采用多目标粒子群算法的模拟电路故障诊断研究

提出了一种容差条件下基于多目标粒子群(MOPSO)算法的模拟电路软故障诊断方法.通过灵敏度分析,建立模拟电路故障诊断的约束线性规划方程组,以元件参数变化量与标称值的百分比作为故障判据.针对MOPSO中目标空间增加时种群选择压力影响算法性能的问题,采用阶有效优化准则代替传统的Pareto优化准则,引入最优折中解作为全局最优解,从而提出基于阶有效的平衡全局搜索策略多目标粒子群(ESEO-MOPSO)算法,并将其用于模拟电路故障诊断的约束线性规划方程组的求解中.仿真结果表明,该方法兼顾故障元件的定位和故障元件参数变化量的估计,可以有效地实现模拟电路在容差条件下的软故障定量诊断.     

应用广义线性函数的线性电路K故障诊断

在模拟电路故障诊断中,由于元件容差的影响,以及元件变化与输出增量之间的非线性关系,使得实际的诊断过程非常复杂和困难.本文引用广义线性函数的概念,对元件的容差进行类线性处理,并且弱化了元件参数变化和输出增量之间的非线性关系,提出了等效的支路故障值概念.对应用广义线性函数进行故障诊断做了讨论,导出了计及容差情况下的 k 故障诊断模型及最小二乘算法,由此所得的结果具有最优性和无偏性.诊断时采用多激励方法,消除了诊断过程中的等效故障.     

一种基于综合智能计算的模拟电路故障诊断方法

文章针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于粗集-主成分分析的模拟电路故障诊断的方法。这种方法利用粗集理论属性约简、数据归一化、主成分分析对输入数据进行预处理,提取主要参数,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:该方法能够实现快速故障检测与定位,具有准确率高的特点。     

容差模拟电路复杂故障的测试与诊断

改进了模拟电路故障参数识别法.对容差模拟电路的复杂故障提出了基于节点电压方程的故障诊断方程,方便了方程的建立.将不可及节点电压作为辅助未知参量,降低了方程的非线性.采用改进的Newton-Raph-son迭代法求解故障诊断方程,加快了求解速度.最后,诊断实例验证了本方法的可行性和有效性.     

一种基于综合智能计算的模拟电路故障诊断方法

文章针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于粗集-主成分分析的模拟电路故障诊断的方法。这种方法利用粗集理论属性约简、数据归一化、主成分分析对输入数据进行预处理,提取主要参数,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:该方法能够实现快速故障检测与定位,具有准确率高的特点。     

故障诊断多激励法的容差分析

本文提出了适用于线性和非线性模拟电路多故障诊断的多激励法,在考虑了非故障元件的容差时仍然有效。文内分析了容差的影响,给出了相应的定理,并通过理论分析及大量统计实验证明此定理的正确性,使多激励法完全可用于考虑了容差的情况。     

基于柔性免疫神经树的模拟电路故障诊断方法

模拟电路的非线性特性、连续性和元器件的容差等因素给故障的建模分析造成了诸多不确定因素,因此其智能故障诊断方法的研究至关重要。柔性神经树是一种采用树形结构和一组运算符集合构成的新型神经网络,与传统神经网络相比具有更加灵活的自动优化能力。本文将人工免疫机理融入柔性神经树,提出了一种基于柔性免疫神经树的模拟电路故障诊断方法。通过对一种典型模拟电路的故障诊断仿真试验,证明了该方法的有效性和可行性。     

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。     

线性电路故障诊断的通用性理论及其算法

本文研究线性模拟电路故障诊断的理论和方法，在作者提出的故障诊断方程的基础上，基于一种新的雅可比矩阵计算方法和迭代算法，给出了能求解所有线性模拟电路故障诊断问题的一般性方法。     

容差对子网络级故障诊断的影响

本文结合采用间接可测端点作撕裂端点的交叉撕裂诊断法，研究了容差对子网络级故障 诊断的影响．用随机变量分析模拟电路中元件的容差，通过随机模拟实现对容差总的估计，建立 了容差情况下网络级故障诊断的判别式，进而探讨子网络级的故障诊断，提出了元件故障深度、 元件故障的可诊断测度，子网络故障可诊断率等概念．最后，以网络故障的模拟分析来阐明以上 理论．     

