基于MODWPT与随机森林的模拟电路故障诊断研究
发布时间：2020-12-07 20:24
电路的复杂程度随着电子技术、集成电路技术以及计算机技术的快速发展也在不断增加,电子设备中的电路一旦发生故障,系统可能会无法正常运行甚至造成经济损失,因此,研究模拟电路的故障诊断方法具有重要意义。模拟电路故障诊断存在一定的难度在于模拟电路的连续性、容差性以及非线性等因素。近年来,各种故障诊断技术在电子技术的不断发展过程中诞生。其中,基于模式识别的故障诊断方法在大量故障数据条件下,无需掌握电路知识与求解电路,即可实现故障状态的检测与分类。该类方法的故障诊断结果受故障特征以及所构建的故障诊断模型性能的影响,由于模拟电路的非线性与容差性等因素,导致特征数据往往呈现高维度,存在干扰以及冗余信息等,从而降低故障诊断精度。针对上述问题,本文主要开展对故障特征提取方法与降维方法的研究。主要内容如下:(1)研究基于最大重叠离散小波包变换(Maximum Overlap Discrete Wavelet Package Transform,MODWPT)的模拟电路故障特征提取方法,模拟电路信号经MODWPT分解,对分解得到的终端节点进行重构,计算重构信号的能量作为原始特征,构成原始特征集。(2)提出改进最...
【文章来源】：湖南师范大学湖南省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
电路性能参数分布图
为早期软故障，具体划分如图 2-1 所示。另外按照电路发生故障的数量可划分为单故障和多故障，当电路中发生故障的元件仅有一个时，将这样的电路故障称为单故障，而多故障则是电路中发生故障的元件个数至少两个或以上。在多故障发生时，根据发生故障的元件是否存在关系又细分为独立故障和从属故障，独立故障表示发生故障的元件之间不存在一定关联或是独立发生的，从属故障则指一个元件发生故障后引起其他元件也发生了故障[4]。在电路中按照发生故障存在时间的长短区分为间歇性故障和永久性故障，硬故障就属于永久性故障，元件的偶尔接触不良则属于间歇性故障。图 2-1 电路性能参数分布图
图 2-3 模拟电路故障特征提取基本流程图 2-4 模拟电路故障特征提取流程小波分析的电路故障特征提取析方法的引入与模拟电路发生故障时的性质密切相关，实际是瞬息万变的，采集到的原始数据中往往含有大量的噪声，障信息[8]。如果使用一般的方法进行数据处理可能会导致隐障特征不慎丢失。这样就无法从中提取全面有效的故障特征为本身具有优秀的时频域信号处理能力和多分辨率分析的特用于模拟电路中故障特征的提取。运用小波变化对模拟电路主要步骤包括以下：
【参考文献】：
期刊论文
[1]基于随机森林算法的模拟电路故障诊断[J]. 王玲,周东方,生拥宏,张伟. 太赫兹科学与电子信息学报. 2018(05)
[2]改进引力搜索算法优化的SVM模拟电路故障诊断[J]. 梅恒荣,刘冬梅,何怡刚,殷礼胜,赵丽欣,赵蓓蕾. 微电子学与计算机. 2018(05)
[3]基于小波包和BAGRNN的模拟电路故障诊断方法[J]. 胡鸿志,岑德炼,吴汝琴,滕全进. 微电子学与计算机. 2018(04)
[4]MRA-PCA-PSO组合优化BP神经网络模拟电路故障诊断研究[J]. 马峻,赵飞乐,徐潇,陈寿宏. 电子测量与仪器学报. 2018(03)
[5]基于故障传播的模块化BP神经网络电路故障诊断[J]. 何春,李琦,吴让好,刘邦欣. 计算机应用. 2018(02)
[6]数据驱动的模拟电路故障诊断实验平台[J]. 曹玉苹,邓晓刚,田学民,刘润华,任旭虎,张冬至. 实验技术与管理. 2018(01)
[7]基于小波包优选的模拟电路故障特征提取方法[J]. 袁莉芬,孙业胜,何怡刚,张悦,吕密. 电工技术学报. 2018(01)
[8]基于随机森林算法的推荐系统的设计与实现[J]. 沈晶磊,虞慧群,范贵生,郭健美. 计算机科学. 2017(11)
[9]K最近邻算法理论与应用综述[J]. 毋雪雁,王水花,张煜东. 计算机工程与应用. 2017(21)
[10]基于小波分析的逆变电路故障诊断方法研究[J]. 刘玲,刘荷花. 现代电子技术. 2017(20)
博士论文
[1]数据驱动的滚动轴承故障特征分析与诊断方法研究[D]. 俞啸.中国矿业大学 2017
[2]基于分形理论的非线性模拟电路软故障诊断方法研究[D]. 吕鑫淼.哈尔滨理工大学 2017
[3]容差模拟电路故障诊断屏蔽理论与信息融合方法研究[D]. 彭敏放.湖南大学 2006
硕士论文
[1]基于LMD近似熵和SVM的模拟电路故障诊断研究[D]. 万国发.南京邮电大学 2018
[2]基于随机森林算法的人体运动模式识别研究[D]. 刘玉琪.北京邮电大学 2018
[3]基于随机森林的不平衡大数据分类算法研究[D]. 高聪.东北电力大学 2018
[4]基于数据降维算法的模拟电路故障诊断应用研究[D]. 马玉莹.北方工业大学 2018
[5]基于小波分析和神经网络的模拟电路故障诊断方法研究[D]. 刘杰.贵州大学 2017
