采用神经网络技术降低机电设备BIT虚警

机电设备 Ｂ Ｉ Ｔ 的突出问题是虚警率高，重要原因之一是 Ｂ Ｉ Ｔ 系统传感器通路故障。本文选取神经网络技术进行传感器通路故障诊断，剖析某大型船舶动力装置机电设备 Ｂ Ｉ Ｔ 系统中传感器通路的故障机理和类型，得到其故障样本数据，经过神经网络学习训练后对实际系统进行故障诊断和识别，实验结果表明该方法简洁、有效，能够有效地诊断故障并识别出故障类型，具有实用价值。     

边界扫描测试信息压缩算法

为了解决 IEEE 1 1 49.1边界扫描测试优化生成问题 ,提出了一种新型的测试矩阵压缩算法。该算法首先应用被测试电路板的结构信息构造有限制的短路故障模型 ,然后以有限制的短路故障模型为基础对测试矩阵进行压缩处理 ,尽可能剔除测试矩阵中的无效测试信息 ,从而达到测试优化生成的目的。理论分析及实验验证表明 ,该算法能够获得紧凑性指标相当优化的测试矩阵 ,实现较高的测试信息压缩率     

边界扫描测试中簇测试交迭置入方案研究

针对电路板边界扫描测试中簇测试时间较长、测试效率较低问题 ,以并行测试思想为基础 ,提出了一种簇测试置入方案———交迭置入方案 ,并对其进行了理论分析和实验验证。结果表明 ,该方案是最优的簇测试置入方案 ,可以显著减小簇测试时间 ,提高簇测试效率     

智能理论在BIT设计与故障诊断中的应用

近２０年来机内测试（ＢＩＴ）技术从理论到应用取得了显著进展，已成为提高产品测试性和诊断能力的有效途径。本文概述了ＢＩＴ技术的特点，分析了国内外ＢＩＴ的发展趋势，对ＢＩＴ智能化从系统设计、信息处理到综合决策各阶段进行概括，对专家系统、神经网络、模糊理论、信息融合等智能理论在ＢＩＴ中的应用进行了综合分析，并初步建立智能ＢＩＴ的理论框架     

一种精确积分的四边形四结点等参单元

针对平面问题四边形四结点单元，提出一种新的等参变换方法。采用平行四边形母单元和相应的形函数，推导出四边形四结点等参单元刚度矩阵的精确积分解。理论和数值分析表明，该方法从根本上克服了数值积分带来的误差，计算单元刚度矩阵的速度比传统的高斯两点积分方法快近三倍。     

有限元结构分析神经网络计算

采用精确积分四边形单元刚度矩阵,构造一种多层反馈神经网络以实现平面问题有限元结构分析,其中间层神经元联接权值为求解问题的单元刚度矩阵。分析和数值仿真结果表明,该神经网络稳定收敛于有限元模型解,为有限元结构分析并行计算提供一种新的方法。