CN107085179A - 一种基于紧密度评价的模拟电路故障检测中测试激励生成方法 - Google Patents
一种基于紧密度评价的模拟电路故障检测中测试激励生成方法 Download PDFInfo
- Publication number
- CN107085179A CN107085179A CN201710335823.3A CN201710335823A CN107085179A CN 107085179 A CN107085179 A CN 107085179A CN 201710335823 A CN201710335823 A CN 201710335823A CN 107085179 A CN107085179 A CN 107085179A
- Authority
- CN
- China
- Prior art keywords
- value
- under
- mrow
- test
- malfunction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/316—Testing of analog circuits
Abstract
一种基于紧密度评价的模拟电路故障检测中测试激励生成方法，本发明涉及基于紧密度评价的模拟电路故障检测中测试激励生成方法。本发明为了解决现有技术对故障特征本身比较微弱的故障状态的故障检测率会较低的问题。本发明组成包括：步骤一：获取电路在N次正常工作状态和N次任意元件H处于故障状态下，在全频带范围工作的特征信息；步骤二：根据特征信息计算待测电路在全频带下N次任意元件H处于故障状态时特征值超出正常工作范围的量值大小与次数；步骤三：得到紧密度函数曲线；步骤四：选择紧密度函数曲线中紧密度函数值取最大时对应的测试激励作为检测元件H的测试激励。本发明用于模拟电路故障检测领域。
Description
技术领域
本发明涉及基于紧密度评价的模拟电路故障检测中测试激励生成方法。
背景技术
模拟电路中的故障可以分为硬故障和软故障，硬故障指的是由于元器件的短路或者断路使得电路的拓扑结构发生了改变，造成性能严重下降甚至电路失效；而软故障指的是电路中的元器件参数值偏移了允许的容差范围，从而引起电路的性能下降，导致电路无法正常工作。模拟电路故障检测通常应包括测试激励的生成，测试节点的选择，故障特征的提取以及故障检测这几个部分。其中，测试激励生成是模拟电路故障检测的重要环节，合适的测试激励选择对提高模拟电路故障检测率，降低检测时间以及检测成本有着重要的意义。尤其对于故障特征较为微弱的故障状态，合适的测试激励能够产生更加明显的故障特征，从而更易于进行故障检测。
传统的模拟电路测试激励通常选择方波信号，包含全频带的激励频率，但是由于模拟电路的输出只对几个频率敏感，所以采用方波作为激励信号会使故障特征湮没在输出中，因此对模拟电路的故障检测率，尤其是故障特征本身比较微弱的故障状态的故障检测率会很低。因此，就产生了对能够激励出更加明显故障特征的测试激励生成方法的需求。
发明内容
本发明的目的是为了解决现有技术对故障特征本身比较微弱的故障状态的故障检测率会较低的缺点，而提出一种基于紧密度评价的模拟电路故障检测中测试激励生成方法。
一种基于紧密度评价的模拟电路故障检测中测试激励生成方法包括以下步骤：
步骤一：获取电路在N次正常工作状态和N次元件H(元件H为电路中的任意元件)处于故障状态下，在全频带范围工作的特征信息，所述特征信息包括输出信号的电压值和相位；
步骤二：根据特征信息计算待测电路在全频带下N次元件H处于故障状态时特征值超出正常工作范围的量值大小与次数；所述正常工作为电路中各元件的参数值在容差范围内；
步骤三：根据特征信息和步骤二得到的故障状态时特征值超出正常工作范围的量值大小与次数计算全频带的紧密度函数值，并得到紧密度函数曲线；
步骤四：选择紧密度函数曲线中紧密度函数值取最大时对应的测试激励作为检测元件H的测试激励。
本发明采用紧密度作为评价标准，通过紧密度函数来评价模拟电路元件故障状态与正常状态的偏离程度，选出偏离正常状态最大的激励频率作为测试激励的频率。
本发明的有益效果为：
本发明提供了一种基于紧密度评价的模拟电路故障检测中测试激励生成方法，能够生成产生更明显故障特征的测试激励，提高了对模拟电路故障检测的检测率，尤其是对于较难检测的故障特征微弱的故障状态也有很好的检测效果。以Sallen-Key电路为例，与采用脉冲作为测试激励的故障检测率相比，采用本发明提供的一种基于紧密度评价的模拟电路故障检测中测试激励生成方法所产生的测试激励的故障检测率提高15％。
采用本发明中的基于紧密度评价的模拟电路故障检测中测试激励生成方法生成的测试激励信号能够更好的提取出故障状态的特征信息，对于难以检测的故障状态，如：模拟电路潜在故障，其检测效果要远好于采用传统的测试激励时的检测效果。
