本文關(guān)鍵詞：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)

  更多相關(guān)文章： 多特征 健康狀態(tài)評估 信息融合 故障預(yù)測 軟件系統(tǒng)

【摘要】：隨著電子技術(shù)的快速發(fā)展,在電子設(shè)備功能日益完善的同時,其結(jié)構(gòu)也日趨復(fù)雜,使得電子系統(tǒng)對自身的可靠性要求越來越高。電子系統(tǒng)的故障預(yù)測是通過充分利用系統(tǒng)的歷史數(shù)據(jù)與當(dāng)前狀態(tài),通過算法處理,從而提前估計出系統(tǒng)未來狀態(tài)的變化趨勢,為視情維修提供依據(jù),有效降低系統(tǒng)故障概率,提高系統(tǒng)可靠性,降低保障費(fèi)用。故障預(yù)測的關(guān)鍵在于如何提取合適的故障特征參數(shù),并設(shè)計出性能良好的狀態(tài)評估算法與故障預(yù)測算法。鑒于以上原因,本文的主要研究內(nèi)容如下:(1)模擬電路多特征提取。針對當(dāng)前模擬電路功能結(jié)構(gòu)日益復(fù)雜,故障形式多樣化等特點(diǎn),本文選擇進(jìn)行多特征提取,從而盡可能準(zhǔn)確的表征出被測電路的健康狀態(tài)。首先介紹了常見故障特征的提取,并重點(diǎn)討論了小波特征與統(tǒng)計特征的提取方法,并針對射頻模擬電路的特殊性分析了以S參數(shù)作為其故障特征的提取方法。(2)模擬電路健康狀態(tài)評估。雖然可以用單一故障特征參數(shù)來表征系統(tǒng)健康狀態(tài),但各個特征參數(shù)變化趨勢不盡相同甚至相反,因此不能直觀準(zhǔn)確的反應(yīng)出系統(tǒng)狀態(tài)變化情況。為此,本文給出了一種基于主成分分析法改進(jìn)的馬氏距離來構(gòu)造故障指示器值的信息融合方法,從而提高了故障指示器對早期故障與微弱故障的識別能力。(3)故障預(yù)測方法研究。本文詳細(xì)介紹了極限學(xué)習(xí)機(jī)預(yù)測模型與卡爾曼預(yù)測模型的理論基礎(chǔ)與其優(yōu)缺點(diǎn),并針對兩種預(yù)測模型的缺點(diǎn)分別提出了改進(jìn)方法。其中對極限學(xué)習(xí)機(jī)模型的輸入權(quán)值矩陣與隱含層節(jié)點(diǎn)偏差提出了以差分進(jìn)化算法進(jìn)行優(yōu)選,從而改善了傳統(tǒng)極限學(xué)習(xí)機(jī)模型隨機(jī)給定權(quán)值矩陣與節(jié)點(diǎn)偏差導(dǎo)致泛化能力不足的問題;對卡爾曼濾波預(yù)測模型采用了基于AR模型建立狀態(tài)空間方程,并采用粒子群算法的對模型的階數(shù)進(jìn)行了優(yōu)選。并結(jié)合實(shí)際電路,驗證了預(yù)測模型的有效性。(4)故障預(yù)測軟件的設(shè)計與實(shí)現(xiàn)。結(jié)合理論研究,本文設(shè)計并實(shí)現(xiàn)了一套開放式的故障預(yù)測軟件,該軟件集成了數(shù)據(jù)庫系統(tǒng)、故障特征提取、狀態(tài)評估、故障預(yù)測以及人機(jī)交互界面等功能模塊。該軟件允許用戶根據(jù)實(shí)際需要對軟件中的關(guān)鍵算法模型進(jìn)行在線升級與動態(tài)更新,在滿足實(shí)際需求的同時也便于將未來新的算法模型集成到該軟件中,為故障預(yù)測技術(shù)推向工程實(shí)踐提供了基礎(chǔ)。最后結(jié)合實(shí)際應(yīng)用驗證了該軟件的有效性和實(shí)用性。
【關(guān)鍵詞】：多特征 健康狀態(tài)評估 信息融合 故障預(yù)測 軟件系統(tǒng)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN710
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 選題背景及研究意義10-11
• 1.2 模擬電路故障預(yù)測關(guān)鍵技術(shù)與研究現(xiàn)狀11-13
• 1.2.1 模擬電路故障預(yù)測關(guān)鍵技術(shù)11-12
• 1.2.2 國內(nèi)外研究現(xiàn)狀12-13
• 1.3 本文主要研究內(nèi)容及組織結(jié)構(gòu)13-16
• 1.3.1 研究內(nèi)容13-14
• 1.3.2 組織結(jié)構(gòu)14-16
• 第二章 模擬電路健康狀態(tài)評估16-27
• 2.1 健康狀態(tài)評估概述16
• 2.2 低頻模擬電路故障特征提取16-18
• 2.2.1 基于小波變換的特征提取16-18
• 2.2.2 基于統(tǒng)計信號的特征提取18
• 2.3 射頻模擬電路故障特征提取18-20
• 2.4 故障特征預(yù)測處理20-21
