基于故障区分度DAGSVM的模拟电路故障诊断

为了提高模拟电路故障诊断的精度,针对现有DAG-SVM用于解决多类分类问题固有的不稳定性结构以及"误差累积"的特点,提出了一种基于故障区分度构建DAG-SVM的新方法。根据从不同测试点获取的故障数据信息,定义故障区分度,并以此为依据优化DAG-SVM的拓扑结构,从而消除DAG-SVM结构固有的不稳定性,获得稳定而较高的诊断精度。实验结果表明,与现有的"1vs 1"SVM、DAG-SVM及其改进方法相比,该方法在诊断精度上有明显提高,对于模拟电路的故障诊断具有很好的借鉴意义。     

基于PSO-PF-SVM的模拟电路故障诊断

针对模拟电路输出信号存在的非线性、高维数等特点所带来的诊断困难问题,提出一种支持向量机(SVM)分类器参数优化算法,进行模拟电路故障诊断.首先,运用S变换与灰度共生矩阵(GLCM)组合方法S-GLCM,对电路输出信号进行故障特征提取.其次,采用粒子群算法(PSO)与粒子滤波算法(PF)融合,通过重采样实时更新粒子的位置和速度,对SVM参数进行高效寻优,并将特征向量代入模型中进行训练和测试,完成对电路各故障模式的高精度故障诊断.最后,通过两个国际基准电路试验对该方法进行可靠性分析.试验结果表明：S-GLCM在处理非线性、非平稳信号时表现出很大优势,将电路输出信号每组1 500个采样点降为8维特征向量,减少冗余信息;该SVM分类器参数优化算法的诊断准确率较未优化算法提升约11.2%.     

支持向量机的多类分类算法

传统的支持向量机是基于两类问题提出的,但在实际生活中经常遇到多类分类问题,如何将其有效的推广至多类分类问题仍是一个有待研究的热点问题。本文中作者对现有的几种较有成效的多类支持向量机做了介绍,并比较其优劣,以期对研究者以后的研究能有所启发。     

SVM用于非线性系统故障诊断

支持向量机引入核函数后具备了处理非线性数据的能力,被广泛用二非线性系统故障诊断.通过实验对比分析支持向量机线性核函数和径向基核函数的分类性能,实验结果表明,径向基核函数具有更广泛的适用性,不仅适用二线性系统数据分类,也适用二非线性系统故障诊断,且速度更快.     

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。     

基于二叉树的SVM多类分类算法研究

支持向量机是一种高效的分类识别方法,在解决高维模式识别问题中表现出许多特有的优势.支持向量机本身是一个两类问题的判别方法,不能直接应用于多类问题.介绍了基于二叉树的SVM多类分类算法,通过对其原理和实现方法的分析,对这些方法的优缺点进行了归纳和总结,给出了进一步的研究方向.     

多类SVM分类算法的研究

支持向量机(Support Vector Machine,SVM)是上世纪九十年代提出的一种基于小样本的新的统计学习方法,较好地解决了非线性、高维数、局部极小点等实际问题.文中分析了SVM基础理论并总结了目前存在的基于支持向量机的主要分类方法,包括"一对多"方法、"一对一"方法、决策有向无环图方法、基于二又树的多类分类方法和其它方法,并对各自的优缺点及性能做了比较.     

DAG SVM的结构优化研究及其在故障诊断中的应用

有向无环图支持向量机(DAG-SVM)是一种新颖且使用广泛的多分类算法.传统DAG-SVM由于需要训练的SVM分类器较多,在工程中训练耗时长.又由于传统DAGSVM分类效果受到结构排序影响,导致其分类效果具有随机性.针对以上两个问题,通过结构重组减少SVM分类器个数从而缩短了训练时间,通过对训练数据的重新划分计算产生了最优分类排序,提高了分类正确率.仿真测试与工程实践证明,本文方法相对传统DAGSVM方式,能缩短训练时间,且拥有更高的分类正确率.     

