模拟数字电路故障诊断新方法

利用小波变换与神经网络相结合的方法,采用能量分布特征提取方法和改进BP算法,给出了一种基于小波变换和BP神经网络相结合的模拟电路故障诊断方法.用正弦信号仿真模拟电路,应用小波变换对模拟电路的采样信号进行多尺度分解,再进行能量分布特征提取,然后利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.在用神经网络诊断模拟电路的基础上,进行了将神经网络用于数字电路单故障诊断的研究.对两者的实例电路仿真结果表明,神经网络可以有效、方便地实现电路的故障检测和定位,准确率高,为故障诊断的研究提供了一种新思路.     

高斯小波变换的开关电流电路实现

提出了采用开关电流电路技术实现连续高斯小波变换的方法.建立了逼近高斯母小波的优化参数模型,用非线性最小二乘法求解模型参数最优解.设计了以开关电流积分器为积木块的小波变换电路,该电路由冲激响应为母小波逼近函数及其伸缩函数的滤波器组构成.此方法对于小波变换的模拟VLSI实现具有一定的理论价值与实际意义,仿真结果表明该方法的可行性.     

基于小波支持向量机的模拟电路故障诊断

在模拟电路故障诊断中,提出了利用小波分析与支持向量机结合的系统方法,利用小波变换对信号进行特征提取得到特征向量并作为支持向量机的训练向量,得到故障分类器。针对激励信号必须能够充分地激励电路的需求,提出一种通用激励信号——连续多抽样函数,利用抽样函数在带通区间内频谱分布均匀且能量相同这一特点作为模拟电路的通用激励信号。仿真结果表明,该激励条件下,利用小波-支持向量机能够较好地对模拟电路进行故障诊断。     

泰勒多项式逼近实现DOG小波变换

总结了模拟集成电路和VLSI电路硬件实现连续小波变换(CWT)的常用方法:时域法和频域法.针对频域法中带通滤波器组设计的难以实现问题,提出利用泰勒多项式(Taylor-series)对DOG小波函数进行展开,以获取该小波函数的逼近函数,而后构建DOG小波变换逼近函数的系统模型,仿真结果验证了这种方法对于DOG小波的可行性.     

基于开关电流技术的小波滤波器的实现

基于开关电流电路提出一种用小渡滤波器实现小波变换的方法.通过对母小波的一种数值逼近得到小波函数的有理公式,并以Mexican Hat小波为例模拟该逼近过程,用Matlab对逼近过程进行仿真,同时使用开关电流双二次滤波器的级联来实现小波滤波器.从仿真结果来看,二阶巴特沃思低通滤波器用开关电流技术来实现能达到比较理想的效果.     

基于CMOS对数域积分器的小波变换模拟VLSI实现

提出了一种基于CMOS对数域积分器的连续Marr小波变换模拟VLSI实现方法.构造了Marr母小波时域逼近函数模型,用Levenbery-Marquardt非线性最小二乘法求解模型参数最优解,得到母小波逼近函数.设计了以CMOS对数域积分器为积木块的小波变换电路,该电路由冲激响应为母小波逼近函数及其伸缩函数的滤波器组构成,滤波器组采用低灵敏度的IFLF结构进行综合.SPICE仿真结果表明该方法的可行性.     

一种实现简单、性能优良的步进衰减器的设计

采用研究函数特性的方法。求出逼近真实函数的近似函数,并对近似函数进行了优化设计。对由近似函数引起的最大误差进行了计算和分析,给出了典型的误差分析值,最后给出了电路实现框图。     

一般性问题

TN062 2004060001小波神经网络在摸拟电路故障诊断中的应用研究/谢宏,何怡刚,周应堂,吴杰(湖南大学)}}湖南大学学报,一2004,31(4),一38一40对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法.该方法用小波变换作为模拟电路故障信号的预处理器、大大减少神经网络的输入数目,简化神经网络结构和减少它的训练时间,提高辨识故障能力在介绍该故障诊断方法的基本原理后,给出了小波函数及故障特征选择的方法.图4参5(午)一般性问题~~     

基于小波与LS-SVM集成的模拟电路故障检测

由于模拟电路的多样性、非线性和离散性等特点,模拟电路的故障诊断呈现复杂、难以辨识等问题。针对已有方法的数据不平衡,提出了一种支持向量机集成的故障诊断方法。使用小波变换方法提取特征向量,在多类别支持向量机的基础上,设计了模拟电路的最小二乘支持向量机预测模型,实现了对模拟电路的状态的故障预测。将该方法应用于Sallen-Key带通电路进行故障预测试验,结果表明,该方法比单一支持向量机、径向基神经网络、BP神经网络和APSVM有更好的分类和泛化性能,故障诊断准确率更高。     

基于小波高频系数统计特征的电路故障诊断

对故障电路进行特征提取与分类是模拟电路诊断的两个重要环节。现有方法多对时域响应信号进行小波变换以提取故障特征,并用神经网络或支持向量机方法实现对故障进行分类。为提高模拟电路故障诊断率,提出一种新的特征选取方法:在模拟电路的时域响应中对其进行小波变换,并对变换得到的高频细节系数统计平均值、标准偏差、峭度、熵和偏斜度等统计特征,并建立以支持向量机为分类器的故障诊断系统。以两种常见电路为例,实验结果表明,提出方法对常见电路进行故障诊断,准确率得到提升,精度达到99%以上,优于传统单纯小波系数分析方法,适用于模拟电路的故障诊断。     

The Circuit Implementation of a Wavelet Function Approximator

This paper describes the analog synthesis of a wavelet function approximator using sigmoidal mother wavelet. Any finite energy multivariate function can be approximated by this analog circuit using the multiresolution approximation property of the wavelet decomposition. The approximator circuit includes bipolar junction transistors, operational amplifiers and linear passive circuit elements.     