• 2.5 基于主成分分析法改進(jìn)馬氏距離的健康狀態(tài)評估方法21-23
• 2.5.1 馬氏距離基本理論21-22
• 2.5.2 主成分分析加權(quán)法22
• 2.5.3 基于主成分分析法改進(jìn)馬氏距離的故障指示器22-23
• 2.6 實(shí)驗驗證23-26
• 2.7 本章小結(jié)26-27
• 第三章 模擬電路故障預(yù)測方法研究27-53
• 3.1 預(yù)測方法概述27
• 3.2 基于極限學(xué)習(xí)機(jī)的模擬電路故障預(yù)測模型27-44
• 3.2.1 極限學(xué)習(xí)機(jī)基本理論28-29
• 3.2.2 極限學(xué)習(xí)機(jī)輸入?yún)?shù)的確定29-31
• 3.2.3 基于差分優(yōu)化改進(jìn)的極限學(xué)習(xí)機(jī)31-36
• 3.2.3.1 差分進(jìn)化算法31-34
• 3.2.3.2 基于差分優(yōu)化的極限學(xué)習(xí)機(jī)的實(shí)現(xiàn)34-36
• 3.2.4 基于差分優(yōu)化的極限學(xué)習(xí)機(jī)預(yù)測實(shí)例36-44
• 3.3 基于卡爾曼濾波的模擬電路故障預(yù)測模型44-51
• 3.3.1 卡爾曼濾波基本理論45-46
• 3.3.2 基于自回歸模型的卡爾曼濾波算法46-49
• 3.3.2.1 自回歸預(yù)測模型46-47
• 3.3.2.2 AR模型定階47-48
• 3.3.2.3 基于AR模型的卡爾曼濾波預(yù)測算法的實(shí)現(xiàn)48-49
• 3.3.3 基于自回歸模型的卡爾曼濾波預(yù)測實(shí)例49-51
• 3.4 本章小結(jié)51-53
• 第四章 故障預(yù)測系統(tǒng)設(shè)計與實(shí)現(xiàn)53-67
• 4.1 總體設(shè)計思想53-55
• 4.1.1 任務(wù)需求53
• 4.1.2 總體架構(gòu)設(shè)計53-55
• 4.2 開發(fā)環(huán)境介紹55-56
• 4.3 預(yù)測系統(tǒng)主要功能模塊設(shè)計與實(shí)現(xiàn)56-66
• 4.3.1 數(shù)據(jù)庫系統(tǒng)模塊56-59
• 4.3.2 用戶管理模塊59-60
• 4.3.3 健康狀態(tài)評估模塊60-64
• 4.3.4 故障預(yù)測模塊64-66
• 4.4 本章小結(jié)66-67
• 第五章 故障預(yù)測系統(tǒng)測試驗證與應(yīng)用67-80
• 5.1 系統(tǒng)測試總體流程67
• 5.2 系統(tǒng)驗證67-76
• 5.2.1 故障數(shù)據(jù)采集68-69
• 5.2.2 用戶注冊與登錄69-70
• 5.2.3 健康狀態(tài)評估70-71
• 5.2.4 剩余使用壽命預(yù)測71-76
• 5.3 應(yīng)用76-79
• 5.4 本章小結(jié)79-80
• 第六章 全文總結(jié)與展望80-82
• 6.1 全文總結(jié)80-81
• 6.2 后續(xù)工作展望81-82
• 致謝82-83
• 參考文獻(xiàn)83-87
• 攻讀碩士學(xué)位期間參與的科研項目與取得的成果87-88

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 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;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(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

中國博士學(xué)位論文全文數(shù)據(jù)庫 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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉磊;模擬電路故障仿真及診斷平臺設(shè)計與實(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 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

7 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

8 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

9 李愛琴;基于支持向量機(jī)的模擬電路故障診斷方法研究[D];南京理工大學(xué);2011年

10 楊亮;基于智能信息融合的模擬電路故障診斷技術(shù)研究[D];西安電子科技大學(xué);2011年

，

本文編號：609830