模拟电路故障诊断的方法研究

本文主要研究了增加动量项BP神经网络算法,与典型的模拟电路系统相结合,设计出能够实现在线和离线诊断模拟电路故障的小型智能诊断系统,实现了智能算法在实际工业生产当中应用,实验证明,采用理论上成熟的动量项BP神经网络算法用于故障诊断,利用嵌入式系统应用性强、高可靠性、低功耗等特点,并且有一定的实用价值。     

蚁群神经网络传感器故障识别法在二次测爆装置中的应用

文章针对煤矿井下二次测爆装置中传感器主要故障,提出利用蚁群神经网络故障识别的新方法。通过蚁群算法对数据进行多次寻优,找到理想的权值,再将它们输入BP神经网络系统进行训练。此法有收敛速度快,能防止BP网络陷入局部极小点的优势。最后根据实际矿井情况模拟仿真,实验证明这种方法对比单纯使用BP网络算法,效果明显提升。     

基于小波包与神经网络的EPS转矩传感器故障诊断

本文针对EPS转矩传感器的故障特点,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,结合小波包变换中能量可以表征电路的变化情况,提出了故障信号在不同分解频段的能量特征概念及算法,并将其与BP神经网络相结合,提出一种新的EPS转矩传感器故障诊断方法,实验结果表明了该方法的正确性和有效性。     

改进的BP神经网络在机械故障诊断中的应用

介绍了BP神经网络的结构和学习方法,针对BP网络存在局部极小值和收敛速度慢等问题,提出采用一种基于Levenberg-Marquardt算法(LM算法)的改进BP网络,最后通过汽轮机故障诊断实例的仿真研究,结果表明改进算法的性能明显优于常规BP算法,经改进算法训练的网络能大大提高故障的在线诊断能力,具有广泛的应用前景和应用价值。     

探析模拟电路故障诊断技术

当前,模拟电路故障诊断理论经过多年的研究和发展,已经提出了多种模拟电路故障诊断技术,主要有神经网络故障诊断技术、模糊理论故障诊断技术、小波变换故障诊断技术。文章就结合自己对这几种模拟电路故障诊断技术的理解,谈几点个人的体会。     

浅谈小波方法在模拟电路故障诊断中的应用

模拟电路的故障诊断一直以来就是电路领域的一个研究热点和重点。当前,基于小波分析方法为模拟电路故障诊断提供了一条新的途径。首先提出了小波方法的理论知识,重点阐述了小波变换和基于小波变换的模拟电路故障特征提取,说明了小波方法在模拟电路故障诊断中的应用优越性。     

滚动轴承振动诊断的BP神经网络方法

归纳和总结了BP神经网络多参数诊断法的实施步骤,阐述了故障轴承振动与信号的关系以及BP神经网络的工作原理和实现过程,并以滚动轴承故障诊断为例,提取了反映滚动轴承故障类型的振动信号特征参数,用这些特征参数训练神经网络,利用MATLAB6.5神经网络工具箱模拟和仿真BP神经网络,然后用训练后的BP神经网络对故障模式进行识别。结果表明,如果神经网络设计合理,训练适当,并且在MATLAB仿真的过程中合理的选择训练函数和各种参数,则具有很强的故障识别能力。说明了利用MATLAB仿真BP神经网络进行滚动轴承振动诊断是可行而且有效的。     

关于模拟电路故障诊断监测系统的分析

与数字电路相比,模拟电路的故障模型较为复杂,尤其是因元器件数据容差错误导致的故障模糊性强,因此对于模拟电路有必要采用先进的故障诊断监测技术。笔者结合自己多年的工作实践经验,就模拟电路故障诊断监测系统的模块划分以及实现形式进行了一些有意义的探讨,希望对模拟电路的故障诊断与检测工作能够有所借鉴。     

模拟电路软故障的智能优化诊断方法分析

建立高效的模拟电路软故障的智能优化诊断方法,快速的诊断出电路方面的问题,是现代化的电子技术发展的需要。当现代化电子设备在发生电路故障时,能够及时的诊断问题,分析原因,迅速排除故障,也促使企业改进电子产品生产的工序和工艺,生产稳定可靠的合格电子产品,提高电子生产效率。现代工业以及电子技术的发展对于模拟电路软故障的诊断方法一直有着严格的要求,目前已建成初步的方法体系,是电子技术发展上的一个重要研究课题。本文主要从模拟电路故障分类分析、模拟电路软故障诊断的智能优化的重要性、目前模拟电路软故障智能优化诊断中存在的问题和提高模拟电路软故障智能优化诊断的措施四个方面进行详细而深入的探讨,对模拟电路软故障的智能优化诊断方法进行了系统的阐述。     

对模拟电路故障诊断的研究

本文从模拟电路故障诊断的研究现状入手分析,就当前模拟电路故障诊断的各种方法进行了简单的描述,并对其优缺点进行了归纳总结,对模拟电路故障诊断领域的热点问题进行了讨论以对及其未来的发展趋势进行了展望。     