高斯模糊核聚类的模拟电路在线故障诊断算法

为提高模拟电路故障在线诊断的运算速度与可靠性,采用高斯模糊核聚类算法对模拟电路故障进行非监督学习。该故障诊断算法的关键是利用已知故障数据类中心点确定故障类。利用模糊核聚类的高效识别树型结构减少训练样本规模、处理模糊类中的野值点,以提高分类器的训练速度和精确度。根据每一类故障数据得到的故障参数均值,设其为故障判断阈值,并赋予类标。在三种不同故障条件下,对Sallen-Key低通滤波器电路进行故障诊断的仿真实验。结果表明：与RBF监督学习方法相比,β-MKFCM方法能够高效地辩识已知故障与未知故障。该研究为电路在线故障诊断提供了参考依据。     

基于神经网络的故障诊断推理方法

针对传统诊断技术的局限性,研究了基于ＢＰ模型神经网络的故障诊断推理方法,它只需选择足够的具有代表性的故障样本训练神经网络,将代表故障的信息输入给训练好的神经网络,根据神经网络的输出结果,就可以判断发生故障的类型．神经网络一旦训练好,由于其具有容错性,不仅能诊断出已经出现过的故障,还能在一定范围内诊断出从未出现过的故障,使故障诊断智能化和简单化．仿真结果表明,基于神经网络的故障诊断方法是行之有效的     

基于中点电流的ANPC逆变器故障诊断策略与容错控制

有源中点箝位型(ANPC)逆变器具有输出波形畸变率低、传输效率高等优点,获得了广泛的应用,但大量的开关器件降低了逆变器的可靠性.分析了三电平ANPC逆变器在不同开关器件开路故障下的电流路径,得到不同故障下输出电平及输出电压空间矢量的变化情况.结合各矢量作用下中点电流与输出电流的关系,提出了一种基于中点电流的故障诊断方法.根据ANPC逆变器电路特点,对其桥臂器件和箝位器件提出了不同的容错模式,并提出了一种具有不降额容错能力的容错电路结构.通过搭建仿真模型及实验平台对提出的故障诊断方法及容错策略进行验证,仿真和实验结果验证了该故障诊断方法及容错策略的有效性.     

线性容差电路的故障定位

本文根据概率论的思想,提出一种新的线性容差电路故障诊断的原理和方法,对多故障诊断,可将故障隔离到一个支路集范围,对诊断常见的单故障,引入了元件分离界概念,可进一步将故障隔离到更小范围,以至确诊。     

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.     

Soft Fault Diagnosis for Analog Circuits Based on Slope Fault Feature and BP Neural Networks

Fault diagnosis is very important for development and maintenance of safe and reliable electronic circuits and systems. This paper describes an approach of soft fault diagnosis for analog circuits based on slope fault feature and back propagation neural networks (BPNN). The reported approach uses the voltage relation function between two nodes as fault features; and for linear analog circuits, the voltage relation function is a linear function, thus the slope is invariant as fault feature. Therefore, a unified fault feature for both hard fault (open or short fault) and soft fault (parametric fault) is extracted. Unlike other NN-based diagnosis methods which utilize node voltages or frequency response as fault features, the reported BPNN is trained by the extracted feature vectors, the slope features are calculated by just simulating once for each component, and the trained BPNN can achieve all the soft faults diagnosis of the component. Experiments show that our approach is promising.     

基于模型预测控制的航空发动机传感器容错控制

针对航空发动机传感器的硬故障和软故障,在模型预测控制（model predictive control,MPC）的基础之上,提出了一种调整参考轨迹的主动容错控制（fault tolerant control,FTC）方法。首先,该方法使用故障诊断（fault detection and diagnosis , FDD）单元诊断出故障信息;然后,监控决策机制根据故障信息在线的调整参考轨迹;最后,控制器通过调整控制量使得输出跟踪新的参考轨迹,从而实现传感器故障的主动容错控制。同时,对CMPASS-90K涡扇发动机进行了主动容错控制仿真,验证了所提方法的有效性,并分析了容错效果的影响因素。     

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.