基于小波包分析和相关向量机的电路故障诊断

针对模拟电路故障变化的复杂性,提出一种小波包分析和相关向量机的电路故障诊断模型,首先采集模拟电路不同故障状态下的输出信号,将输出信号进行小波包分解,提取分解信号的归一化能量特征,然后将特征向量输入相关向量机中进行训练,建立模拟电路故障诊断模型,实现不同的故障状态分类识别;最后通过仿真实例对模型性能进行测试.测试结果表明,相对于其他模拟电路故障诊断模型,该模型不但提高了模拟电路故障诊断的正确率,而且减少了故障诊断时间.     

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.     

支持向量机在齿轮故障诊断中的应用

针对齿轮故障诊断中的小样本事件,采用了支持向量机（SVM）方法.采集齿轮3种典型故障（断齿、磨损、剥落）和正常状态的振动信号,提取时域指标和能量特征作为SVM输入向量,并采用交叉验证（K-CV）法优化SVM参数,最终得到的故障诊断准确率为100%.结果表明SVM是一种有效的齿轮故障诊断方法.     

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%.     

支撑向量机在给水管网故障诊断中的应用

针对城市给水管网运行故障诊断问题,构造一个给水管网室内实验模型,通过测试节点水压变化,利用建立在结构风险最小原理基础上的支撑向量机(SVM)模式分类功能,确定相应的特征向量和核函数参数;选取样本进行训练和测试,在小样本情况下对管网故障点进行判决.在多次实验模型测试数据的基础上, 对基于SVM的给水管网故障诊断方法进行测试,并在相同实验测试数据的前提下与神经网络(ANN)法进行比较,实际算例表明,SVM方法的诊断精度优于神经网络法.     

基于MKLSVM的MVB端接故障诊断

列车通信网络的故障诊断一直是列车健康管理中的难点,复杂的工作环境、分布式的系统结构也使得故障难以被发现和定位.在分析多功能车辆总线(Multifunction Vehicle Bus,MVB)网络端接故障和反射形成机理的基础上,提出了一种以MVB网络物理波形参数为样本特征,结合多核学习支持向量机(Multiple Kernel Learning Support Vector Machine,MKLSVM)的网络故障诊断方法,以完成由端接电阻造成的网络故障诊断.搭建平台,进行了数据采集、模型训练、结果测试.分别利用普通支持向量机及MKLSVM对样本集进行了测试,并从不同性能度量角度评估了分类器性能.结果显示:以物理波形参数为样本特征能够表征端接网络故障的故障模式,结合支持向量机(Support Vector Machine,SVM)的模式识别方法能够有效对端接网络故障进行诊断.在查准率、查全率、分类精度、代价函数方面,MKLSVM均优于普通SVM分类器.     

非线性模拟电路故障的BPNN诊断算法设计与实现

提出了用Volterra频域核作为故障特征对弱非线性定常动态网络进行故障诊断的方法,利用计算方法求出电路响应在各种常见故障状态下的Volterra级数解的各阶频域核,将其输入给BP神经网络,利用BPNN的分类功能建立故障字典,对实测的故障网络的各阶频域核进行测试样本分类来实现故障诊.通过故障诊断实例给出了各阶频域核的统一递推离散算式,并采用了改进BPNN算法及其程序实现.     

基于主元分析与支持向量机的制冷系统故障诊断方法

利用主元分析(PCA)法提取制冷系统特征向量,对典型人工智能方法所建故障诊断模型的性能进行理论研究与应用分析,确定了以支持向量机(SVM)算法为基础的故障诊断模型;针对SVM直接解决多种分类问题的困难,分析了3种多类SVM算法,确定了基于“一对其他（One vs others）”多类SVM算法的故障诊断模型,并提出基于PCA与SVM组合的PCA SVM故障诊断模型,同时,利用实验数据加以验证.结果表明：PCA SVM模型可将16个原始变量转化为相互独立的主元,并可提取前4个主元用于故障诊断而将正常与故障的模式分离,对故障的诊断率不低于98.57%,优于单纯SVM模型,且PCA SVM模型的训练速度比SVM模型快约130~350倍;PCA SVM模型对小样本的处理能力优于BP神经网络模型,其诊断正确率较高,训练耗时较少（约1/240）.     

RLC组合正弦交流电路谐振分析

该文对RLC组合正弦交流电路各个组态作详细分析,通过相关电路的串并联计算,得到各个组成电路复阻抗的解析解;进一步通过电路复阻抗相量的谐振分析要求,计算了该系列电路在谐振状态时所取的RLC参数值.将对应的阻抗解析解与所取谐振状态参数值进行对比分析,我们得到所有RLC组成电路谐振的产生条件、产生原因以及结果,并对其进行了全面的归纳总结,得到一系列简单而便于理解的结果,该结果将对相关电路的根本理解与基础设计有重要作用.     

