基于數據挖掘的電路故障分析方法研究.pdf_第1頁
已閱讀1頁,還剩98頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著電子設備的使用日益增多,其規(guī)模和復雜性顯著提升,尤其是在航天航空等領域,因此電子設備是否可靠、安全變的額外重要。電路故障分析是一種提高電子設備安全、可靠的重要方法,這種方法既可以發(fā)現電路中潛在的故障模式,也可以對故障電路進行故障定位。因此,對電路進行電路故障分析具有重要意義。
  本文進行電路故障分析的主要思路通過電路仿真解決了數據挖掘所需的數據源問題;通過特征選擇解決了樣本中冗余的特征剔除問題,使聚類分析利用較少的特征子集即

2、可挖掘出最多的潛在故障模式,進而減少分類模型建立的復雜度;通過聚類分析解決了電路系統(tǒng)中潛在故障模式的劃分問題;通過基于規(guī)則和最近鄰兩種分類算法解決了電路系統(tǒng)的潛在故障分類模型的構建問題。另一方面,以電路仿真為基礎,對電路進行FMEA分析,可以得到電路系統(tǒng)中模塊與模塊之間的故障傳播關系,還可以得到器件和各模塊的故障失效矩陣,其結果為故障定位提供了另外兩種新的思路:基于FMEA分析的故障定位和基于故障傳播有向圖的故障定位,前者可以從“現象層

3、面”直接根據報警器的狀態(tài)進行故障定位,后者通過篩選候選故障源和非故障源,更高效的解決了故障器件的定位問題;論文的內容包括:
  首先介紹了數據挖掘和電路故障分析相關理論,其包括電路故障層次關系、電路中模塊之間的故障傳播以及常見的幾類電路故障診斷方法。
  接下來介紹了電路仿真,并對電路仿真的結果根據信號的類別不同分別進行了不同的特征化預處理。還介紹了特征選擇相關知識,包括特征選擇一般過程、聚類分析以及聚類有效性的判斷準則,并

4、結合DB Index準則和簇總數改進了基于聚類分析的特征選擇算法,經驗證該算法執(zhí)行效果良好且時間復雜性較低。
  然后對故障定位方法進行了研究。一方面通過二分 K聚類完成了潛在故障模式的劃分,以此為基礎作為基于分類模型的故障定位方法的訓練集,其中,分類模型定位方法包括:基于最近鄰分類模型故障定位、基于規(guī)則分類模型故障定位。另一方面根據FMEA分析的結果提出了基于FMEA分析的故障定位和基于故障傳播有向圖的故障定位。以上幾種故障定位

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論