模拟电路的故障元件定位法

本文研究模拟电路的故障定位问题，文中给出了故障元件定位的理论和方法，阐明了故障元件定位法的原理，故障元件可定位的条件，以及故障元件定位的算法，这是故障激励论的进一步应用和发展。     

模拟电路的子网络级—元件级的故障诊断

本文给出作定期检测的线性模拟大网络的故障诊断的一个新算法。该法将多级撕裂的子网络级故障诊断与元件级k故障诊断相结合,在元件级算法中又首次引进Steiner三连系,采用组合覆盖技术,显著地减少了诊断的测后计算量。     

模拟电路故障诊断方法浅析

叙述了模拟电路故障的特点及模拟电路故障诊断的传统方法和发展现状,着重分析了新近发展起来的人工智能、神经网络和小波分析在模拟电路故障诊断中的应用及前景.     

浅谈模拟电路故障诊断技术的发展

模拟电路故障诊断技术的发展对科技进步意义重大,但中国模拟电路的诊断技术发展一直比较缓慢,在了解模拟电路故障诊断技术的发展过程后对其发展缓慢的原因作了简单分析,并对模拟电路故障诊断技术的传统方法以及今后的发展趋势作了具体介绍与预测.     

基于神经网络的模拟电路故障诊断方法浅析

自20世纪60年代以来,模拟电路故障诊断一直是研究的热点之一。随着集成电路的快速发展,为了提高产品性能、降低芯片面积和费用,需将数字和模拟元件集成在同一块芯片上。虽然模拟部分仅占芯片面积的5%,但其故障诊断成本却占总诊断成本的95%。模拟电路故障诊断一直是集成电路工业中的一个"瓶颈"问题。基于此,本文笔者介绍了模拟电路故障诊断的方法、种类等,并重点介绍了讨论神经网络的模拟电路故障诊断实现的各个步骤。     

模拟电路故障诊断方法的发展

本文介绍了模拟电路故障诊断的发展现状,以及应用神经网络等技术发展起来的模拟电路故障诊断的新理论和新方法;重点介绍了上述各种方法的基本原理、优缺点及其发展现状;指出了模拟电路故障诊断技术的发展趋势。     

基于GFRFs的模拟电路故障诊断方法

探讨了基于非线性系统的广义频率响应方程GFRFs模拟电路的故障诊断方法。利用三阶GFRFs简化辨识算法分别对中放检波电路中的各级子电路进行GFRFs模型辨识。分析其各阶Volterra核所具有的特点。提出了基于GFRFs的故障特征GF。分析了故障状态与正常状态下其特征的异同。将基于GFRFs的系统辨识方法应用于非线性模拟电路的故障诊断,验证了它在模拟电路故障诊断中的可行性。     

模拟电路故障诊断方法的研究

对模拟电路故障诊断方法的研究现状进行了述评和归纳,同时指出了目前各种故障诊断方法和技术的特点及局限性,并预测了模拟电路故障诊断技术的发展趋势。     

模拟电路故障诊断方法的研究

指出了模拟电路故障诊断的重要性;提出了模拟电路故障诊断的几种不同方法：主要介绍了几种方法的诊断原理,优缺点及发展现状。     

模拟电路的K故障定位

导出了故障模拟电路端口响应偏差的新约束关系,制定了从ｍ＝Ｋ个测量值确定Ｋ个差错元件的新方法,并对Ｋ＝２情况下的端口响应作了深入考察,最后通过一个实例对其进行了说明．     

模拟电路的故障激励论

本文是对模拟电路故障诊断的一项理论研究，文中提出了故障激励诊，把模拟电路的故障等效为电路中的激励，可以有效地解决故障诊断问题，还提出了故障激励的基本形成及其数学表达式，以及若干故障诊断的定理，提示了模拟电路中故障诊断的基本规律。     

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。     

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。     

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。     

模拟电路故障诊断中故障重分类方法的研究

分析了模拟电路故障诊断中故障类重叠.针对在该情况下神经网络训练困难与故障诊断正确率低的问题,提出了一种适于模拟电路的、基于神经网络故障诊断的故障重分类方法,给出了该方法的数学模型.通过诊断示例表明,该方法在故障类存在重叠时,降低了神经网络的训练难度,故障诊断的正确率达到99%以上.     

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.     

模拟电路故障诊断的一种方程及其可解性

本文提出了一种故障诊断的非线性方程，该方法能对模拟电路内部故障与电路外部端口测量值建立映射关系。     

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.     

模拟电路故障定位的理论和方法

本文研究模拟电路故障诊断中的定位理论和方法，电网络分扯的理论和方法，伴随网络的理论和方法，分别被应用于故障定位中，文中还给出了另一种故障定位方法，这一方法是作者所提出的故障诊断定理的直接应用，在此基础上得出了两个诊断模拟电路故障的判据。     

基于小波包分析与RBF神经网络的模拟电路故障诊断

针对常用的BP神经网络须已知结构,且学习算法训练速度慢的缺点,提出一种基于小波包分析与径向基神经网络(RBFNN)的模拟电路故障诊断方法。该方法首先利用小波包分解,归一化作为预处理提取模拟电路的故障特征向量,再将故障特征向量输入到RBF神经网络进行故障诊断。仿真结果表明本方法能够对模拟电路的故障进行有效诊断和定位。