Wyniki wyszukiwania - Biblioteka Nauki

1

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

100%

Toczek W. , Kowalewski M.

|

tom Vol. 12, nr 4

463-476

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.

2

Nowa, metrologicznie zorientowana sieć neuronowa i metoda diagnostyki obiektów technicznych

100%

Zielonko R. , Kowalewski M.

|

tom R. 54, nr 3

174-177

PL

W artykule przedstawiono nową, metrologicznie ukierunkowaną sieć neuronową oraz bazującą na niej metodę diagnostyki uszkodzeń parametrycznych układów analogowych, z klasyfikcją neuronową, o zwiększonej odporności na tolerancje elementów układu i niepewności pomiaru. Zaproponowano sieć neuronową z Dwu-centrowymi Radialnymi Funkcjami Bazowymi (DRFB), której walorem jest lepsze odwzorowanie słownika uszkodzeń, poprawa dokładności klasyfikacji i większa odporność na tolerancje, w porównaniu z siecią zawierającą jedno-centrowe radialne funkcje bazowe (RFB). Opisano 2 metody konstrukcji słownika uszkodzeń, w postaci rozproszonych krzywych identyfika-cyjnych, wykorzystujące transformację biliniową oraz analizę składowych głównych. Metodę zilustrowano na przykładzie diagnostyki 2 prostych układów analogowych. Może ona być stosowana do diagnozowania innych obiektów technicznych.

EN

In this paper a new metrologically oriented neural network and method for parametric fault localization and rough identification are presented. The characteristic feature of the network is application of new two-center radial basis functions in the hidden layer. In result, the better classification accuracy, as well as robustness against non-faulty component tolerances and measurement errors has been obtained, in comparison with known Radial Basis Function neural network. Two construction methods of fault dictionary in the form of dispersed identification curves are described: bilinear transformation and principal component analysis methods. The diagnosis method was illustrated on the exemplary 2 analog circuits. It can be used for diagnosis of other technical objects.

3

Ewolucyjna metoda diagnozowania wielokrotnych uszkodzeń parametrycznych i katastroficznych

100%

Korzybski M.

|

tom R. 85, nr 11

195-198

PL

W pracy przedstawiona została modyfikacja algorytmu diagnozowania wielokrotnych uszkodzeń parametrycznych i katastroficznych w liniowych i nieliniowych obwodach elektrycznych pozwalająca bardzo często na istotne skrócenie czasu obliczeń potestowych. Jest to efekt uwzględnienia faktu dużo większego prawdopodobieństwie występowania uszkodzeń katastroficznych niż parametrycznych. Umożliwiło to w wielu przypadkach eliminację procesu dokładnej identyfikacji uszkodzenia wykorzystującego algorytm genetyczny.

EN

The paper deals with a modyfication of an algorithm for multiple parametric and catastrofic fault diagnosis in linear and nonlinear electronic circuits, which enable us frequently to shorten the after-test computation time. Due to the greater probability of catastrofic than parametric fault occurrence the process of exactly fault identyfication, which uses genetic algorithm, can be often eliminated.