitz指数熵的轴承故障检测方法

针对利用小波奇异点进行故障检测无法克服噪声影响的不足,提出采用Lipschitz指数熵作为特征进行故障检测.该方法以信号在小波域上分解形成的Lipschitz指数谱向量的熵值作为故障的诊断特征,建立了基于Lipschitz指数熵的故障检测模型,并提出了基于粒子群优化的特征阈值选择方法.将该方法同基于小波能量谱、小波包能量谱熵特征和小波奇异点检测的方法进行比较,实验结果表明采用Lipschitz指数熵作为特征都能有效克服噪声影响,在检测时间及检测率上较另外3种方法有显著提高.     

基于小波最优重构尺度的AUV推进器故障检测方法

针对采用传统小波方法检测外部干扰下自主式水下机器人(AUV)推进器故障时存在的故障检测灵敏度较低问题,提出一种基于小波最优重构尺度确定的AUV推进器故障检测方法,基于小波Shannon熵的小波最优重构尺度确定方法确定离散多层小波分解后细节系数的最优重构尺度,目的是滤除外部干扰等与故障无关信号,并选择故障信息含量最多的最佳重构尺度进行小波单支重构以识别AUV推进器故障特征.AUV实验样机水池实验结果表明,与传统小波方法相比较,所提方法故障检测灵敏度提高了27.78%.     

基于多重分形降趋算法与改进的K均值聚类滚动轴承故障诊断

针对滚动轴承振动信号非线性、非平稳的特点,提出采用多重分形降趋算法计算多重分形谱参数作为特征参数,对比分析了多重分形降趋波动分析法及多重分形降趋移动平均法提取轴承故障特征的优劣性.并提出改进的K均值聚类分析对多重分形降趋算法提取的特征参数进行分类,从而实现轴承故障诊断的目的.运用滚动轴承公开数据对方法进行验证,提取时域特征与多重分形谱参数进行对比分析,并对两种多重分形降趋算法的效果进行对比分析,验证了多重分形降趋波动分析法与改进K均值聚类相结合对轴承故障诊断的有效性,为轴承故障诊断方法提供了一种新的尝试.      

信号瞬变成分检测与提取及其在故障诊断中的应用

研究基于小波变换的信号瞬变成分检测与提取方法及其在机械故障诊断中的应用 .在分析信号的连续小波变换的模极大值理论的基础上 ,指出连续小波变换系数的模与信号瞬变成分的关系 ;通过分析小波函数的性质 ,分析小波函数对信号的连续小波变换的影响 ;在信号瞬变特征的提取过程中 ,提出基于门限值的特征重建方法 .将该方法应用于齿轮箱振动信号中瞬变成分的检测与重建 .结果表明基于连续小波变换方法能有效检测到信号中的瞬变成分 ,瞬变成分的重建结果有效地表示了机械的故障状态 .