当前位置:主页 > 科技论文 > 电子信息论文 >

基于优选小波包的模拟电路故障深度特征提取方法

发布时间:2018-05-01 18:34

  本文选题:模拟电路 + 故障特征提取 ; 参考:《合肥工业大学》2017年硕士论文


【摘要】:由于模拟电路的连续性、非线性和元件参数的容差性等固有的特点以及模拟电路故障的多样性和复杂性,使得对模拟电路进行故障特征提取有很大的难度。随着模拟电路越来越复杂,传统的模拟电路故障特征提取理论和方法在实际的模拟电路故障特征提取中很难达到预期的效果,因此高效的故障特征提取方法和故障特征优化方法显得特别重要。小波包变换是一种时频分析方法,它是一种常见的模拟电路故障特征提取方法。但是,利用小波包变换进行模拟电路故障特征提取时选择不同的母小波函数进行故障特征提取会有不同的提取效果;为了获得最优的模拟电路故障特征,本文将能量和信息熵结合提出小波函数优选算法,并同时通过仿真实例证明了本文所提出方法是有效的。针对模拟电路故障特征的特性,利用深度学习对提取的故障特征进行学习,对已有的故障特征进行优化得到更能反映模拟电路故障的故障特征数据。最后将该方法与常见的故障诊断方法进行比较,故障诊断实例表明深度学习能够有效提高模拟电路故障诊断的精度。
[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.
【学位授予单位】:合肥工业大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TN710

【相似文献】

相关期刊论文 前10条

1 汪迎;;如何建立模拟电路故障字典自动生成仿真平台[J];价值工程;2011年02期

2 汪迎;;模拟电路故障成因分析及诊断[J];才智;2011年01期

3 李长城;;浅析模拟电路故障原因与处理方法[J];黑龙江冶金;2011年04期

4 刘波涛;;论模拟电路故障检测与诊断的策略探讨[J];数字技术与应用;2014年01期

5 顾凡一,王友仁,黄三傲,姚睿,张砦,崔江;基于案例库推理法的模拟电路故障诊断技术研究[J];计算机测量与控制;2005年09期

6 段敏;张锡恩;;基于仿真的模拟电路故障知识获取新方法[J];系统仿真学报;2006年03期

7 王波;刘连惠;陈晓明;;模拟电路故障字典开发平台[J];计算机测量与控制;2006年10期

8 彭卫韶;李力争;胡燕瑜;;模拟电路故障信号的小波预处理[J];中南大学学报(自然科学版);2008年03期

9 陈玲玲;张秋蜜;王喜东;卢超;;模拟电路故障诊断技术研究[J];电脑知识与技术;2009年36期

10 马冰茹;;浅析模拟电路故障的诊断方法[J];黑龙江科技信息;2011年05期

相关博士学位论文 前7条

1 胡鸿志;基于相量分析的模拟电路故障诊断方法研究[D];电子科技大学;2015年

2 李西峰;信息论观点下的模拟电路故障诊断方法研究[D];电子科技大学;2014年

3 金瑜;基于小波神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2008年

4 孙永奎;基于支持向量机的模拟电路故障诊断方法研究[D];电子科技大学;2009年

5 刘琦;基于云模型理论的模拟电路故障分类诊断的研究[D];河北工业大学;2013年

6 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年

7 叶笠;基于统一节点电压增量比向量的模拟电路故障诊断方法研究[D];电子科技大学;2011年

相关硕士学位论文 前10条

1 刘磊;模拟电路故障仿真及诊断平台设计与实现[D];电子科技大学;2012年

2 赵洪玲;模拟电路故障仿真注入技术研究与实现[D];北方工业大学;2016年

3 陈晨;基于支持向量机的模拟电路故障诊断研究[D];渤海大学;2016年

4 李浪;基于Treelet变换的模拟电路故障诊断方法研究[D];湖南师范大学;2016年

5 喻泽林;基于多特征模型模拟电路故障预测技术研究与实现[D];电子科技大学;2016年

6 刘天运;基于优化技术的模拟电路故障诊断方法研究[D];沈阳理工大学;2016年

7 孙业胜;基于优选小波包的模拟电路故障深度特征提取方法[D];合肥工业大学;2017年

8 王嘉家;大规模模拟电路故障传播特性研究[D];湖南大学;2010年

9 万喜新;基于信息融合技术的模拟电路故障诊断方法研究[D];湖南大学;2006年

10 张娜;基于多特征的模拟电路故障预测[D];电子科技大学;2012年



本文编号:1830582

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/1830582.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户d5763***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com