小波神经网络应用于模拟电路故障诊断的进展

分析了模拟电路故障诊断的重要性和目前存在的困难,对基于小波分析理论和神经网络理论的模拟电路故障诊断方法进行了综述,指出了小波神经网络应用于模拟电路故障诊断存在的问题和未来的应用前景。     

简析小波神经网络应用于模拟电路故障诊断的进展

本文分析了模拟电路故障诊断的重要性和目前存在的困难,对基于小波分析理论和神经网络理论的模拟电路故障诊断方法进行了综述,指出了小波神经网络应用于模拟电路故障诊断存在的问题和未来的应用前景。     

基于模拟电路I_(DDT)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.     

模拟电路故障诊断神经网络方法

提出了一种新的模拟电路故障诊断近似估计方法以及求解此问题的神经网络。其显著特点是只需一次优化过程即能估计出最可能故障元件，计算量小。计算机模拟和实例表明该方法是可行的。     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

模拟电路在小波能量描述下的Hopfield神经网络故障诊断方法

针对模拟电路的故障诊断,提出一种采用小波包分析和能量计算作为故障特征预处理的Hopfield神经网故障诊断方法。在新方法中,模拟电路在理想和实际故障情形下的输出响应分别通过SPICE仿真及电路终端的数据采集板所采集;故障电路输出响应通过小波包完整分解,各尺度小波系数的能量值由一个新定义的能量函数进行计算;由小波能量值所构成的理想与实测故障特征向量经能量编码后被分别作为联想记忆的记忆原型与记忆起始点,在自联想记忆驱动下,实测模拟电路故障的编码被Hopfield神经网络准确分类。数值实验结果表明新方法对具有微     

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。     

遗传小波神经网络在模拟电路故障诊断中的应用

提出一种基于遗传算法(Genetic Algorithm, GA)、小波变换及神经网络(NN)的模拟电路故障诊断方法.该方法将小波基作为神经网络的传递函数,利用遗传算法优化神经网络的结构和权值,从而避免了BP神经网络结构设计的盲目性和局部最优等问题,大大减少了网络训练时间.利用该方法对模拟电路进行故障诊断有利于提高诊断的智能性及识别故障类别的能力,提高诊断的精度与速度.实例诊断结果表明文中所提方法是可行的.     

基于小波包的开关电流电路故障诊断

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性.     

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。     

SA-LM优化WNN及其在模拟电路故障诊断中的应用

针对连续紧凑型小波神经网络（WNN）收敛速度慢问题,提出了用Levenberg-Marquardt（LM）算法改进的小波神经网络LM-WNN．为了克服LM-WNN由于收敛速度过快易陷入局部最小点和平台的缺点,利用模拟退火（SA）算法对小波神经网络的参数进行优化,得到一组接近全局最小值的近似解,把近似解作为小波神经网络权值和阈值矩阵的初始值,以确保LM-WNN收敛于全局最小点．把SA-LM-WNN用于模拟电路故障诊断,仿真结果表明,该算法能够快速收敛于全局最小点,仿真效果较好．     

模拟电路故障诊断的BP神经网络实现

本文介绍BP神经网络在模拟电路故障诊断中的应用并对选定的待测电路在元件存在容差的条件下，仿真实现了模拟电路软故障诊断。     

基于小波与神经网络的模拟电路故障诊断融合方法

针对信息不足、噪声会导致模拟电路故障诊断效率降低问题,提出基于小波分解、主成分分析和神经网络的信息融合故障诊断方法。为了减少噪声影响和减低故障特征维数,采用该方法对电路测试信号进行小波多尺度分解、主成分分析和归一化预处理。根据不同测试激励源,分别构造独立神经网络完成故障初级定位,进而运用D-S证据融合初级诊断结果实现故障最后定位。研究结果表明:所提方法能充分利用不同信息源对容差下模拟电路故障进行诊断,且定位准确率高。     

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.     

模拟电路故障诊断

电路故障诊断理论是近期来引起重视和有所发展的网络理论的第三个分支。本文介绍了模拟电路故障诊断的各种方法及其特点;故障诊断中的自动测试设备的主要功能、组成、主要指标和自动测试技术等方面的内容。     

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.     

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。     

模拟电路故障诊断字典法的前向多层神经网络实现

讨论了一种利用ＢＰ算法的前向多层神经网络，建立并可快速查找电路故障字典的方法，该方法对单硬故障的识别与定位快捷而有效，同时利用了神经网络的联想功能和鲁棒性，有效地克服了容差因素对故障定位的影响。     

基于HAAR小波和BP神经网络的非线性电路故障诊断

提出了一种基于HAAR小波和BP神经的非线性电路故障诊断方法，该方法采用小波分解作为非线性电路故障信号的预处理器能大大减少神经网络的输入及训练和处理时间.介绍了一种改进的采用动量因子防止局部收敛的BPNN方法后，阐述基于HAAR小波分解提取故障信号中的故障特征的原理.