附图说明
图1为Sallen-Key带通滤波器电路的电路图；
图2为电阻R1元件参数偏离标称值30％时的紧密度函数曲线；
图3为电阻R5元件参数偏离标称值30％时的紧密度函数曲线；
图4为电容C1元件参数偏离标称值30％时的紧密度函数曲线；
图5为电容C2元件参数偏离标称值30％时的紧密度函数曲线。
具体实施方式
具体实施方式一：一种基于紧密度评价的模拟电路故障检测中测试激励生成方法包括以下步骤：
步骤一：获取电路在N次正常工作状态和N次元件H(元件H为电路中的任意元件)处于故障状态下，在全频带范围工作的特征信息，所述特征信息包括输出信号的电压值和相位；
步骤二：根据特征信息计算待测电路在全频带下N次元件H处于故障状态时特征值超出正常工作范围的量值大小与次数；所述正常工作为电路中各元件的参数值在容差范围内；
步骤三：根据特征信息和步骤二得到的故障状态时特征值超出正常工作范围的量值大小与次数计算全频带的紧密度函数值，并得到紧密度函数曲线；
步骤四：选择紧密度函数曲线中紧密度函数值取最大时对应的测试激励作为检测元件H的测试激励。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一中获取电路在N次正常工作状态和N次元件H处于故障状态下，在全频带范围工作的特征信息的具体过程为：
步骤一一：获取待测电路在全频带下N次正常工作的电压值以及对应的电压值的最大值和最小值；
步骤一二：获取待测电路在全频带下N次正常工作的相位值以及对应的相位值的最大值和最小值；
步骤一三：获取待测电路在全频带下N次某元件H处于故障状态下的电压值；
步骤一四：获取待测电路在全频带下N次某元件H处于故障状态下的相位值。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤二中根据特征信息计算待测电路在全频带下N次元件H处于故障状态时特征值超出正常工作范围的量值大小与次数的具体过程为：
步骤二一：获得待测电路在全频带下N次元件H处于故障状态时电压值超出正常工作范围的量值大小与次数；
步骤二二：获得待测电路在全频带下N次元件H处于故障状态时相位值超出正常工作范围的量值大小与次数。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤三中根据特征信息和步骤二得到的故障状态时特征值超出正常工作范围的量值大小与次数计算全频带的紧密度函数值的具体过程为：
由于模拟电路中不同电路元件的故障对于输出信号的幅值的量值影响的程度不同，并且其能导致电路的最终输出信号偏离正常输出范围的概率也不同，因此，这里引入紧密度的概念来衡量模拟电路中不同电路元件对输出信号的影响程度。
紧密度用于衡量模拟电路中的元件故障状态与正常工作状态的偏离程度，用紧密度函数进行度量。
步骤三一：计算待测电路在某一频点下N次某元件H处于故障状态下时电压值超出正常工作范围的量值的平方和并归一化到0到1之间，用表示，相位值超出正常范围的量值的平方和并归一化到0到1之间，用表示；DV(i)为第i次元件H处于故障状态下时电压值超出正常工作范围的量值，Dp(i)为第i次元件H处于故障状态下时相位值超出正常工作范围的量值；
步骤三二：计算紧密度函数中衡量故障状态对量值影响的因子Fd，计算公式为：
步骤三三：计算待测电路在某一频点下N次元件H处于故障状态下时电压值超出正常工作范围的次数的平方和并归一化到0到1之间，用表示；相位值超出正常工作范围的次数的平方和并归一化到0到1之间，用表示；NV(i)为第i次元件H处于故障状态下时电压值超出正常工作范围的次数，Np(i)为第i次元件H处于故障状态下时相位值超出正常工作范围的次数；
步骤三四：计算紧密度函数中衡量故障状态出现概率的因子Fn，计算公式为：
步骤三五：计算待测电路在某一频点下的紧密度函数F，计算公式为：
F＝Fd+Fn
步骤三六：计算待测电路在全频带下h个频点的紧密度函数F，得到紧密度函数曲线，h为全频带所取频率个数；具体数值可根据实际需要确定，可取在1Hz～1MHz内取千个频率点。
由两个因子构成，其中：h为扫频个数，选择模拟电路输出的电压值作为模拟电路输出的特征量对紧密度函数进行计算时，因子N为进行蒙特卡洛的次数；因子为H元件在N次蒙特卡洛分析下的故障状态输出的电压值超出在容差范围内正常工作输出的电压值的平方和；因子为H元件在N次蒙特卡洛分析下的故障状态下输出的电压值超出在容差范围内正常工作输出的电压值对应的蒙特卡洛次数的平方和。因此，因子反映了对一模拟电路系统进行N次蒙特卡洛分析下，由于H元件发生故障，最终输出信号的电压值超出正常工作范围的电压值的平均值，用于衡量电路系统中H元件发生故障时，其对于输出信号在幅值上的影响；因子反映了对一模拟电路系统进行N次蒙特卡洛分析下，由于H元件发生故障，输出信号的电压值超出正常工作范围的概率，用于衡量电路系统中某一元件发生故障时，其对输出信号的幅值造成影响的可能性大小。
