電路的復(fù)雜程度隨著電子技術(shù)、集成電路技術(shù)以及計算機(jī)技術(shù)的快速發(fā)展也在不斷增加,電子設(shè)備中的電路一旦發(fā)生故障,系統(tǒng)可能會無法正常運(yùn)行甚至造成經(jīng)濟(jì)損失,因此,研究模擬電路的故障診斷方法具有重要意義。模擬電路故障診斷存在一定的難度在于模擬電路的連續(xù)性、容差性以及非線性等因素。近年來,各種故障診斷技術(shù)在電子技術(shù)的不斷發(fā)展過程中誕生。其中,基于模式識別的故障診斷方法在大量故障數(shù)據(jù)條件下,無需掌握電路知識與求解電路,即可實現(xiàn)故障狀態(tài)的檢測與分類。該類方法的故障診斷結(jié)果受故障特征以及所構(gòu)建的故障診斷模型性能的影響,由于模擬電路的非線性與容差性等因素,導(dǎo)致特征數(shù)據(jù)往往呈現(xiàn)高維度,存在干擾以及冗余信息等,從而降低故障診斷精度。針對上述問題,本文主要開展對故障特征提取方法與降維方法的研究。主要內(nèi)容如下:(1)研究基于最大重疊離散小波包變換(Maximum Overlap Discrete Wavelet Package Transform,MODWPT)的模擬電路故障特征提取方法,模擬電路信號經(jīng)MODWPT分解,對分解得到的終端節(jié)點(diǎn)進(jìn)行重構(gòu),計算重構(gòu)信號的能量作為原始特征,構(gòu)成原始特征集。(2)提出改進(jìn)最... 

【文章來源】：湖南師范大學(xué)湖南省 211工程院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

電路性能參數(shù)分布圖

為早期軟故障，具體劃分如圖 2-1 所示。另外按照電路發(fā)生故障的數(shù)量可劃分為單故障和多故障，當(dāng)電路中發(fā)生故障的元件僅有一個時，將這樣的電路故障稱為單故障，而多故障則是電路中發(fā)生故障的元件個數(shù)至少兩個或以上。在多故障發(fā)生時，根據(jù)發(fā)生故障的元件是否存在關(guān)系又細(xì)分為獨(dú)立故障和從屬故障，獨(dú)立故障表示發(fā)生故障的元件之間不存在一定關(guān)聯(lián)或是獨(dú)立發(fā)生的，從屬故障則指一個元件發(fā)生故障后引起其他元件也發(fā)生了故障[4]。在電路中按照發(fā)生故障存在時間的長短區(qū)分為間歇性故障和永久性故障，硬故障就屬于永久性故障，元件的偶爾接觸不良則屬于間歇性故障。圖 2-1 電路性能參數(shù)分布圖

圖 2-3 模擬電路故障特征提取基本流程圖 2-4 模擬電路故障特征提取流程小波分析的電路故障特征提取析方法的引入與模擬電路發(fā)生故障時的性質(zhì)密切相關(guān)，實際是瞬息萬變的，采集到的原始數(shù)據(jù)中往往含有大量的噪聲，障信息[8]。如果使用一般的方法進(jìn)行數(shù)據(jù)處理可能會導(dǎo)致隱障特征不慎丟失。這樣就無法從中提取全面有效的故障特征為本身具有優(yōu)秀的時頻域信號處理能力和多分辨率分析的特用于模擬電路中故障特征的提取。運(yùn)用小波變化對模擬電路主要步驟包括以下：

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林算法的模擬電路故障診斷[J]. 王玲,周東方,生擁宏,張偉.  太赫茲科學(xué)與電子信息學(xué)報. 2018(05)
[2]改進(jìn)引力搜索算法優(yōu)化的SVM模擬電路故障診斷[J]. 梅恒榮,劉冬梅,何怡剛,殷禮勝,趙麗欣,趙蓓蕾.  微電子學(xué)與計算機(jī). 2018(05)
[3]基于小波包和BAGRNN的模擬電路故障診斷方法[J]. 胡鴻志,岑德煉,吳汝琴,滕全進(jìn).  微電子學(xué)與計算機(jī). 2018(04)
[4]MRA-PCA-PSO組合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷研究[J]. 馬峻,趙飛樂,徐瀟,陳壽宏.  電子測量與儀器學(xué)報. 2018(03)
[5]基于故障傳播的模塊化BP神經(jīng)網(wǎng)絡(luò)電路故障診斷[J]. 何春,李琦,吳讓好,劉邦欣.  計算機(jī)應(yīng)用. 2018(02)
[6]數(shù)據(jù)驅(qū)動的模擬電路故障診斷實驗平臺[J]. 曹玉蘋,鄧曉剛,田學(xué)民,劉潤華,任旭虎,張冬至.  實驗技術(shù)與管理. 2018(01)
[7]基于小波包優(yōu)選的模擬電路故障特征提取方法[J]. 袁莉芬,孫業(yè)勝,何怡剛,張悅,呂密.  電工技術(shù)學(xué)報. 2018(01)
[8]基于隨機(jī)森林算法的推薦系統(tǒng)的設(shè)計與實現(xiàn)[J]. 沈晶磊,虞慧群,范貴生,郭健美.  計算機(jī)科學(xué). 2017(11)
[9]K最近鄰算法理論與應(yīng)用綜述[J]. 毋雪雁,王水花,張煜東.  計算機(jī)工程與應(yīng)用. 2017(21)
[10]基于小波分析的逆變電路故障診斷方法研究[J]. 劉玲,劉荷花.  現(xiàn)代電子技術(shù). 2017(20)

博士論文
[1]數(shù)據(jù)驅(qū)動的滾動軸承故障特征分析與診斷方法研究[D]. 俞嘯.中國礦業(yè)大學(xué) 2017
[2]基于分形理論的非線性模擬電路軟故障診斷方法研究[D]. 呂鑫淼.哈爾濱理工大學(xué) 2017
[3]容差模擬電路故障診斷屏蔽理論與信息融合方法研究[D]. 彭敏放.湖南大學(xué) 2006

碩士論文
[1]基于LMD近似熵和SVM的模擬電路故障診斷研究[D]. 萬國發(fā).南京郵電大學(xué) 2018
[2]基于隨機(jī)森林算法的人體運(yùn)動模式識別研究[D]. 劉玉琪.北京郵電大學(xué) 2018
[3]基于隨機(jī)森林的不平衡大數(shù)據(jù)分類算法研究[D]. 高聰.東北電力大學(xué) 2018
[4]基于數(shù)據(jù)降維算法的模擬電路故障診斷應(yīng)用研究[D]. 馬玉瑩.北方工業(yè)大學(xué) 2018
[5]基于小波分析和神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D]. 劉杰.貴州大學(xué) 2017
[6]基于LMD和神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D]. 曾黎.湖南師范大學(xué) 2017
[7]基于優(yōu)選小波包的模擬電路故障深度特征提取方法[D]. 孫業(yè)勝.合肥工業(yè)大學(xué) 2017
[8]基于機(jī)器學(xué)習(xí)的模擬電路故障診斷研究[D]. 熊超.蘭州交通大學(xué) 2017
[9]機(jī)械故障診斷中的流形學(xué)習(xí)方法研究[D]. 崔錦.西安石油大學(xué) 2016
[10]基于故障字典的電路故障診斷研究[D]. 曾希雯.電子科技大學(xué) 2016



本文編號：2903851