本文選題：模擬電路 + 故障特征提取��； 參考：《合肥工業(yè)大學(xué)》2017年碩士論文

【摘要】：由于模擬電路的連續(xù)性、非線性和元件參數(shù)的容差性等固有的特點(diǎn)以及模擬電路故障的多樣性和復(fù)雜性,使得對模擬電路進(jìn)行故障特征提取有很大的難度。隨著模擬電路越來越復(fù)雜,傳統(tǒng)的模擬電路故障特征提取理論和方法在實(shí)際的模擬電路故障特征提取中很難達(dá)到預(yù)期的效果,因此高效的故障特征提取方法和故障特征優(yōu)化方法顯得特別重要。小波包變換是一種時(shí)頻分析方法,它是一種常見的模擬電路故障特征提取方法。但是,利用小波包變換進(jìn)行模擬電路故障特征提取時(shí)選擇不同的母小波函數(shù)進(jìn)行故障特征提取會有不同的提取效果;為了獲得最優(yōu)的模擬電路故障特征,本文將能量和信息熵結(jié)合提出小波函數(shù)優(yōu)選算法,并同時(shí)通過仿真實(shí)例證明了本文所提出方法是有效的。針對模擬電路故障特征的特性,利用深度學(xué)習(xí)對提取的故障特征進(jìn)行學(xué)習(xí),對已有的故障特征進(jìn)行優(yōu)化得到更能反映模擬電路故障的故障特征數(shù)據(jù)。最后將該方法與常見的故障診斷方法進(jìn)行比較,故障診斷實(shí)例表明深度學(xué)習(xí)能夠有效提高模擬電路故障診斷的精度。
[Abstract]:Because of the inherent characteristics of analog circuits such as continuity, nonlinearity and tolerance of component parameters, as well as the variety and complexity of analog circuit faults, it is very difficult to extract the fault features of analog circuits. With the increasing complexity of analog circuits, the traditional theory and methods of fault feature extraction in analog circuits are difficult to achieve the desired results in the actual analog circuit fault feature extraction. Therefore, efficient fault feature extraction and fault feature optimization are particularly important. Wavelet packet transform is a time-frequency analysis method, it is a common analog circuit fault feature extraction method. However, when using wavelet packet transform to extract fault features of analog circuits, different mother wavelet functions can be used to extract fault features, and in order to obtain the optimal fault features of analog circuits, different wavelet functions can be used to extract fault features. In this paper, a wavelet function optimization algorithm is proposed by combining energy and information entropy. At the same time, a simulation example is given to prove that the proposed method is effective. According to the characteristics of analog circuit fault features, the extracted fault features are studied by depth learning, and the existing fault features are optimized to obtain fault feature data which can reflect analog circuit faults more effectively. Finally, the method is compared with the common fault diagnosis method. The fault diagnosis example shows that the depth learning can effectively improve the accuracy of analog circuit fault diagnosis.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN710

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 汪迎;;如何建立模擬電路故障字典自動生成仿真平臺[J];價(jià)值工程;2011年02期

2 汪迎;;模擬電路故障成因分析及診斷[J];才智;2011年01期

3 李長城;;淺析模擬電路故障原因與處理方法[J];黑龍江冶金;2011年04期

4 劉波濤;;論模擬電路故障檢測與診斷的策略探討[J];數(shù)字技術(shù)與應(yīng)用;2014年01期

5 顧凡一,王友仁,黃三傲,姚睿,張砦,崔江;基于案例庫推理法的模擬電路故障診斷技術(shù)研究[J];計(jì)算機(jī)測量與控制;2005年09期

6 段敏;張錫恩;;基于仿真的模擬電路故障知識獲取新方法[J];系統(tǒng)仿真學(xué)報(bào);2006年03期

7 王波;劉連惠;陳曉明;;模擬電路故障字典開發(fā)平臺[J];計(jì)算機(jī)測量與控制;2006年10期

8 彭衛(wèi)韶;李力爭;胡燕瑜;;模擬電路故障信號的小波預(yù)處理[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

9 陳玲玲;張秋蜜;王喜東;盧超;;模擬電路故障診斷技術(shù)研究[J];電腦知識與技術(shù);2009年36期

10 馬冰茹;;淺析模擬電路故障的診斷方法[J];黑龍江科技信息;2011年05期

相關(guān)博士學(xué)位論文 前7條

1 胡鴻志;基于相量分析的模擬電路故障診斷方法研究[D];電子科技大學(xué);2015年

2 李西峰;信息論觀點(diǎn)下的模擬電路故障診斷方法研究[D];電子科技大學(xué);2014年

3 金瑜;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D];電子科技大學(xué);2008年

4 孫永奎;基于支持向量機(jī)的模擬電路故障診斷方法研究[D];電子科技大學(xué);2009年

5 劉琦;基于云模型理論的模擬電路故障分類診斷的研究[D];河北工業(yè)大學(xué);2013年

6 王承;基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D];電子科技大學(xué);2005年

7 葉笠;基于統(tǒng)一節(jié)點(diǎn)電壓增量比向量的模擬電路故障診斷方法研究[D];電子科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 劉磊;模擬電路故障仿真及診斷平臺設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2012年

2 趙洪玲;模擬電路故障仿真注入技術(shù)研究與實(shí)現(xiàn)[D];北方工業(yè)大學(xué);2016年

3 陳晨;基于支持向量機(jī)的模擬電路故障診斷研究[D];渤海大學(xué);2016年

4 李浪;基于Treelet變換的模擬電路故障診斷方法研究[D];湖南師范大學(xué);2016年

5 喻澤林;基于多特征模型模擬電路故障預(yù)測技術(shù)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2016年

6 劉天運(yùn);基于優(yōu)化技術(shù)的模擬電路故障診斷方法研究[D];沈陽理工大學(xué);2016年

7 孫業(yè)勝;基于優(yōu)選小波包的模擬電路故障深度特征提取方法[D];合肥工業(yè)大學(xué);2017年

8 王嘉家;大規(guī)模模擬電路故障傳播特性研究[D];湖南大學(xué);2010年

9 萬喜新;基于信息融合技術(shù)的模擬電路故障診斷方法研究[D];湖南大學(xué);2006年

10 張娜;基于多特征的模擬電路故障預(yù)測[D];電子科技大學(xué);2012年

，

本文編號：1830582