基于K-means聚类与概率神经网络的模拟电路故障诊断方法
2021-04-20吴光辉
中国测试 2021年3期
李 楠,邓 威,王 晨,吴光辉
(1. 南京航空航天大学航空学院,江苏 南京 210016; 2. 中国商飞民用飞机试飞中心试飞运行部,上海 201323;3. 国防科技大学卫星导航研发中心,湖南 长沙 410073; 4. 中国商飞北京民用飞机技术研究中心,北京 102211; 5. 太原理工大学,山西 太原 030024)
0 引 言
目前,模拟电路已广泛应用于航空电子系统[1]。模拟电路的失效会影响航空电子系统的功能,引起系统故障,甚至引发坠机等安全事故。因此,模拟电路故障诊断在航空故障诊断领域得到了广泛关注,模拟电路故障诊断技术成为了航空电子系统安全稳定运行的重要技术保障,其有效实施可以快速准确地检测并定位电路的故障,减少系统带故障运行时间、停机时间以及维护成本,消除由于故障损伤的积累而带来的安全隐患。
为快速准确地实现故障诊断,特征提取与分类器算法相结合故障诊断技术在电网、电机、逆变器、模拟电路等对象上都得到了广泛的研究与应用[2-4]。针对模拟电路的软故障诊断问题,何怡刚[5]等人提出了一种随机算法、灵敏度分析、免疫遗传算法与神经网络相结合的软故障诊断方法,钟建林[6]等人通过构造描述特定电路状态的特征区间向量,提出了一种基于多频响应波形相似度的软故障诊断方法;针对模拟电路的特征提取问题,小波分形[7]、核判别分析[8]、小波包变换[9]、符号分析[10]、经验模态分解[11]、主成分分析[12]等特征提取技术被广泛应用于模拟电路的数据预处理过程;针对模拟电路诊断中传统测试性模型故障分辨率低的问题,朱敏等人[13]提出一种基于故障对布尔表的模拟电路测试性分析与故障诊断方法。……
登录APP查看全文
