基于小波-神经网络的数字电路IDDT故障诊断

doi:10.3778/j.issn.1002-8331.2010.01.063

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (1): 211-214.DOI: 10.3778/j.issn.1002-8331.2010.01.063

基于小波-神经网络的数字电路IDDT故障诊断

余长庚，雷加

桂林电子科技大学电子工程学院，广西桂林 541004

收稿日期:2008-07-21 修回日期:2008-10-14 出版日期:2010-01-01 发布日期:2010-01-01
通讯作者: 余长庚

Fault diagnosis using IDDT for digital circuit based on wavelet analysis and neural networks

YU Chang-geng，LEI Jia

School of Engineering，Guilin University of Electronic Technology，Guilin，Guangxi 541004，China

Received:2008-07-21 Revised:2008-10-14 Online:2010-01-01 Published:2010-01-01
Contact: YU Chang-geng

摘要/Abstract

摘要： 利用小波变换与神经网络相结合的方法，采用“能量-故障”特征提取方法和BP算法，提出了一种基于小波分析和神经网络的数字电路瞬态电流I_DDT故障诊断方法。该方法首先采样电源到地的瞬态电流I_DDT，然后通过小波分析提取电路的故障特征向量，最后输入到神经网络进行故障诊断。经过计算机软件对故障进行仿真，结果表明使用小波-神经网络的数字电路I_DDT方法行之有效。

关键词: 数字电路, 故障诊断, 神经网络, 小波分析

Abstract: A method of fault diagnosis for digital circuits of transient power supply current（I_DDT） based on the combination of neural network with wavelet transformation is presented，using the method of drawing energy-fault feature and BP algorithm.The proposed method samples transient current of circuit，then uses wavelet analysis as a tool to extract the best optimal feature information.The feature is applied to neural network and the fault is detected and localized.The simulation result of fault shows that the proposed method can classify the faults well.

Key words: digital circuits, fault diagnosis, neural networks, wavelet analysis

中图分类号:

TP183

余长庚，雷加. 基于小波-神经网络的数字电路IDDT故障诊断[J]. 计算机工程与应用, 2010, 46(1): 211-214.

YU Chang-geng，LEI Jia. Fault diagnosis using IDDT for digital circuit based on wavelet analysis and neural networks[J]. Computer Engineering and Applications, 2010, 46(1): 211-214.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[4]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[5]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[6]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[7]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[8]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[9]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[10]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[11]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[12]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[13]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[14]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[15]	翟正利，李鹏辉，冯舒. 图对抗攻击研究综述[J]. 计算机工程与应用, 2021, 57(7): 14-21.

基于小波-神经网络的数字电路IDDT故障诊断

Fault diagnosis using IDDT for digital circuit based on wavelet analysis and neural networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics