基于多特征模型模拟电路故障预测技术研究与实现

发布时间：2017-08-02 15:02

  本文关键词：基于多特征模型模拟电路故障预测技术研究与实现

  更多相关文章： 多特征 健康状态评估 信息融合 故障预测 软件系统

【摘要】：随着电子技术的快速发展,在电子设备功能日益完善的同时,其结构也日趋复杂,使得电子系统对自身的可靠性要求越来越高。电子系统的故障预测是通过充分利用系统的历史数据与当前状态,通过算法处理,从而提前估计出系统未来状态的变化趋势,为视情维修提供依据,有效降低系统故障概率,提高系统可靠性,降低保障费用。故障预测的关键在于如何提取合适的故障特征参数,并设计出性能良好的状态评估算法与故障预测算法。鉴于以上原因,本文的主要研究内容如下:(1)模拟电路多特征提取。针对当前模拟电路功能结构日益复杂,故障形式多样化等特点,本文选择进行多特征提取,从而尽可能准确的表征出被测电路的健康状态。首先介绍了常见故障特征的提取,并重点讨论了小波特征与统计特征的提取方法,并针对射频模拟电路的特殊性分析了以S参数作为其故障特征的提取方法。(2)模拟电路健康状态评估。虽然可以用单一故障特征参数来表征系统健康状态,但各个特征参数变化趋势不尽相同甚至相反,因此不能直观准确的反应出系统状态变化情况。为此,本文给出了一种基于主成分分析法改进的马氏距离来构造故障指示器值的信息融合方法,从而提高了故障指示器对早期故障与微弱故障的识别能力。(3)故障预测方法研究。本文详细介绍了极限学习机预测模型与卡尔曼预测模型的理论基础与其优缺点,并针对两种预测模型的缺点分别提出了改进方法。其中对极限学习机模型的输入权值矩阵与隐含层节点偏差提出了以差分进化算法进行优选,从而改善了传统极限学习机模型随机给定权值矩阵与节点偏差导致泛化能力不足的问题;对卡尔曼滤波预测模型采用了基于AR模型建立状态空间方程,并采用粒子群算法的对模型的阶数进行了优选。并结合实际电路,验证了预测模型的有效性。(4)故障预测软件的设计与实现。结合理论研究,本文设计并实现了一套开放式的故障预测软件,该软件集成了数据库系统、故障特征提取、状态评估、故障预测以及人机交互界面等功能模块。该软件允许用户根据实际需要对软件中的关键算法模型进行在线升级与动态更新,在满足实际需求的同时也便于将未来新的算法模型集成到该软件中,为故障预测技术推向工程实践提供了基础。最后结合实际应用验证了该软件的有效性和实用性。
【关键词】：多特征 健康状态评估 信息融合 故障预测 软件系统
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN710
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 选题背景及研究意义10-11
• 1.2 模拟电路故障预测关键技术与研究现状11-13
• 1.2.1 模拟电路故障预测关键技术11-12
• 1.2.2 国内外研究现状12-13
• 1.3 本文主要研究内容及组织结构13-16
• 1.3.1 研究内容13-14
• 1.3.2 组织结构14-16
• 第二章 模拟电路健康状态评估16-27
• 2.1 健康状态评估概述16
• 2.2 低频模拟电路故障特征提取16-18
• 2.2.1 基于小波变换的特征提取16-18
• 2.2.2 基于统计信号的特征提取18
• 2.3 射频模拟电路故障特征提取18-20
• 2.4 故障特征预测处理20-21
• 2.5 基于主成分分析法改进马氏距离的健康状态评估方法21-23
• 2.5.1 马氏距离基本理论21-22
• 2.5.2 主成分分析加权法22
• 2.5.3 基于主成分分析法改进马氏距离的故障指示器22-23
• 2.6 实验验证23-26
• 2.7 本章小结26-27
• 第三章 模拟电路故障预测方法研究27-53
• 3.1 预测方法概述27
• 3.2 基于极限学习机的模拟电路故障预测模型27-44
• 3.2.1 极限学习机基本理论28-29
• 3.2.2 极限学习机输入参数的确定29-31
• 3.2.3 基于差分优化改进的极限学习机31-36
• 3.2.3.1 差分进化算法31-34
• 3.2.3.2 基于差分优化的极限学习机的实现34-36
• 3.2.4 基于差分优化的极限学习机预测实例36-44
• 3.3 基于卡尔曼滤波的模拟电路故障预测模型44-51
• 3.3.1 卡尔曼滤波基本理论45-46
• 3.3.2 基于自回归模型的卡尔曼滤波算法46-49
• 3.3.2.1 自回归预测模型46-47
• 3.3.2.2 AR模型定阶47-48
• 3.3.2.3 基于AR模型的卡尔曼滤波预测算法的实现48-49
• 3.3.3 基于自回归模型的卡尔曼滤波预测实例49-51
• 3.4 本章小结51-53
• 第四章 故障预测系统设计与实现53-67
• 4.1 总体设计思想53-55
• 4.1.1 任务需求53
• 4.1.2 总体架构设计53-55
• 4.2 开发环境介绍55-56
• 4.3 预测系统主要功能模块设计与实现56-66
• 4.3.1 数据库系统模块56-59
• 4.3.2 用户管理模块59-60
• 4.3.3 健康状态评估模块60-64
• 4.3.4 故障预测模块64-66
• 4.4 本章小结66-67
• 第五章 故障预测系统测试验证与应用67-80
• 5.1 系统测试总体流程67
• 5.2 系统验证67-76
• 5.2.1 故障数据采集68-69
• 5.2.2 用户注册与登录69-70
• 5.2.3 健康状态评估70-71
• 5.2.4 剩余使用寿命预测71-76
• 5.3 应用76-79
• 5.4 本章小结79-80
• 第六章 全文总结与展望80-82
• 6.1 全文总结80-81
• 6.2 后续工作展望81-82
• 致谢82-83
• 参考文献83-87
• 攻读硕士学位期间参与的科研项目与取得的成果87-88

【相似文献】

中国期刊全文数据库 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

中国博士学位论文全文数据库 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

中国硕士学位论文全文数据库 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 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

7 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

8 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

9 李爱琴;基于支持向量机的模拟电路故障诊断方法研究[D];南京理工大学;2011年

10 杨亮;基于智能信息融合的模拟电路故障诊断技术研究[D];西安电子科技大学;2011年

，

本文编号：609830