同理，选择模拟电路输出的相位值作为模拟电路输出的特征量对紧密度函数进行计算时，因子N为进行蒙特卡洛的次数；因子为H元件在N次蒙特卡洛分析下的故障状态输出的相位值超出在容差范围内正常工作时输出的相位值的和；因子为H元件在N次蒙特卡洛分析下的故障状态下的输出的相位值超出在容差范围内正常工作的输出的相位值对应的蒙特卡洛次数。因此，因子反映了对一模拟电路系统进行N次蒙特卡洛分析下，由于H元件发生故障，最终输出信号的相位值超出正常工作范围的相位值的平均值，用于衡量电路系统中H元件发生故障时，其对于输出信号对相位的影响；因子反映了对一模拟电路系统进行N次蒙特卡洛分析下，由于H元件发生故障，输出信号的相位值超出正常工作范围的概率，用于衡量电路系统中某一元件发生故障时，其对输出信号的相位造成影响的可能性大小。
若模拟电路系统正常工作，则其对于任一的电路元件的紧密度均为0。因此，紧密度函数既衡量了电路系统中某元件处于故障状态下的最终输出信号的电压值和相位偏离正常工作状态的程度，也衡量了电路系统中某元件处于故障状态的最终输出信号偏离正常工作状态的可能性大小。
其它步骤及参数与具体实施方式一至三之一相同。
实施例一：
以Sallen-Key带通滤波器电路为例，说明本发明的测试激励生成方法的实施过程，其中Sallen-Key带通滤波器电路的电路图如图1所示：
其中，设定电路正常工作状态的元件参数容差为5％，当电路元件电阻R1，电阻R5，电容C1，电容C2元件参数偏离标称值30％时的紧密度函数曲线如图2-图4所示，可以看出对于不同元件，应选择不同的测试激励频率。
通过本发明中的测试激励生成方法得出Sallen-Key带通滤波器电路中各元件的测试激励频率如表中所示：
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (4)
1.一种基于紧密度评价的模拟电路故障检测中测试激励生成方法，其特征在于：所述基于紧密度评价的模拟电路故障检测中测试激励生成方法包括以下步骤：
步骤一：获取电路在N次正常工作状态和N次元件H处于故障状态下，在全频带范围工作的特征信息，所述特征信息包括输出信号的电压值和相位；
步骤二：根据特征信息计算待测电路在全频带下N次元件H处于故障状态时特征值超出正常工作范围的量值大小与次数；所述正常工作为电路中各元件的参数值在容差范围内；
步骤三：根据特征信息和步骤二得到的故障状态时特征值超出正常工作范围的量值大小与次数计算全频带的紧密度函数值，并得到紧密度函数曲线；
步骤四：选择紧密度函数曲线中紧密度函数值取最大时对应的测试激励作为检测元件H的测试激励。
2.根据权利要求1所述的一种基于紧密度评价的模拟电路故障检测中测试激励生成方法，其特征在于：所述步骤一中获取电路在N次正常工作状态和N次元件H处于故障状态下，在全频带范围工作的特征信息的具体过程为：
步骤一一：获取待测电路在全频带下N次正常工作的电压值以及对应的电压值的最大值和最小值；
步骤一二：获取待测电路在全频带下N次正常工作的相位值以及对应的相位值的最大值和最小值；
步骤一三：获取待测电路在全频带下N次某元件H处于故障状态下的电压值；
步骤一四：获取待测电路在全频带下N次某元件H处于故障状态下的相位值。
3.根据权利要求2所述的一种基于紧密度评价的模拟电路故障检测中测试激励生成方法，其特征在于：所述步骤二中根据特征信息计算待测电路在全频带下N次元件H处于故障状态时特征值超出正常工作范围的量值大小与次数的具体过程为：
步骤二一：获得待测电路在全频带下N次元件H处于故障状态时电压值超出正常工作范围的量值大小与次数；
步骤二二：获得待测电路在全频带下N次元件H处于故障状态时相位值超出正常工作范围的量值大小与次数。
4.根据权利要求3所述的一种基于紧密度评价的模拟电路故障检测中测试激励生成方法，其特征在于：所述步骤三中根据特征信息和步骤二得到的故障状态时特征值超出正常工作范围的量值大小与次数计算全频带的紧密度函数值的具体过程为：
步骤三一：计算待测电路在某一频点下N次元件H处于故障状态下时电压值超出正常工作范围的量值的平方和并归一化到0到1之间，用表示，相位值超出正常范围的量值的平方和并归一化到0到1之间，用表示；DV(i)为第i次元件H处于故障状态下时电压值超出正常工作范围的量值，Dp(i)为第i次元件H处于故障状态下时相位值超出正常工作范围的量值；
步骤三二：计算紧密度函数中衡量故障状态对量值影响的因子Fd，计算公式为：
<mrow>
<msub>
<mi>F</mi>
<mi>d</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>D</mi>