[6]基于LMD和神经网络的模拟电路故障诊断方法研究[D]. 曾黎.湖南师范大学 2017
[7]基于优选小波包的模拟电路故障深度特征提取方法[D]. 孙业胜.合肥工业大学 2017
[8]基于机器学习的模拟电路故障诊断研究[D]. 熊超.兰州交通大学 2017
[9]机械故障诊断中的流形学习方法研究[D]. 崔锦.西安石油大学 2016
[10]基于故障字典的电路故障诊断研究[D]. 曾希雯.电子科技大学 2016
本文编号：2903851
【文章来源】：湖南师范大学湖南省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
电路性能参数分布图
为早期软故障，具体划分如图 2-1 所示。另外按照电路发生故障的数量可划分为单故障和多故障，当电路中发生故障的元件仅有一个时，将这样的电路故障称为单故障，而多故障则是电路中发生故障的元件个数至少两个或以上。在多故障发生时，根据发生故障的元件是否存在关系又细分为独立故障和从属故障，独立故障表示发生故障的元件之间不存在一定关联或是独立发生的，从属故障则指一个元件发生故障后引起其他元件也发生了故障[4]。在电路中按照发生故障存在时间的长短区分为间歇性故障和永久性故障，硬故障就属于永久性故障，元件的偶尔接触不良则属于间歇性故障。图 2-1 电路性能参数分布图
图 2-3 模拟电路故障特征提取基本流程图 2-4 模拟电路故障特征提取流程小波分析的电路故障特征提取析方法的引入与模拟电路发生故障时的性质密切相关，实际是瞬息万变的，采集到的原始数据中往往含有大量的噪声，障信息[8]。如果使用一般的方法进行数据处理可能会导致隐障特征不慎丢失。这样就无法从中提取全面有效的故障特征为本身具有优秀的时频域信号处理能力和多分辨率分析的特用于模拟电路中故障特征的提取。运用小波变化对模拟电路主要步骤包括以下：
【参考文献】：
期刊论文
[1]基于随机森林算法的模拟电路故障诊断[J]. 王玲,周东方,生拥宏,张伟. 太赫兹科学与电子信息学报. 2018(05)
[2]改进引力搜索算法优化的SVM模拟电路故障诊断[J]. 梅恒荣,刘冬梅,何怡刚,殷礼胜,赵丽欣,赵蓓蕾. 微电子学与计算机. 2018(05)
[3]基于小波包和BAGRNN的模拟电路故障诊断方法[J]. 胡鸿志,岑德炼,吴汝琴,滕全进. 微电子学与计算机. 2018(04)
[4]MRA-PCA-PSO组合优化BP神经网络模拟电路故障诊断研究[J]. 马峻,赵飞乐,徐潇,陈寿宏. 电子测量与仪器学报. 2018(03)
[5]基于故障传播的模块化BP神经网络电路故障诊断[J]. 何春,李琦,吴让好,刘邦欣. 计算机应用. 2018(02)
[6]数据驱动的模拟电路故障诊断实验平台[J]. 曹玉苹,邓晓刚,田学民,刘润华,任旭虎,张冬至. 实验技术与管理. 2018(01)
[7]基于小波包优选的模拟电路故障特征提取方法[J]. 袁莉芬,孙业胜,何怡刚,张悦,吕密. 电工技术学报. 2018(01)
[8]基于随机森林算法的推荐系统的设计与实现[J]. 沈晶磊,虞慧群,范贵生,郭健美. 计算机科学. 2017(11)
[9]K最近邻算法理论与应用综述[J]. 毋雪雁,王水花,张煜东. 计算机工程与应用. 2017(21)
[10]基于小波分析的逆变电路故障诊断方法研究[J]. 刘玲,刘荷花. 现代电子技术. 2017(20)
博士论文
[1]数据驱动的滚动轴承故障特征分析与诊断方法研究[D]. 俞啸.中国矿业大学 2017
[2]基于分形理论的非线性模拟电路软故障诊断方法研究[D]. 吕鑫淼.哈尔滨理工大学 2017
[3]容差模拟电路故障诊断屏蔽理论与信息融合方法研究[D]. 彭敏放.湖南大学 2006
硕士论文
[1]基于LMD近似熵和SVM的模拟电路故障诊断研究[D]. 万国发.南京邮电大学 2018
[2]基于随机森林算法的人体运动模式识别研究[D]. 刘玉琪.北京邮电大学 2018
[3]基于随机森林的不平衡大数据分类算法研究[D]. 高聪.东北电力大学 2018
[4]基于数据降维算法的模拟电路故障诊断应用研究[D]. 马玉莹.北方工业大学 2018
[5]基于小波分析和神经网络的模拟电路故障诊断方法研究[D]. 刘杰.贵州大学 2017
[6]基于LMD和神经网络的模拟电路故障诊断方法研究[D]. 曾黎.湖南师范大学 2017
[7]基于优选小波包的模拟电路故障深度特征提取方法[D]. 孙业胜.合肥工业大学 2017
[8]基于机器学习的模拟电路故障诊断研究[D]. 熊超.兰州交通大学 2017
[9]机械故障诊断中的流形学习方法研究[D]. 崔锦.西安石油大学 2016
[10]基于故障字典的电路故障诊断研究[D]. 曾希雯.电子科技大学 2016
本文编号：2903851
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2903851.html
