Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  analog fault diagnosis
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
This paper presents a Kalman filter based method for diagnosing both parametric and catastrophic faults in analog circuits. Two major innovations are presented, i.e., the Kalman filter based technique, which can significantly improve the efficiency of diagnosing a fault through an iterative structure, and the Shannon entropy to mitigate the influence of component tolerance. Both these concepts help to achieve higher performance and lower testing cost while maintaining the circuit.s functionality. Our simulations demonstrate that using the Kalman filter based technique leads to good results of fault detection and fault location of analog circuits. Meanwhile, the parasitics, as a result of enhancing accessibility by adding test points, are reduced to minimum, that is, the data used for diagnosis is directly obtained from the system primary output pins in our method. The simulations also show that decision boundaries among faulty circuits have small variations over a wide range of noise-immunity requirements. In addition, experimental results show that the proposed method is superior to the test method based on the subband decomposition combined with coherence function, arisen recently.
2
Content available remote Heuristic methods to test frequencies optimization for analogue circuits diagnosis
75%
EN
This paper presents methods for optimal test frequencies search with the use of heuristic approaches. It includes a short summary of the analogue circuits fault diagnosis and brief introductions to the soft computing techniques like evolutionary computation and the fuzzy set theory. The reduction of both, test time and signal complexity are the main goals of developed methods. At the before test stage, a heuristic engine is applied for the principal frequency search. The methods produce a frequency set which can be used in the SBT diagnosis procedure. At the after test stage, only a few frequencies can be assembled instead of full amplitude response characteristic. There are ambiguity sets provided to avoid a fault tolerance masking effect.
PL
W artykule omówiono podstawy podejścia słownikowego do diagnostyki analogowych układów elektronicznych zwracając szczególną uwagę na zastosowania metod sztucznej inteligencji.
EN
Basic concepts of analog fault diagnosis by means of the Simulation Before Test (SBT) approach, the so called dictionary approach, have been presented. Special attention has been paid to application of artificial intelligence tools, such as: neural networks, fuzzy sets and evolutionary computing.
PL
Przedstawiono ewolucyjną metodę optymalizacji zestawu częstotliwości dla sinusoidalnych pobudzeń, testujących analogowe układy elektroniczne. Proponowana technika wykorzystuje zbiory niejednoznaczności i zmodyfikowany algorytm genetyczny z funkcją przystosowania wykorzystującą zestaw reguł eksperckich systemu rozmytego oraz metodą ważoną. Prezentowane rozwiązanie pozwala uzystać wysoką skuteczność dla praktycznych obwodów z uwzględnieniem rozrzutu tolerancyjnego i błędów pomiarowych. Algorytm został zaimplementowany z wykorzystaniem procesora wbudowanego MicroBlaze na platformie Virtex4 ML-401.
EN
The evolutionary technique of test frequencies selection for analog sinusoidal stimuli set is described in this paper. The proposed method bases on ambiguity set concept and evolutionary algorithm that has been executed for fuzzy and weighted fitness functions. The proposed approach to analog testing allows to achieve high efficiency for practical circuits under test with tolerance dispersions and test inaccuracies presence. Optimization system has been implemented with the use of the MicroBlaze embedded processor on Virtex4 ML-401 platform.
6
Content available remote A neural network based system for soft fault diagnosis in electronic circuits
63%
EN
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.
PL
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.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.