<mi>V</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>D</mi>
<mi>P</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mi>N</mi>
</mfrac>
</mrow>
步骤三三：计算待测电路在某一频点下N次元件H处于故障状态下时电压值超出正常工作范围的次数的平方和并归一化到0到1之间，用表示；相位值超出正常工作范围的次数的平方和并归一化到0到1之间，用表示；NV(i)为第i次元件H处于故障状态下时电压值超出正常工作范围的次数，Np(i)为第i次元件H处于故障状态下时相位值超出正常工作范围的次数；
步骤三四：计算紧密度函数中衡量故障状态出现概率的因子Fn，计算公式为：
<mrow>
<msub>
<mi>F</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>N</mi>
<mi>v</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>N</mi>
<mi>p</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mi>N</mi>
</mfrac>
</mrow>
步骤三五：计算待测电路在某一频点下的紧密度函数F，计算公式为：
F＝Fd+Fn
步骤三六：计算待测电路在全频带下h个频点的紧密度函数F，得到紧密度函数曲线，h为全频带所取频率个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710335823.3A CN107085179B (zh) | 2017-05-12 | 2017-05-12 | 一种基于紧密度评价的模拟电路故障检测中测试激励生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710335823.3A CN107085179B (zh) | 2017-05-12 | 2017-05-12 | 一种基于紧密度评价的模拟电路故障检测中测试激励生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107085179A true CN107085179A (zh) | 2017-08-22 |
| CN107085179B CN107085179B (zh) | 2019-07-02 |
Family
ID=59608865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710335823.3A Active CN107085179B (zh) | 2017-05-12 | 2017-05-12 | 一种基于紧密度评价的模拟电路故障检测中测试激励生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107085179B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108845247A (zh) * | 2018-06-29 | 2018-11-20 | 哈尔滨工业大学 | 一种模拟电路模块故障诊断方法 |
| CN111398777A (zh) * | 2020-03-10 | 2020-07-10 | 哈尔滨工业大学 | 基于合成偏差的模拟电路测试激励优化方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3991302A (en) * | 1974-11-22 | 1976-11-09 | Grumman Aerospace Corporation | Method for detecting and isolating faults in digital and analog circuits with multiple infrared scanning under conditions of different stimuli |
| US5202639A (en) * | 1989-01-09 | 1993-04-13 | Schlumberger Technologies Limited | Method and apparatus for testing analogue circuits |
| CN101221213A (zh) * | 2008-01-25 | 2008-07-16 | 湖南大学 | 基于粒子群算法的模拟电路故障诊断神经网络方法 |
