模拟线性电路的多故障诊断方法

提出了一种基于电路分析理论的模拟线性电路多故障诊断方法,该方法采用电路分析理论中的替代定理,叠加定理来列写电路的故障诊断方程,利用方程组的相容性原理来进行故障定位,通过计算故障支路的电导增量来完成故障定值.仿真实例表明,这种方法可以提高电路诊断的准确性,并为模拟动态电路的故障诊断提供了理论依据.     

基于粗糙集与神经网络相结合的模拟电路故障诊断

针对当神经网络输入端维数比较大造成在模拟电路故障诊断中BP神经网络结构庞大,从而影响到诊断速度以及正确率的问题,结合粗糙集理论和神经网络在信息处理方面的优势,建立了一个基于粗糙集理论和BP神经网络相结合的模拟电路故障诊断模型。通过对某装备位置调节器板的故障诊断过程表明,该模型简化了网络数据样本的维数,优化了神经网络结构,提高了系统的诊断正确率与诊断速度。     

基于多模型的模拟电路软故障诊断

针对电子装备模拟电路故障诊断过分依赖专业技术人员和诊断专家的不足,提出利用信息融合技术,综合极限学习机(ELM,Extreme Learning Machine)、支持向量机(SVM,Support Vector Machine)以及BP(Back Propagation)神经网络等智能故障诊断模型,对模拟电路软故障进行诊断的故障诊断方法。通过对不同模型分别输入不同频率的电压信号,得到每个模型的诊断结果;采用DS(Dempster-Shafe)证据理论对每个模型诊断结果的可信度进行评估,确立每个模型诊断结果的组合置信度。通过不同模型诊断结果的决策层融合,最终获得诊断结果。以某型装备滤波电路的故障诊断为例,多模型融合诊断结果的准确率比单一方法模型的诊断准确率有了明显的提高,证明了该方法的有效性。     

电子装备模拟印制板电路故障自动诊断系统研究

为提高电子装备模拟印制板电路故障诊断的速度,本文使用直流故障字典法原理,运用区域性故障定位方法,改进器件模型和电路描述程序,设计了模拟印制板电路故障自动诊断系统。     

模拟电路的DCNN-ELM软故障诊断

为提高模拟电路的软故障诊断能力,提出一种基于深度卷积神经网络(DCNN)特征提取的极限学习机(ELM)诊断方法.先利用DCNN在特征提取方面的优势,从含有电路故障信息的信号中自主提取有辨识力的特征;利用ELM出色的分类性能,构建获取特征的故障诊断模型;通过Sallen-Key带通滤波器电路的故障诊断实验对提出方法进行了验证.仿真结果表明,提出的基于DCNN的故障特征提取方法优于传统KPCA与KSLPP方法,与ELM分类器集成后得到的诊断准确率达到98.2％,有助于改善模拟电路的故障诊断精度,从而验证了其可行性和有效性.     

模拟电路故障的深度学习融合模型诊断方法

针对传统智能故障诊断方法因装备电路复杂和工作环境噪声等因素引起的诊断困难问题,提出了基于降噪自编码器和高斯深度信念网络的融合模型,来实现模拟电路的故障诊断。首先,降噪自编码器用于处理原始信号的噪声并学习低层特征;然后,深度信念网络基于所学习的低层特征来提取深层特征;最后将融合的深度特征融入softmax分类器中,对智能诊断模型进行训练。融合模型在模拟电路上进行了故障诊断实验,结果表明,所提方法具有优越的诊断性能。     

基于流形结构约束的堆栈自编码机模拟电路故障诊断

针对传统智能故障诊断方法过度依赖特征提取算法和诊断模型泛化能力不足的问题,提出将堆栈自编码机应用于模拟电路故障诊断;通过分析堆栈自编码机在模拟电路故障诊断应用中的不足,提出基于流形结构约束的堆栈自编码机。通过给自编码机的隐层输出加上流形结构特征约束,增强堆栈自编码机的特征提取能力。在3个不同的数据集上,用不同的分类器做故障诊断仿真实验,结果表明,该方法在3个数据集上较之其他分类器都表现出更高的识别率,并且在训练数据量很小时仍然有很好的诊断结果。     

组合网络与证据理论相结合的电路故障诊断

针对神经网络中两种常用的网络类型BP和Elman,在模拟电路故障诊断中的应用过程的特点——各自网络都有自身缺陷,提出基于BP-Elman神经网络与证据理论相结合的故障诊断方法.首先BP-Elman网络得出其各自的初步诊断结果,经过必要的转换将其转换成证据理论的概率赋值,作为证据组合的依据;证据理论组合规则将初步诊断结果融合得出决策级诊断结果.通过对某装备位置调节器板的故障诊断过程表明,该模型经过尽可能融合有效故障信息,大大提高了系统的诊断精度和诊断正确率,而且有效降低了系统不确定性.     