A simple structure wavelet transform circuit employing function link neural networks and SI filters

Signal processing by means of analog circuits offers advantages from a power consumption viewpoint. Implementing wavelet transform (WT) using analog circuits is of great interest when low-power consumption becomes an important issue. In this article, a novel simple structure WT circuit in analog domain is presented by employing functional link neural network (FLNN) and switched-current (SI) filters. First, the wavelet base is approximated using FLNN algorithms for giving a filter transfer function that is suitable for simple structure WT circuit implementation. Next, the WT circuit is constructed with the wavelet filter bank, whose impulse response is the approximated wavelet and its dilations. The filter design that follows is based on a follow-the-leader feedback (FLF) structure with multiple output bilinear SI integrators and current mirrors as the main building blocks. SI filter is well suited for this application since the dilation constant across different scales of the transform can be precisely implemented and controlled by the clock frequency of the circuit with the same system architecture. Finally, to illustrate the design procedure, a seventh-order FLNN-approximated Gaussian wavelet is implemented as an example. Simulations have successfully verified that the designed simple structure WT circuit has low sensitivity, low-power consumption and litter effect to the imperfections.     

Analog Implementation of Wavelet Transform in Switched-Current Circuits with High Approximation Precision and Minimum Circuit Coefficients

This paper presents a novel procedure for analog implementation of wavelet transform in switched-current (SI) circuits. An improved hybrid PSO–SQP optimization is employed to precisely approximate the impulse response of a filter to the wavelet base function in time domain. The SI first- and second-order section circuits with minimum coefficients are designed based on infinite-impulse-response digital filter technology. Cascode techniques are occupied to reduce the effects of parasitic elements. Based on these SI first- and second-order section circuits, a parallel wavelet circuit structure is presented to synthesize the approximated wavelet base function. By adjusting the switch clock frequency, the wavelets at different scales can be realized. The Gaussian wavelet is selected as an example to illustrate the design procedure. Simulation results demonstrate the feasibility of the proposed procedure for analog wavelet transform in SI circuits.     

Low-power Analog VLSI Implementation of Wavelet Transform

For applications requiring low-power, low-voltage and real-time, a novel analog VLSI implementation of continuous Marr wavelet transform based on CMOS log-domain integrator is proposed.Mart wavelet is approximated by a parameterized class of function and with Levenbery-Marquardt nonlinear least square method,the optimum parameters of this function are obtained.The circuits of implementating Mart wavelet transform are composed of analog filter whose impulse response is the required wavelet.The filter design is based on IFLF structure with CMOS log-domain integrators as the main building blocks.SPICE simulations indicate an excellent approximations of ideal wavelet.     

一种基于小波-神经网络的模拟电路故障诊断方法

小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点。结合两者的特点,提出了一种基于小波与神经网络的模拟电路故障诊断方法,该方法用小波变换对电路响应信号进行特征提取,从而简化神经网络的结构,降低计算的复杂度,加快了训练速度。对实例仿真表明,该法能有效地对模拟电路进行故障诊断。     

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。     

模拟电路故障诊断的小波包预处理神经网络改进算法

提出了基于小波包预处理的神经网络模拟电路故障诊断方法的两种改进方法:最优小波包变换(OWPT)预处理和不完全小波包变换(IWPT)预处理BP神经网络算法。首先对模拟电路的响应信号用这两种方法进行预处理,然后计算预处理后信号各个频段上的归一化能量,把归一化的能量作为训练样本送给BP网络进行训练,有效减少了BP网络的输入节点和隐层节点的个数,从而减小了神经网络的规模,降低了计算的复杂度,加快了网络的训练和收敛速度。仿真实验表明此方法能够快速有效的对模拟电路的故障进行诊断和定位。     

用于模拟电路行为级建模的自动压扩子波方法

提出了一种新的自动压扩方法,适用于基于子波配置方法的模拟电路行为级建模.该压扩方法采用的压扩函数根据模块输入-输出函数的奇异性自动生成,因而这一方法具有通用性,可应用于任意输入-输出函数的电路模块的建模.与已有的建模方法相比,该方法能有效地降低模拟误差并减少使用基函数的个数.     

基于小波包变换的模拟电路故障诊断

把小波包变换用于模拟电路故障诊断中。由于输出信号的各频率成分能量的变化表征了电路中某些元器件的损坏情况,因此,利用小波包变换有效地提取故障特征信息,提出了“能量——故障”的故障诊断方法。计算和实验结果表明：该方法可以快速高效地进行模拟电路故障诊断与定位。