基于Pspice仿真的模拟电路软故障诊断

文章研究了利用Pspice仿真软件进行模拟电路故障诊断的方法,并以一电阻电路为例,详细说明了故障诊断的具体方法和步骤,实验表明其可行性。     

基于KPLS特征提取的WNN模拟电路软故障诊断

为提高模拟电路的软故障诊断能力,提出一种基于KPLS特征提取和WNN的集成诊断方法。首先利用KPLS良好的特征提取能力,构建故障样本集的主元特征集;然后,利用WNN解决复杂非线性问题的优势,建立主元特征集的故障识别模型;最后,由所建模型对各种故障模式进行诊断判定。Sallen-Key带通滤波器的仿真测试表明:该集成方法仅通过不到300次迭代计算即完成模型训练,诊断的总正确率达到96.7%,且9种模式中的6种达到100%正确率,从而验证了其可行性和有效性。     

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.     

Hierarchical Neural Networks Method for Fault Diagnosis of Large-Scale Analog Circuits

A novel hierarchical neural networks (HNNs) method for fault diagnosis of large-scale circuits is proposed. The presented techniques using neural networks(NNs) approaches require a large amount of computation for simulating various faulty component possibilities. For large scale circuits, the number of possible faults, and hence the simulations, grow rapidly and become tedious and sometimes even impractical. Some NNs are distributed to the torn sub-blocks according to the proposed torn principles of large scale circuits. And the NNs are trained in batches by different patterns in the light of the presented rules of various patterns when the DC, AC and transient responses of the circuit are available. The method is characterized by decreasing the over-lapped feasible domains of responses of circuits with tolerance and leads to better performance and higher correct classification. The methodology is illustrated by means of diagnosis examples.     

一种新的模拟电路故障特征提取与诊断方法

提出了一种基于小波变换、傅立叶变换与神经网络相结合的模拟电路故障诊断新方法.该方法使用小波变换和傅立叶变换对模拟电路在各种故障状态下进行特征的提取,即首先对电路在各种故障状态下的节点电压信号进行小波变换以将干扰信号(如噪声)除去,防止不相关的能量混在有效信号中,然后采用傅立叶变换进行分析,得到有效信号频谱,提取其能量值...     

模拟电路故障定数的理论和方法

本文研究模拟电路的故障定数问题，这是作者提出的一个新概念，在最近２０年的故障诊断研究中，涉及到故障定位和故障定值，本文首先指出，故障定数、故障定痊和故障定值三者乃是整个故障诊断的三个主题，并给出了模拟电路故障定数的理论和方法。     

模拟电路故障诊断的最小二乘支持向量机方法研究

介绍模拟电路故障诊断的现状及特点,提出一种基于最小二乘支持向量机的模拟电路故障诊断新方法.该方法可以对模拟电路有效地进行故障诊断,有较高的诊断效率.     

模拟电路单支路故障诊断的理论和方法

本文就一般情况研究了模拟电路单支路故障可诊断性的必要和几乎充分的拓扑条件，给出了相应的结论，并作出了严谨的证明。文中还研究了单支路故障的诊断方法。     

模拟电路故障诊断的辨识法及其方程

本文基于系统辨识的思想，对模拟电路故障诊断提出了一种新的方法。文中还提出了动态电路系统参数的概念，研究了系统参数与元件参数之间的一般关系，给出了用多频率法求解系统参数的一组线性方程。     

一种模拟电路故障诊断法

本文以ＣＣＭ方程为基础,提出了模拟电路故障诊断的一种算法,通过矩阵求秩来定位故障元件,适于线性有源网络。最后举例说明了算法的有效性。     

一种新的模拟电路故障诊断方法研究

针对传统模拟电路检测方法难以发现器件缺陷的问题,提出了一种基于小波分析与人工神经网络的故障检测方法,选取典型滤波器电路。使用MATLAB进行仿真。仿真结果表明,此方法能够有效地识别故障器件,且诊断率高。