基于GA-LMBP算法的模拟电路故障诊断方法

主要分析遗传算法和BP神经网络的特点和存在的一些缺陷,研究遗传算法和改进型的BP算法相结合的相关技术,设计并实现一个基于遗传算法和LMBP算法相结合的GA—LMBP算法。通过诊断实例．比较三种算法的模拟电路故障诊断,结果证明在相同精确度的要求下,基于GA—LMBP的算法可以大大提高模拟电路故障诊断准确率。     

一种新的模拟电路故障诊断方法

将因元件容差和故障产生的元件参数增量及电路不可及节点电压增量作为优化变量，构造一个新的故障诊断非线性约束Ｌ１范数优化问题，并应用Ｈｏｐｆｉｅｌｄ网络原理来处理该Ｌ１范数问题，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，故障诊断实例和计算机模拟结果表明，所提方法是可行的。     

基于模糊神经网络融合遗传算法的模拟电路故障诊断法

该文提出了一种非线性模拟系统的故障辨识方法，构造了一个基于模糊加权型推理法的模糊神经网络，利用遗传算法来训练网络连接权值、优化隶属度函数，根据训练后的网络权值可以自动提取出模糊规则，并通过仿真实验验证了该方法的有效性。     

一种基于神经网络的模拟电路故障诊断方法

模拟电路故障诊断一直是一项富有挑战性的研究课题。文章在简要介绍BP神经网络基本原理的基础上,以差分放大电路为例,设计并实现了基于BP算法的模拟电路故障诊断方法,建立了模拟电路故障诊断BP神经网络模型。实验表明,该模型的辨识精度高,能实现对模拟电路故障的正确诊断。     

基于广义神经网络的轨道电路故障诊断方法研究

针对ZPW-2000型轨道电路故障诊断难、诊断效率低等问题,提出一种基于模糊c均值聚类算法(FCM)和广义神经网络(GRNN)结合的ZPW-2000型轨道电路故障诊断方法。首先采用模糊c均值聚类对故障样本数据分为9类,并得到每类的聚类中心和个体模糊隶属度矩阵,再采用广义神经网络对样本数据作近一步判断,最后采用现场故障数据进行验证,得到较好的诊断精度,因此该法能够为现场维护人员提供诊断辅助,提高了诊断效率。     

基于小波分析和神经网络的模拟电路故障诊断方法

提出了一种基于神经网络和小波分析的模拟电路故障诊断的系统方法。该方法通过对电路的可测性测度计算，选择电路的最佳测试节点，然后利用小波分析作为特征提取手段提取电路的故障特征向量，经归一化和主元分析（PCA）处理后。得到最优特征向量，最后输入到神经网络实现电路故障诊断。计算机仿真结果表明该方法具有更好的故障分辨率。     

模拟电路故障诊断方法综述

文中介绍了模拟电路故障诊断的研究现状.对模拟电路故障诊断的方法,包括常规的方法和新颖的方法进行了简要阐述,指出各自的局限性,并预测了该领域的研究热点和发展趋势.     

一种基于小波预处理的模拟电路故障诊断方法

文中提出了一种基于小波预处理的模拟电路故障诊断方法。由于小波分析具有数据压缩和特征提取的特性,我们利用小波变换对电路脉冲信号进行多尺度分解,提取特征向量输入神经网络进行训练。实验表明,该办法可以有效地减少神经网络的训练时间,提高模拟电路故障诊断的准确率。     

基于小波神经网络的模拟电路故障诊断方法研究

小波变换是一种时频分析方法,具有多分辨率特性,被誉为数学显微镜,而BP神经网络具有较好的泛化能力,很适合于判断电路状态属于哪种故障类型的分类问题。本文将二者结合起来,采用基于小波神经网络的模拟电路故障诊断方法。应用小波变换对模拟电路幅频响应的采样信号进行故障特征提取,然后利用BP神经网络对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。通过对电路进行仿真,证明该方法能够实现故障检测及定位,具有准确率高的特点。     

