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。     

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.     

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。     

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。     

模拟电路故障诊断方法述评

对模拟电路故障诊断理论及其方法运用科学技术方法论的观点进行考察,提出一种新的分类方法,以反映该领域的研究现状和动向,以供对于新兴学科的认识和参考,从而促进模拟电路故障诊断理论和应用的研究及其发展.     

基于信息整合的模拟电路故障诊断方法的研究

基于信息整合技术的模拟电路故障诊断方法的提出,很好的解决了传统故障诊断方法中存在的多种问题,为模拟电路的故障诊断与处理提供了良好的选择与充足的依据。本文简要的分析了基于信息整合的模拟电路故障诊断方法的作用与分类,并以基于神经网络的信息整合为例,分析了信息整合的模拟电路故障的诊断方法。     

模拟电路故障诊断方法解析

阐述了模拟电路故障诊断的必要性和意义,分析了模拟电路故障诊断的研究现状.针对模拟电路故障诊断过程,对模拟电路故障诊断算法包括常规的方法和智能方法进行了简要阐述,指出各自的特点,并指出了该领域的研究热点和发展方向.     

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。     

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.     

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。     

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。     

一种适于大规模模拟电路多故障定位的方法

提出了判断模拟电路ｋ故障块相容性的一种快速方法的一种基于虚拟故障概念的电路分块诊断方法，它适用于大规模模拟电路故障定位。     

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...     

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开关电流神经网络方法

以等效电源为变量,构造了线性模拟电路故障诊断的优化神经网络,基于罚函数方法提出了开关电流神经优化求解器,并给出实例,由Ｐｓｐｉｃｅ验证其可行性。     

模拟网络在线分块诊断新方法

提出了一种多端口网络的分块诊断新方法,这种方法是先将网络分成子网络,而后再诊断有故障的子网络此方法简便,不需复杂的运算,是一种较为适用的诊断方法．     

基于模拟电路IDDT的小波神经网络故障诊断方法

动态电源电流(IDDT)对模拟电路故障诊断非常有效。通过分析被测电路的动态电源IDDT及其输出响应来识别电路的故障元件;用小波对被测信号进行多尺度分解,提取小波系数能量,经归一化后,作为特征向量输入到神经网络而实现故障诊断.实验仿真结果表明:该方法能正确实现故障定位且准确率高.     

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。