模拟电路故障诊断中的状态矩阵字典与模糊决策

一、引言自六十年代初至今模拟电路故障诊断成为热门课题,出现了许多成果。模拟电路的故障字典诊断法便是其中之一。故障字典法有两个步骤,首先是建立故障字典,其次是故障分离。本文试图解决动态模拟电路的故障诊断问题。首先阐述了状态矩阵字典法的概念,用系统识别法通过测量值求解状态矩阵,从而解决了故障诊断的关键问题。在故障分离中。我们提出利用模糊决策进行,此方法明显优于 P.M.Lin 提出的方法,且物理概念明确。     

基于神经网络的模拟电路故障诊断

探讨了基于故障字典法和基于神经网络的故障诊断方法,利用自组织特征映射神经网络进行模拟电路故障诊断,根据神经网络的输出结果可以判断发生故障的类型.自组织特征映射神经网络聚类能力强、速度快,因此很适合复杂系统的故障诊断.     

基于故障物理注入的模拟电路测试性分析方法研究

针对仿真建立的故障字典与实体电路存在较大差异以及一部分电路无法进行软件仿真等问题,本文提出了基于故障物理注入建立故障字典并进行故障检测和隔离的方法。首先研究了基于故障物理注入技术的实现方法;然后根据实测数据构建整数编码字典,以此为基础讨论了故障检测率、隔离率和虚警率等指标的预计方法;最后结合电路实例对算法进行了验证。实验结果表明,采用整数编码字典方法进行测试性分析与传统的D矩阵模型算法相比具有更高的故障分辨能力。     

基于故障物理注入的模拟电路测试性分析方法

针对仿真建立的故障字典与实体电路存在较大差异以及一部分电路无法进行软件仿真等问题,提出了基于故障物理注入建立故障字典,并进行故障检测和隔离的方法。首先研究了基于故障物理注入技术的实现方法;然后根据实测数据构建整数编码字典,以此为基础讨论了故障检测率、隔离率和虚警率等指标的预计方法;最后结合电路实例对算法进行了验证。实验结果表明,采用整数编码字典方法进行测试性分析与传统的D矩阵模型算法相比具有更高的故障分辨能力。     

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。     

基于故障字典法的雷达故障诊断技术研究

针对雷达故障诊断中被测电路单元的复杂性和多样性进行了分析研究,提出采用故障模式分类的方法。根据电路结构及特点建立故障字典,确定测前故障集,并采用基于故障事例推理的诊断方法,进行故障诊断,并给出了应用实例。该方法大大减少了测试时间和测后分析计算量,加快实时诊断能力。     

一种模拟电路故障字典的改进方法

鉴于传统的故障字典法诊断准确度低、诊断速度慢等缺点,本文将概率论及数理统计原理引入传统的故障字典法中对其进行改进。提取电路各待测节点电压作为电路特征,基于概率论选取测试节点,应用极大极小准则使模糊域划分更为合理。以稳压电源电路为实例,对改进后方法与传统方法进行实验对比,结果表明,本文所述方法故障诊断准确度更高、测试节点数目更少,更为合理有效。     

可控硅供电直流调速系统的故障诊断

本文通过各种故障诊断理论的比较,以故障字典法和系统辨识理论为基础,并提出了信号波形对比对比故障定位方法,以STD工业控制机为核心,并扩展必要的硬件电路,实现了对SCR—D系统的快速故障诊断。     

模拟电路故障信号的小波预处理

针对模拟电路故障诊断的神经网络存在结构规模较大的问题,提出一种基于小波一神经网络的模拟电路故障诊断方法。该法采用冲激响应来获取模拟电路的故障信号,采用小波变换作为模拟电路故障信号的预处理器,利用Haar小波分层次分解提取故障信号特征,该信号特征经主元分析和数据标称化后,作为用于故障诊断的神经网络的输入。基于该法故障诊断的基本原理,对一实例电路进行故障划类、小波函数及故障特征选择,给出计算故障特征的仿真编程及故障类别的识别方法。该法大大减少用于故障诊断的神经网络的输入数目,简化它的结构和减少其训练处理的时间。仿真结果表明,该法可以提高模拟电路故障诊断的效率和辨识故障类别的能力。     

故障字典法在模拟直流电路故障诊断中的应用研究

任何大型设备都不可能离开相应电子线路的控制,电子线路的故障将直接影响到设备的操作精度,甚至灾难性的后果。经过几十年的发展,电子线路的故障诊断已取得了较大的发展,逐步形成了电路故障诊断技术。本文对故障字典法在模拟直流电路故障诊断中的应用进行了研究。     

从故障诊断角度看“电路分析基础实验”

在"电路分析基础实验"授课中引入故障诊断的专业分析,把科学研究融入到基础课程,通过对电路分析多个基础实验潜在的故障,进行了诊断剖析和专业排查,并给出了系统的解决方案,进而深化实验原理,由此培养学生查错纠错的学习能力,并提高学生的思考能力和实践技能,这符合当前国家强调的科教协同的人才培养要求。     

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。     

L1范数法诊断线性电阻电路故障的神经网络法

研究了Ｌ１范数法诊断线性电阻电路故障的视神经网络方法。基于Ｈｏｐｆｉｅｌｄ网络原理导出了相应的神经网络电路结构，该法具有在线计算量少、故障诊断速度快等特点。计算机模拟结果表明，本文所提方法是可行的。     

电工电子实验中电阻电路的常见故障分析

本文通过对电工电子实验中最常见的电阻电路的分析,得出电阻电路最常见的几种故障,对于解决在实验中经常遇到的电路故障问题有很大的帮助。     

电力电子技术实验装置常见故障维修

详细总结了电力电子技术实验装置常见故障的维修,包括IGBT元器件、可调电阻、电源控制屏、三相同步主电路、正给定电位调节器和单相调压电路等相关部件常见故障,总结了故障诊断的一般步骤,以及各种故障的处理方法。所得结果对类似实验装置的故障维修和日常维护具有较强的参考价值。     

基于故障电路的“逆向”思维实验教学模式

随着教学改革的深入和素质教育要求的不断提高,为突出学生在实验教学中的主体地位,提出了基于故障电路的"逆向"思维实验教学模式。通过故障电路诊断、分析、排除的方式,培养学生自主解决实际问题的能力,启发学生的思维开拓能力和创新能力。同时,也增添了实验项目的趣味性和挑战性,能更大程度激发学生的实验兴趣。根据试验班与非试验班的学生成绩分布对比,试验班在整体理论及综合能力方面都有较大提高,为培养高素质专业技术人才探索了一套可行且高效的培养模式。     

形态分量分析在滚动轴承故障诊断中的应用

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性.     

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。     

检测晶体管失效的一类人工智能方法

针对模拟电路中元器件故障检测方法不成熟的问题,利用故障植入法,对一类晶体管失效的模拟放大电路进行故障诊断与分类,高效快捷地获得故障特征数据,基于概率神经网络对故障进行分类,经过处理输入数据与调整Spread值,得到了精确度很高的概率神经网络模型,并且在实际电路中得到了进一步验证。     

无换向器电机调速系统的故障自诊断

针对无换向器电机调速系统的复杂性，尤其是针对其中的主电路和调节器这两个影响系统性能的关键部分，分别应用“状态字”方法和“电路工作特性故障字典法”方法对其进行了故障诊断。所提出的研究方法和具体研究线路，对于一般自控系统在线故障诊断的研究 定的借鉴和启发作用。