一种基于小波-神经网络的模拟电路故障诊断方法

小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点。结合两者的特点,提出了一种基于小波与神经网络的模拟电路故障诊断方法,该方法用小波变换对电路响应信号进行特征提取,从而简化神经网络的结构,降低计算的复杂度,加快了训练速度。对实例仿真表明,该法能有效地对模拟电路进行故障诊断。     

模拟电路故障诊断的BP神经网络方法研究

BP网络是模拟电路故障诊断中应用十分广泛的一种神经网络。针对传统BP算法的误差下降缓慢,调整时间长,甚至容易陷入局部极小点而不能自拔等局限性,提出用弹性算法与BP网络相结合的方法,并结合某型雷达装备的具体电路,运用该方法建模、仿真。实验结果表明,采用弹性算法结合后的BP网络误差收敛稳定,训练速度快,在克服传统BP算法的局限性上效果显著,为新型雷达装备的故障诊断和维修提供了一种方法,具有特定的实用意义。     

模拟电路故障诊断中的特征信息提取

在运用BP神经网络进行模拟电路故障诊断过程中,代表故障特征的网络输入至关重要。分析了常见特征信息提取和故障诊断方法,提出一种基于多测试点、多特征信息原始样本集的新方法。运用这种方法构造原始故障特征集,然后作为BP神经网络的输入对网络进行训练,仿真结果表明,通过该方法构造的样本集训练出来的网络对模拟电路故障诊断的正确率优于传统方法,证明了该方法在模拟电路故障诊断中的可行性,为模拟电路的故障诊断提供了一种新方法。     

模拟电路故障诊断可信度研究

提出了描述标称转移矩阵Ｚ０的各标征向量几何分布性状的Ｖｏｒｏｎｏｉ多胞体，定义了描述测量向量ｄＵ在标征向量Ｚｉ中位置的标征干扰角θｕｉ。然后利用这两个概念揭示了容差─故障电路可诊充要和充分条件，讨论了定位故障的极值法和阈值法的有效性、局限性，及提高定位准确率的可能途径。     

模拟数字电路故障诊断新方法

利用小波变换与神经网络相结合的方法,采用能量分布特征提取方法和改进BP算法,给出了一种基于小波变换和BP神经网络相结合的模拟电路故障诊断方法.用正弦信号仿真模拟电路,应用小波变换对模拟电路的采样信号进行多尺度分解,再进行能量分布特征提取,然后利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.在用神经网络诊断模拟电路的基础上,进行了将神经网络用于数字电路单故障诊断的研究.对两者的实例电路仿真结果表明,神经网络可以有效、方便地实现电路的故障检测和定位,准确率高,为故障诊断的研究提供了一种新思路.     

Fault Diagnosis of Analog Circuits Using Bayesian Neural Networks with Wavelet Transform as Preprocessor

We have developed an analog circuit fault diagnostic system based on Bayesian neural networks using wavelet transform, normalization and principal component analysis as preprocessors. Our proposed system uses these preprocessing techniques to extract optimal features from the output(s) of an analog circuit. These features are then used to train and test a neural network to identify faulty components using Bayesian learning of network weights. For sample circuits simulated using SPICE, our neural network can correctly classify faulty components with 96% accuracy.     

基于遗传算法的容差模拟电路故障诊断

给出了用于模拟电路元件参数识别的多频传递函数法的过程,并对故障诊断方程的可解度进行了分析,在此基础上,将诊断方程的求解转化为非线性函数的优化问题,并运用改进的遗传算法来解决这个问题,算法实例表明该方法简化了故障诊断方程的求解过程,加速了容差电路故障元件的定位,有一定的应用价值。     

模拟电路软故障诊断的研究

分析了模拟电路软故障诊断的重要性及现有的各种软故障诊断方法。对模拟电路软故障诊断字典法中基于支路屏蔽原理、电路参数随元件参数变化轨迹、节点电压灵敏度序列守恒定理和节点电压增量关系方程的四个研究方向各自的基本原理和优缺点进行了探讨;介绍了基于神经网络,结合模糊理论、小波变换的现代模拟电路软故障诊断的两个方向的研究现状;同时从通用的软故障诊断方法、大规模模拟电路的诊断策略和数模混合集成电路的诊断需求三方面指出了模拟电路软故障诊断的发展趋势和亟待解决的问题。