Multiple fault analog circuit testing by sensitivity analysis

Analog circuit testing is considered to be a very difficult task. This difficulty is mainly due to the lack of fault models and accessibility to internal nodes. To overcome this problem, an approach is presented for analog circuit modeling and testing. The circuit modeling is based on first-order sensitivity computation. The testability of the circuit is analyzed by the multiple-fault model and by functional testing. Component deviations are deduced by measuring a number of output parameters, and through sensitivity analysis and tolerance computation. Using this approach, adequate tests are identified for testing catastrophic and soft faults. Some experimental results are presented for simple models as well as multiple-fault models.     

一种模拟电路故障诊断方法研究

将LSSVM算法应用于模拟电路故障诊断模型,使用PSO算法对LSSVM算法的参数进行寻优。以带通滤波器电路和双二次高通滤波器电路的故障诊断实例对该文研究的模拟电路故障诊断方法进行验证。使用三层小波包分解输出电压信号,得到8个频带能量特征向量,通过Monte Carlo仿真得到数据样本,用于故障诊断模型的训练和测试。结果表明,该文使用的改进LSSVM算法构建的故障诊断模型针对8种故障的诊断准确率均高于95%,具有较好的故障诊断性能。     

An analog circuit analysis method by node elimination

Analog Integrated Circuits and Signal Processing - This paper introduces a node elimination method for analog circuit analysis. It is useful for manually deriving the transfer functions of small...     

模拟电路故障物理注入系统设计

针对当前模拟电路故障物理注入试验中缺乏高效故障注入及测试数据采集手段的问题,设计一种基于PXI仪器总线的自动化故障注入系统。该系统能够完成对模拟电路大部分故障的自动化注入以及故障响应信息的采集等功能,具有通用性、扩展性和易操作等特点。此外,对开关网络的控制信号进行建模,确保开关切换时切换对象、切换时间的准确无误,避免故障注入过程中发生错误导致故障注入系统和被测电路的损坏。最后,通过对实例电路进行试验,验证了该系统的实用性,并收集了进行测试性分析所需的数据信息。     

大规模模拟电路故障诊断方法研究

测前工作量大和故障定位过程复杂等问题,使传统的大规模模拟电路故障诊断方法研究不再适应当前的社会发展需求,因此构建高效全面的新型故障诊断方法就变得尤为重要。本文通过对撕裂法和BP网络改进算法等新兴方法进行深入的研究,来得出其具体应用和实施的可能性。     

基于电流测试的混合电路故障诊断

在运用小波神经网络进行混合电路故障诊断的过程中,测试参数的选取至关重要。研究了一种基于电流测试的故障诊断。该方法即通过PSPICE模拟电路的静态及动态电流信息,再通过小渡神经网络的结合,证明了该方法在混合电路故障诊断中的可行性,为提高混合电路的故障诊断率提供了一种新的方法。     

On minimal set of test nodes for fault dictionary of analog circuit fault diagnosis

A method is proposed to obtain a minimal set of test nodes of an analog circuit for isolating all faulty conditions in the fault dictionary approach. Relevant theorem along with the proof is also given. Proposed method is extremely fast. This method is illustrated with an active filter circuit example.     

Analog circuit soft-fault diagnosis based on sensitivity analysis with minimum fault number rule

This paper proposes a new single or multiple soft analog circuit fault diagnosis approach based on the minimum fault number rule. It is based on the consideration that the fact that the probability of a single soft fault is much greater than that of a multiple fault if the related fault modes are independent. In this way, a new diagnostic strategy based on the circuit sensitivity analysis is proposed. The proposed strategy is an optimization-based one, whose objective is to find the minimum value of unaccepted parameter deviations which satisfy all those constraints, and the constraints equations are actually the voltage increment equations in all test nodes and the changing range of each element. The diagnosis process can fulfill the requirement of fault detection and fault isolation. It enables a fast or a real-time diagnosis in practical engineering. A DC circuit example and an AC circuit example are presented to demonstrate the effectiveness of the proposed approach.     

基于改进的EMD方法的模拟电路故障诊断研究

文中主要进行模拟电路故障特征提取与神经网络结合的故障诊断研究。提出改进的经验模态算法(EMD)的故障特征提取方法。先通过Pspice获取电路中的可测输出节点的电压作为故障特征提取的数据,并导入到MATLAB中,然后将数据进行EMD分解得到多个包含原数据信息的内在模函数(IMF),以此来构建有效的故障特征向量,进而将得到的故障特征向量送入BP神经网络构建训练集与测试集,最后完成故障诊断。从仿真结果得到,此方法获得了较高的故障诊断正确率。     

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。     

基于神经网络方法的模拟电路故障诊断研究

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,很适合判断电路状态属于哪种故障类型的分类问题。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。     

A deep network solution for intelligent fault detection in analog circuit

Analog Integrated Circuits and Signal Processing - Automatic fault diagnosis in analog electronic circuits is one of the interesting and important cases for researchers of this field that has...     

基于PSO-RBF神经网络的模拟电路故障诊断研究

针对模拟电路故障诊断的难点和传统诊断方法的不足之处,提出了一种基于PSO算法优化的RBF神经网络模拟电路故障诊断方法。为了约简网络结构从而提高诊断效率,采用主成分分析方法对故障特征进行有效提取。针对RBF网络传统训练算法中隐层节点中心及基函数宽度选取困难问题,提出采用PSO算法来优化训练RBF网络,以提高网络的训练速度和泛化性能。最后,通过电路仿真对所提方法的有效性进行了验证。     

优化的神经网络在模拟电路故障诊断中的应用

在检测和诊断模拟电路的故障中,为了解决传统的BP神经网络初始权值和阈值是随机选取的,容易陷入局部最小值,出现不收敛或收敛速度慢的缺点,文中提出了采用粒子群算法来优化传统BP网络的方法。首先利用粒子群算法优化BP神经网络的初始权值和阈值,然后再由改进的BP算法进行训练仿真。通过和在单一改进BP算法下训练的诊断仿真结果进行对比,可以发现通过粒子群算法优化后的神经网络改善了网络不收敛的缺陷,在训练速度以及诊断正确率上都有所提高。     

基于ELM网络的模拟电路故障诊断

由于模拟电路的非线性、易受外界干扰等因素,模拟电路的故障在设备总故障中占很大的比例。因此,对模拟电路的故障诊断技术进行深入研究具有很重要的意义。文中针对雷达电路的故障进行快速有效的特征提取,采用神经网络中ELM网络建立诊断系统结构,并通过对具体电路的仿真,输出ELM网络的诊断结果。实际应用表明,该系统具有操作简便、诊断精度高的特点,达到了设计要求。     

基于核覆盖的模拟电路软故障诊断方法

针对神经网络故障诊断中网络结构难以确定的问题,文中构建了一种基于核覆盖的神经网络模型进行故障诊断。首先利用小波变换提取各频带小波系数作为故障特征值,然后利用提取出来的故障特征构造出基于核覆盖的神经网络模型进行训练,最后用训练好的神经网络模型完成模拟电路的故障诊断。该方法针对样本自身的特点构造神经网络,有效解决了传统神经网络中结构难以确定及运算速度缓慢的问题。通过仿真结果可知,该方法能有效地构建三层神经网络,并获得了较高的故障诊断正确率。     

改进的BP神经网络在模拟电路故障诊断中的应用研究

介绍了应用小波变换法与BP神经网络相结合实现模拟电路故障诊断的方法。应用小波变换法作为故障信号的预处理器,提取故障特征量,减小了BP神经网络的规模。该方法提高了神经网络收敛的速度以及故障类别识别的准确度,具有一定的应用价值。     

基于重复覆盖算法的模拟电路故障诊断研究

针对传统构造神经网络的方式中存在的问题,基于领域覆盖算法(Neighborhood Covering Algorithm,NCA)来构建神经网络对电路进行故障诊断,运用重复覆盖算法(Repeated Covering Algorithm,RCA)对采用领域覆盖算法构建的神经网络的网络结构进行修缮。最后用某滤波电路进行仿真分析,比较两者的诊断结果。通过仿真结果可以看出,在保障准确率的前提下,重复覆盖算法能降低神经元个数,优化了网络的结构,提高神经网络的泛化能力,验证了该方法的可行性。