电路故障诊断方法的研究现状与发展

电路故障诊断方法的研究对武器装备电子学位的维修和设计具有重要意义。在简介电路故障诊断基本方法及其存在问题的基础上,介绍了数字电路、模拟电路和数模混合电路故障诊断方法的研究现状、研究热点、研究难点和发展趋势,指出了电路故障诊断方法在实际工程应用中存在的困难和需要解决的问题。     

基于证据理论与多模型结合的模拟电路故障诊断

针对模拟电路故障诊断中单一诊断模型诊断结果模糊性与不确定性较大的不足,基于信息融合原理,提出一种结合神经网络、支持向量机(SVM)与DS证据理论的综合诊断模型。在分析了传统BP神经网络与支持向量机的缺点后,分别用改进的免疫遗传算法和粒子群算法对其进行结构优化。利用两种模型的初步诊断结果进行DS证据理论的基本概率分配(BPA),得到证据理论的两个证据体。采用DS融合算法进行决策层融合诊断,定位故障元件。仿真验证表明,该方法可以有效提高故障诊断的准确率,避免了单一诊断模型的偶然性与不确定性。     

小波包变换和支持向量机模拟电路故障诊断方法

为提高模拟电路故障诊断效率,将小波包变换和支持向量机结合起来,提出了一种完整的模拟电路故障快算检测和准确定位的方案.利用小波包变换对电路输出电压信号进行多层分解,提取各频带的能量作为故障特征,给出了具体的特征提取方法;利用支持向量机的多分类一对一方法,完成电路的故障定位,同时实现了小波函数的选择.在一模拟电路的故障仿真实验中,通过与BP,RBF和PNN等神经网络对比,结果显示该方法的诊断效率是很高的.     

K故障诊断在坦克炮控系统中的实现

K故障诊断法是一种计算量较小,主要应用于线性网络的模拟电路故障诊断方法,实施比较方便,具有很好的实用价值。通过对炮控元件操纵台诊断网络拓扑结构的设计、激励选定、计算和实验,实现了对操纵台的故障诊断。进一步提出炮控系统的故障诊断设备要着眼于故障诊断方法而不是检测方法。最后对K故障诊断法做了应用分析,供实践参考。     

装备模拟电路UKF-WRNN软故障诊断

为提高装备模拟电路的软故障诊断能力,在构建多分辨率变换样本基础上,提出一种应用改进UKF算法训练小波RBF神经网络(WRNN)软故障诊断方法。它引入基于方差膨胀原理的自适应因子,改善UKF算法性能;并利用改进UKF算法优化估计WRNN参数,建立多分辨率变换样本集的故障诊断模型;再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,该方法收敛速度快,诊断准确率高,进而验证了其可行性和有效性。     

基于AFSA-WNN的Sallen-Key滤波器电路软故障诊断

为提高对Sallen-Key滤波器的软故障诊断能力,提出一种基于多分辨率变换与小波神经网络(WNN)的软故障诊断方法。该方法先引入多分辨率变换提取Sallen-Key滤波器电路的软故障特征,在此基础上,采用人工鱼群算法优化的WNN构建电路软故障诊断模型。仿真结果表明,与单纯的WNN相比,所提出方法对电路软故障的诊断性能更好,总正确率达到94.1%。从而证明该方法用于Sallen-Key滤波器软故障诊断是可行的,也是有效的。     

模拟电路子网络级故障诊断的新方法

针对目前模拟电路子网络级故障诊断方法普遍存在的问题,提出了一种新的诊断方法,阐述了该方法的诊断原理,给出了可诊断性条件,通过仿真例子,证明了该方法具有测试量少,方法简单,实时性好,适用于非线性电路等特点     

59-03指挥仪动态调整专家系统

本文介绍了59-03指挥仪动态调整专家系统的设计过程,重点讨论了应用故障诊断的测前模拟理论建立指挥仪动态调整专家系统的方法。     

支持向量机技术的雷达板级电路快速故障诊断

介绍了支持向量机的基本原理.针对目前雷达装备诊断过程中存在的可更换板级电路多、传统诊断方法不理想等问题,提出了一种基于支持向量机的雷达板级电路快速诊断方法.建立了故障诊断样本训练和测试平台,对某型雷达预调器板进行了故障诊断实验.结果表明,该方法诊断准确性高,比其他方法更为快速有效,较好地解决了雷达可更换板级电路的故障诊断问题.     

激光测距仪故障自动检测系统的电路设计

针对手持式激光测距仪的复杂电路系统,设计了一套完整的自动检测电路,成功地解决了激光测距仪电路的故障诊断难题。     

基于Matlab／Simulink的三相桥式整流电路仿真

电力电子器件的应用已十分广泛，对其仿真尤其是进行故障仿真，有利于电力电子器件的故障诊断。建立了基于Matlab／Simulink的三相桥式整流电路的仿真模型，对正常工作及故障时的电路进行了分类及编码。仿真表明了Simulink仿真的简单及快速性，仿真结果中所含的信息可用于电力电子装置的故障诊断。并对用神经网络实现电力电子装置的故障诊断时,如何采集神经网络的样本进行了讨论。     

网络撕裂法在测磁仪故障诊断中的应用

针对CCY - 1G型数字测磁仪的具体电路结构及功能 ,利用网络撕裂法对其进行故障诊断 ,实现了故障诊断快速、准确的目的