基于黑洞粒子群和多层级SVM的低压交流系统短路故障类型辨识

针对低压交流系统的短路故障诊断问题,提出一种基于黑洞粒子群(BHPSO)和多层级SVM的低压交流系统短路故障类型辨识方法。首先,基于故障前后0.5ms电流信号小波变换分解,采用小波细节分量标准差构建故障特征向量。其次,采用黑洞粒子群算法对SVM的核参数和惩罚因子进行参数优化以构建多层级SVM分类器实现低压交流系统短路故障类型辨识。最后,基于TMS320F28335 DSP将故障类型辨识决策模型加以硬件化技术实现。通过低压交流系统短路实验证实本方法准确率高,且在噪声干扰、负荷电流变化等工况下均有较好的鲁棒性。     

Testing Cross-Talk Induced Delay Faults in Digital Circuit Based on Transient Current Analysis

The delay fault induced by cross-talk effect is one of the difficult problems in the fault diagnosis of digital circuit. An intelligent fault diagnosis based on IDDT testing and support vector machines （SVM） classifier was proposed in this paper. Firstly, the fault model induced by cross-talk effect and the IDDT testing method were analyzed, and then a delay fault localization method based on SVM was presented. The fault features of the sampled signals were extracted by wavelet packet decomposition and served as input parameters of SVM classifier to classify the different fault types. The simulation results illustrate that the method presented is accurate and effective, reaches a high diagnosis rate above 95%.     

基于非正弦激励的模拟电路故障诊断

传统交流故障字典法通过施加不同频率的正弦激励,以获得对待测电路中频率敏感元件更高的故障覆盖率。为减少多次对待测电路施加激励的时间开销,该文提出可将多个不同频率激励进行叠加,得到非正弦的激励信号作为待测电路激励。在此背景下,讨论了产生一个非正弦激励信号,使之能够包含所需测试频率分量的方法。并分析了在施加非正弦激励下情形下,对待测电路响应中不同频率分量进行解耦,识别各分量交流参数的可行性和需要解决的问题。结果表明:在已知叠加前波形频域特征时,可以反推出叠加前各个原始波形的特征参数。因此,可以在实现压缩传统交流故障字典法测试时间的同时,达到与传统方法相近的诊断能力。     

基于小波包分析与支持向量机的电力电子整流装置故障诊断

针对当前电力电子整流装置使用的故障诊断方法在应用过程中表现出的缺陷,提出了一种基于小波包分析与支持向量机的电力电子整流装置故障诊断方法：首先使用小波包分析方法对故障信号波形进行分解,提取故障特征向量,然后使用支持向量机理论构造多分类故障分类器对提取的故障特征向量进行分类.仿真实验结果表明,该方法能够有效地完成对电力电子整流装置的故障诊断,具有很好的工程应用价值.     

基于双PWM技术的通信基站稳压电源的设计与实现

提出一种新的基于双PWM技术的新型通信基站稳压电源的拓扑结构，并对这种拓扑结构的主电路和工作原理进行了介绍，对其功率流进行了分析.与传统的交流稳压器相比，它具有高效节能、快速调节、三相自动平衡、无碳刷磨损及机械故障等优点，还可以克服由晶闸管构成的交流稳压器存在的环流故障.最后通过实验验证了该方案的可行性.     

基于动态相量模型的交直流系统混合仿真

为了解决高压直流输电(HVDC)系统传统仿真模型的精度问题,提出了一种新的混合模型仿真算法来进行交直流系统的暂态稳定分析,分析中对HVDC采用动态相量模型,对交流系统采用传统机电暂态模型.通过混合仿真研究了HVDC动态相量模型与交流系统之间的接口迭代算法.算例结果表明,HVDC动态相量模型比电磁暂态模型具有更高的精度,且提出的接口算法能有效地应用于交直流系统的暂态稳定分析.     

基于LMD近似熵和SVM的自适应重合闸方法

自适应重合闸的功能是快速、准确地辨识故障性质及捕捉电弧熄灭时刻.在分析瞬时性故障和永久性故障断路器跳闸后的端电压波形复杂性的基础上,提出了局部均值分解(LMD)、近似熵和线性支持向量机(SVM)相结合的自适应重合闸整体实现方案.利用LMD分解故障信号得到若干个PF分量,选取前3个PF分量算出其近似熵值构成三维特征向量,将三维特征向量作为SVM的输入量来区分故障性质和捕捉电弧熄灭时刻.线路故障仿真结果表明,该方案可智能识别故障性质和捕捉电弧熄灭时刻且具有一定的抗噪能力.     

用广义相量法求解动态电路强制响应

当动态电路的激励是时间函数时，求电路全响应的关键是强制分量的求解。通常采用设特解方式进行。本文针对一些常见激励，给出一种新的方法──广义相量法．从而将微分运算变换成相量的代数运算，使强制分量的求解得到简化．     

正弦量的变换—相量法

相量法是分析正弦稳态电路的数学工具,实质上是一种变换方法。本文首先简述一般变换法的有关概念,然后者重论述相量法。