| CN101231672A (zh) * | 2008-02-02 | 2008-07-30 | 湖南大学 | 基于改进型bp神经网络的模拟电路软故障诊断方法 |
| CN101477172A (zh) * | 2009-02-18 | 2009-07-08 | 湖南大学 | 一种基于神经网络的模拟电路故障诊断方法 |
| CN101614787A (zh) * | 2009-07-07 | 2009-12-30 | 南京航空航天大学 | 基于M-ary结构分类器的模拟电子电路故障诊断方法 |
| CN101894296A (zh) * | 2010-07-05 | 2010-11-24 | 湖南大学 | 一种基于标准差与偏斜度的模拟电路故障诊断神经网络方法 |
| CN102520342A (zh) * | 2011-12-07 | 2012-06-27 | 南京航空航天大学 | 基于动态反馈神经网络建模的模拟电路测试节点选择方法 |
| CN103439646A (zh) * | 2013-08-28 | 2013-12-11 | 深圳华越天芯电子有限公司 | 一种模拟电路测试矢量生成方法 |
| CN105137328A (zh) * | 2015-07-24 | 2015-12-09 | 四川航天系统工程研究所 | 基于hmm的模拟集成电路早期软故障诊断方法及系统 |
| CN105574541A (zh) * | 2015-12-14 | 2016-05-11 | 天云融创数据科技（北京）有限公司 | 一种基于紧密度排序的网络社区发现方法 |
-
2017
- 2017-05-12 CN CN201710335823.3A patent/CN107085179B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3991302A (en) * | 1974-11-22 | 1976-11-09 | Grumman Aerospace Corporation | Method for detecting and isolating faults in digital and analog circuits with multiple infrared scanning under conditions of different stimuli |
| US5202639A (en) * | 1989-01-09 | 1993-04-13 | Schlumberger Technologies Limited | Method and apparatus for testing analogue circuits |
| CN101221213A (zh) * | 2008-01-25 | 2008-07-16 | 湖南大学 | 基于粒子群算法的模拟电路故障诊断神经网络方法 |
| CN101231672A (zh) * | 2008-02-02 | 2008-07-30 | 湖南大学 | 基于改进型bp神经网络的模拟电路软故障诊断方法 |
| CN101477172A (zh) * | 2009-02-18 | 2009-07-08 | 湖南大学 | 一种基于神经网络的模拟电路故障诊断方法 |
| CN101614787A (zh) * | 2009-07-07 | 2009-12-30 | 南京航空航天大学 | 基于M-ary结构分类器的模拟电子电路故障诊断方法 |
| CN101894296A (zh) * | 2010-07-05 | 2010-11-24 | 湖南大学 | 一种基于标准差与偏斜度的模拟电路故障诊断神经网络方法 |
| CN102520342A (zh) * | 2011-12-07 | 2012-06-27 | 南京航空航天大学 | 基于动态反馈神经网络建模的模拟电路测试节点选择方法 |
| CN103439646A (zh) * | 2013-08-28 | 2013-12-11 | 深圳华越天芯电子有限公司 | 一种模拟电路测试矢量生成方法 |
| CN105137328A (zh) * | 2015-07-24 | 2015-12-09 | 四川航天系统工程研究所 | 基于hmm的模拟集成电路早期软故障诊断方法及系统 |
| CN105574541A (zh) * | 2015-12-14 | 2016-05-11 | 天云融创数据科技（北京）有限公司 | 一种基于紧密度排序的网络社区发现方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王其高: "基于Volterra核模拟电路故障诊断的测试激励优化及实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 赵鹏: "模拟电路测点优选与测试生成方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108845247A (zh) * | 2018-06-29 | 2018-11-20 | 哈尔滨工业大学 | 一种模拟电路模块故障诊断方法 |
