Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Metrology and Measurement Systems

1 2005

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: soft-faults

Sortuj według:

Ogranicz wyniki do:

A neural network based system for soft fault diagnosis in electronic circuits

Toczek W., Kowalewski M.

Metrology and Measurement Systems

2005

Vol. 12, nr 4

463-476

The paper considers the architecture and the main steps of development of a neural network based system for diagnosis of soft faults in analog electronic circuits. The definition of faults of interest, selection of an optimal set of measurements, feature extraction, the construction of the artificial neural network, training and testing the network, are considered. A fault dictionary method was implemented in the system. Experimental results are presented on an example of diagnosis of a 6-th order bandpass filter. The measuring part of the system performs input-output measurements in the frequency domain with the aid of a HP 4192 Transmitance Analyzer.

W artykule przedstawiono system do diagnostyki uszkodzeń parametrycznych w układach elektronicznych. W systemie zaimplementowano słownikową metodę lokalizacji uszkodzeń, bazującą na pomiarach w dziedzinie częstotliwości przeprowadzanych za pomocą analizatora transmitancji HP4192A. Rozważono główne etapy projektowania systemu: definiowanie modelu uszkodzeń, wybór optymaInych częstotliwości pomiarowych, ekstrakcję cech diagnostycznych, konstrukcje sieci neuronowej oraz trening i testowanie sieci. Główną cechą prezentowanego podejścia jest zastosowanie słownikowej metody lokalizacji uszkodzeń do uszkodzeń parametrycznych. Rozpatrywane są pojedyncze uszkodzenia parametryczne elementów dyskretnych. Przedstawiono metodę optymalizacji częstotliwości pomiarowych na podstawie analizy wrażliwościowej charakterystyki amplitudowej względem wartości parametrów elementów. Selekcja częstotliwości bazuje na ocenie ekstremaInych wartości charakterystyk wrażliwościowych. Przestrzeń danych pomiarowych zredukowano do czterech wymiarów za pomocą analizy składowych głównych (PCA). Przekształcenie PCA ortogonalizuje elementy oryginaInych wektorów danych, porządkuje według wielkości ich wariancji i eliminuje składowe, które mają najmniejszy wkład w wyjaśnienie zmienności danych. Dane transformowane do przestrzeni o zredukowanej liczbie wymiarów służą jako dane wejściowe dla klasyfikatora. Do klasyfikacji sygnatur zastosowano sieć neuronową typu GRNN z radialnymi funkcjami bazowymi w warstwie ukrytej. Klasteryzację danych przeprowadzono za pomocą algorytmu Fuzzy C-Mean. Centra radiaInych funkcji bazowych warstwy ukrytej nałożono na centroidy poszczególnych klastrów. Zadaniem warstwy wyjściowej jest przyporządkowanie neuronów radiaInych do poszczegóInych klas uszkodzeń. Sieć dokonuje klasyfikacji sygnatury uszkodzenia otrzymywanej z pomiarów poprzez wskazanie najbardziej prawdopodobnego uszkodzenia. Zastosowany typ sieci wytwarza znormalizowane odpowiedzi umożliwiające wyznaczenie poziomu niepewności wyniku diagnozy.