模拟和混合信号电路测试及故障诊断方法研究

近年来电子技术发展迅速,基于数字和模拟混合信号的电路应用广泛。尤其是片上系统混合电路的发展,对模拟和混合电路的测试分析及故障诊断提出了新的要求。本文就模拟和混合信号电路的测试及故障诊断的应用现状及存在问题进行了深入的探讨:首先介绍了其研究现状,而后详述了基于小波变换的混合信号电路电流测试方法、探讨了SoC中混合信号测试测试与诊断方法、基于模糊神经网络的模拟电路故障分析诊断等方法。     

基于傅丽叶变换——神经网络的模拟电路故障诊断

提出了一种基于傅丽叶变换与神经网络的模拟电路故障诊断方法,该方法用傅丽叶变换对电路频域响应信号进行数据压缩,用神经网络对模拟电路进行故障诊断。仿真表明,该方法能简化神经网络的结构,降低计算的复杂度,加快训练速度,提高诊断准确率。     

基于MEA-BP神经网络的封盒装置滑动轴承故障诊断方法

针对封盒装置滑动轴承在生产过程中故障率高、可靠性低的问题,课题组提出了一种基于思维进化算法(MEA)的BP神经网络滑动轴承故障诊断方法。该方法通过多次的趋同和异化操作,不断优化BP神经网络的初始权值和阀值,建立了基于MEA-BP神经网络的滑动轴承故障诊断模型。利用样本集训练、测试和验证MEA-BP故障诊断模型,结果表明MEA-BP故障诊断法较未经优化的BP神经网络故障诊断法优势明显,能够较好地用于封盒装置滑动轴承的故障诊断,延长滑动轴承无故障使用时间。课题组的研究可提高包装企业生产效率。     

输变线路故障测距的算法研究

由高压型传送电路出现故障时仅在故障部位的电压波幅数值一致的理论去考虑, 阐释了此故障点距离测算方法出现假结果的根本缘由, 依托传送电路运行数据模型波动幅值转变规则来减小故障测量区间, 由此防止伪根情况的出现, 基于此, 给出了一类立足于高压型传送电路两端的故障部位距离测定方法的常规假根判定手段, 此ATP型模拟及对应的 Matlab运算流程证明了此测算流程的实效性。     

基于BP神经网络的电控发动机故障诊断应用研究

以桑塔纳2000(GSI)电控发动机为例,在怠速工况下,模拟发动机可能出现的故障,利用金德K81电脑检测仪和NHA—501型尾气分析仪采集数据样本.调用Matlab神经网络工具箱中的BP神经网络,对所采集的其中4组数据样本进行训练、仿真.结果表明,BP神经网络对发动机故障的诊断是迅速、准确的.     

电力电子故障诊断

随着时代的发展,科技的进步,人们的生活水平正在不断地提高。如今,电力电子技术正在广泛的影响着人们的日常工作与生活。因此,研究电力电子电路故障有重要意义。一般情况下,电子电力电路中的电子器在高压环境下负载能力小,受损速度快,很难预测受损时间,诊断电子电路的故障。粒子群优化算法的提出不但为电路故障诊断提供了方法,也准确的判断了电路中各粒子的速度和空间位置。文章将根据实际的使用情况,论述电力电子电路的故障原理,诊断方法,可靠性的分析及应用。     

电力电子故障诊断

随着时代的发展,科技的进步,人们的生活水平正在不断地提高。如今,电力电子技术正在广泛的影响着人们的日常工作与生活。因此,研究电力电子电路故障有重要意义。一般情况下,电子电力电路中的电子器在高压环境下负载能力小,受损速度快,很难预测受损时间,诊断电子电路的故障。粒子群优化算法的提出不但为电路故障诊断提供了方法,也准确的判断了电路中各粒子的速度和空间位置。文章将根据实际的使用情况,论述电力电子电路的故障原理,诊断方法,可靠性的分析及应用。     

刍议动车组过分相区故障识别和动车组过分相区继电保护

动车组过分相区故障识别与继电保护具有一定的难度,在研究分析中很难建立准确的数学模型,BP算法是动车组过分相区故障识别中的重要技术,可以快速识别出动车组过分相区中存在的故障问题,满足了动车组的安全运行要求。为了保证动车组运行安全,文章就动车组过分相区故障识别与继电保护两方面内容进行了研究。     

基于差分进化的BP网络学习算法

提出了一种基于差分进化的BP网络学习算法,该算法是一种全局随机优化算法.利用差分进化算法的全局寻优能力,可以很好的训练BP网络的权值和阈值.将所提出的算法与BP算法作对比实验,结果表明,所提出的算法相对于BP算法在分类准确度上有较大的提高,而且具有良好的收敛性和泛化能力.     

基于BP神经网络的谐波检测方法的研究

针对电力系统谐波的特点,提出了一种基于BP神经网络的谐波检测方法,阐述了该神经网络的结构、学习算法及训练方法,并进行了仿真和实验验证。仿真和实验结果均表明,该方法能够实时而准确地检测出三相电路中的谐波分量,具有延时小、精度高的优点。