| CN108845247B (zh) * | 2018-06-29 | 2021-02-02 | 哈尔滨工业大学 | 一种模拟电路模块故障诊断方法 |
| CN111398777A (zh) * | 2020-03-10 | 2020-07-10 | 哈尔滨工业大学 | 基于合成偏差的模拟电路测试激励优化方法 |
| CN111398777B (zh) * | 2020-03-10 | 2022-03-15 | 哈尔滨工业大学 | 基于合成偏差的模拟电路测试激励优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107085179B (zh) | 2019-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11402438B2 (en) | Intelligent on-line diagnosis and positioning method for winding deformation of power transformers | |
| CN107966632B (zh) | 一种在运电力变压器内绕组辐向抗短路能力的评估方法 | |
| CN103868692B (zh) | 基于核密度估计和k-l散度的旋转机械故障诊断方法 | |
| CN110441695A (zh) | 一种基于模型和信号处理相结合的电池组多故障综合诊断方法 | |
| CN101782625B (zh) | 一种基于Gradation-Boosting算法的电力电子系统故障诊断方法 | |
| CN102749521A (zh) | 一种电力系统谐波阻抗计算方法 | |
| CN103884593B (zh) | 基于少量静态测量数据的结构损伤定位与程度识别方法 | |
| CN105203951A (zh) | 一级马尔科夫模型开关磁阻电机系统可靠性定量评估方法 | |
| CN107085179A (zh) | 一种基于紧密度评价的模拟电路故障检测中测试激励生成方法 | |
| CN104019831A (zh) | 基于emd和熵权的陀螺仪故障诊断方法 | |
| CN107451744A (zh) | 一种基于模糊综合评价的变电站接地装置状态评估方法 | |
| CN106771640A (zh) | 一种列车供电系统对地等效绝缘电阻的定量检测方法 | |
| CN103336994A (zh) | 电力系统暂态稳定评估预想故障集快速筛选方法 | |
| CN105356462A (zh) | 风电场谐波预测评估方法 | |
| CN110780128A (zh) | 一种敏感设备电压暂降故障概率评估方法 | |
| CN107133476A (zh) | 一种基于响应混叠性度量的测试激励与测点的协同优化方法 | |
| CN110543730B (zh) | 一种变压器绕组变形故障判定方法 | |
| CN104635146B (zh) | 基于随机正弦信号测试和hmm的模拟电路故障诊断方法 | |
| CN105891625A (zh) | 基于能量流的电力系统次同步振荡扰动源辨别方法 | |
| CN102129027A (zh) | 一种基于故障字典的开关电流电路故障诊断方法 | |
| Aboshady et al. | Fault detection and classification scheme for PV system using array power and cross-strings differential currents | |
| Sun et al. | Diagnosis of winding fault in three-winding transformer using lightning impulse voltage | |
| CN110058124A (zh) | 线性离散时滞系统的间歇故障检测方法 | |
| CN106301610A (zh) | 一种超外差接收机的自适应故障检测和诊断方法及装置 | |
| Jiang et al. | PMU-aided voltage security assessment for a wind power plant |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |