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。     

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.     

负相关算法在模拟电路故障诊断中的应用

传统的BP神经网络泛化能力较差,易于陷入局部最优。为此,提出并将基于负相关学习法的神经网络集成应用于模拟电路故障诊断的研究。实验结果表明基于负相关学习法的神经网络集成比单个子网和传统神经网络集成更能有效地泛化能力。     

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。     

浅谈模拟电路故障诊断的小波方法

从20世纪开始,模拟电路故障诊断的方法已经有许多种。尽管对这些理论及方法都有不少的成就,但是因为模拟电路的输出与输入响应都以连续量出现,元器件因此也存在离散性。模拟电路故障诊断自身所出现的问题加上模拟电路中出现的非线性原因等,都为故障诊断带来了阻碍,使其进展缓慢。微电子技术的不断发展,迫切加快模拟电路故障诊断方法的研究。在传统方法上,将小波与神经网络相结合,利用小波神经网络法对信号消噪以后,在进行小波变换,取出故障特征向量。本文首先提出模拟电路故障诊断的小波方法,然后采用小波的新方法对故障进行诊断,最后通过实验证明此方法的可行性。     

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。     

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。     

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。     

一种基于综合智能计算的模拟电路故障诊断方法

文章针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于粗集-主成分分析的模拟电路故障诊断的方法。这种方法利用粗集理论属性约简、数据归一化、主成分分析对输入数据进行预处理,提取主要参数,然后利用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。对标准电路仿真结果表明:该方法能够实现快速故障检测与定位,具有准确率高的特点。     

一种基于综合智能计算的模拟电路故障诊断方法

文章针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于粗集-主成分分析的模拟电路故障诊断的方法。这种方法利用粗集理论属性约简、数据归一化、主成分分析对输入数据进行预处理,提取主要参数,然后利用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。对标准电路仿真结果表明:该方法能够实现快速故障检测与定位,具有准确率高的特点。     

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。     

基于神经网络的模拟电路的故障诊断

根据 BP神经网络的特点和性能以及电路故障诊断的要求 ,采用了 BP网络的权值与故障模式相对应的方法来进行电路的故障诊断 .该方法利用改进的 BP算法 ,首先建立故障模式 ,然后将故障模式与 BP网络的权值相对应 ,最后将权值作为故障诊断知识 .对模拟电路的软故障进行了仿真 ,仿真结果良好     

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。     

模拟电路故障诊断的辨识法及其方程

本文基于系统辨识的思想，对模拟电路故障诊断提出了一种新的方法。文中还提出了动态电路系统参数的概念，研究了系统参数与元件参数之间的一般关系，给出了用多频率法求解系统参数的一组线性方程。     

模拟电路单支路故障诊断的理论和方法

本文就一般情况研究了模拟电路单支路故障可诊断性的必要和几乎充分的拓扑条件，给出了相应的结论，并作出了严谨的证明。文中还研究了单支路故障的诊断方法。     

ITD与DLE相结合的模拟电路故障诊断

指向李雅普诺夫指数(directional Lyapunov exponent,DLE)描述了一个系统在相空间中平衡点附近的特征结构,它与系统参数之间有着直接联系,因而可用来实现对被测系统的故障诊断。但由于对其计算时要求输出相空间轨线在平衡点附近形成单涡结构,因而对激励信号形式提出了很高的要求。利用固有时间尺度分解(intrinsic time-scale decomposition,ITD)方法,将任意混沌激励下的输出信号分解为一组单涡混沌信号,进而对各分量求解DLE曲线;并通过分析DLE曲线所反映的被测系统平衡点附近各个方向上平均发散速率大小的变化,实现对被测模拟电路系统的故障诊断。仿真结果表明,该方法可以有效地对被测系统平衡点附近结构进行分析,可应用于模拟电路的故障诊断之中。     

采用多目标粒子群算法的模拟电路故障诊断研究

提出了一种容差条件下基于多目标粒子群(MOPSO)算法的模拟电路软故障诊断方法.通过灵敏度分析,建立模拟电路故障诊断的约束线性规划方程组,以元件参数变化量与标称值的百分比作为故障判据.针对MOPSO中目标空间增加时种群选择压力影响算法性能的问题,采用阶有效优化准则代替传统的Pareto优化准则,引入最优折中解作为全局最优解,从而提出基于阶有效的平衡全局搜索策略多目标粒子群(ESEO-MOPSO)算法,并将其用于模拟电路故障诊断的约束线性规划方程组的求解中.仿真结果表明,该方法兼顾故障元件的定位和故障元件参数变化量的估计,可以有效地实现模拟电路在容差条件下的软故障定量诊断.