开关电流电路测试与故障诊断PDF电子书下载

第1章 开关电流技术概述 1

1.1 模拟取样数据技术的发展历史 1

1.2 开关电容电路基本理论 2

1.3 开关电流技术的发展 3

1.4 开关电流技术与开关电容技术的比较 6

1.5 本章小结 6

参考文献 6

第2章 电路测试与故障诊断理论 9

2.1 引言 9

2.2 故障特征提取方法概述 10

2.2.1 基于主元分析的特征提取 10

2.2.2 基于小波分析的特征提取 11

2.2.3 基于多小波变换的特征提取 11

2.2.4 基于粗糙集的特征提取 11

2.2.5 基于分形理论的特征提取 12

2.2.6 基于互信息熵的特征提取 12

2.3 模拟电路故障诊断技术 13

2.3.1 模拟电路故障诊断的发展及研究现状 13

2.3.2 模拟电路故障诊断的传统方法 17

2.3.3 模拟电路故障诊断现代智能诊断方法 18

2.4 开关电流电路测试与故障诊断基本理论 19

2.4.1 开关电流电路测试与故障诊断研究现状 19

2.4.2 开关电流电路测试与故障诊断方法 21

2.4.3 开关电流电路仿真程序ASIZ 25

2.5 本章小结 28

参考文献 28

第3章 开关电流电路灵敏度分析与故障模型硬故障测试 35

3.1 引言 35

3.2 开关电流电路的灵敏度分析 35

3.3 开关电流电路故障模型 37

3.4 诊断实例 39

3.4.1 基本存储单元硬故障测试 39

3.4.2 三阶低通滤波器硬故障测试 40

3.5 本章小结 41

参考文献 42

第4章 开关电流电路伪随机测试与诊断 43

4.1 引言 43

4.2 开关电流电路的伪随机测试和故障诊断 44

4.2.1 伪随机技术测试原理 45

4.2.2 伪随机序列的生成 46

4.2.3 空间映射 47

4.2.4 候选信号的选择 48

4.2.5 特征信号的容差范围 48

4.3 应用实例 49

4.3.1 序列参数选择 50

4.3.2 开关电流电路测试 50

4.3.3 测试结果及分析 52

4.4 本章小结 53

参考文献 54

第5章 基于故障字典和信息熵预处理的开关电流电路故障诊断 55

5.1 引言 55

5.2 信息熵理论 56

5.2.1 熵的定义 56

5.2.2 微分熵和极大熵 57

5.2.3 用非多项式函数近似熵 58

5.3 基于信息熵预处理的故障字典诊断方法 59

5.3.1 信息熵预处理故障字典诊断原理 59

5.3.2 故障模式的定义 60

5.3.3 故障特征提取 61

5.3.4 故障诊断实例 62

5.4 本章小结 69

参考文献 70

第6章 基于神经网络的开关电流电路故障诊断研究 72

6.1 引言 72

6.2 峭度理论 72

6.2.1 峭度的定义 73

6.2.2 用峭度来度量非高斯性 74

6.3 开关电流电路故障诊断的神经网络结构确定 75

6.3.1 神经网络概述 75

6.3.2 故障特征提取 78

6.3.3 BP神经网络结构确定 79

6.4 开关电流电路诊断实例 85

6.4.1 诊断实例1：6阶切比雪夫低通滤波器 86

6.4.2 诊断实例2：6阶椭圆带通滤波器 91

6.4.3 诊断实例3：时钟馈通补偿电路（CKFT） 93

6.4.4 故障诊断结果分析 93

6.5 本章小结 95

参考文献 95

第7章 基于故障特征预处理技术的开关电流电路小波变换故障诊断 97

7.1 引言 97

7.2 小波变换理论 97

7.2.1 小波变换的产生 97

7.2.2 小波变换的定义 98

7.2.3 常用小波函数 99

7.2.4 小波基的特性与选择 102

7.2.5 小波分解与重构 104

7.2.6 基于小波的故障特征提取 107

7.3 故障特征预处理技术 110

7.3.1 信息熵预处理 110

7.3.2 Haar小波正交滤波器预处理 112

7.4 基于信息熵和Haar小波变换故障诊断方法 115

7.5 诊断实例与分析 116

7.5.1 诊断实例1：6阶切比雪夫低通滤波器 116

7.5.2 诊断实例2：6阶椭圆带通滤波器 121

7.5.3 诊断实例3：时钟馈通补偿电路（CKFT） 125

7.5.4 诊断结果分析 125

7.6 本章小结 126

参考文献 126

第8章 基于独立成分分析的开关电流电路故障诊断 128

8.1 引言 128

8.2 独立成分分析基本理论 128

8.2.1 ICA技术概述 128

8.2.2 独立成分分析的预处理 131

8.2.3 ICA估计原理 134

8.3 基于ICA的开关电流电路故障特征提取 139

8.3.1 基于负熵的ICA特征提取 140

8.3.2 基于峭度的ICA特征提取 143

8.4 实验验证和分析 145

8.4.1 诊断电路和故障设置 145

8.4.2 Haar小波正交滤波器预处理 147

8.4.3 ICA故障特征提取 148

8.4.4 神经网络的确定 153

8.4.5 诊断结果分析 154

8.5 结论 155

参考文献 155

第9章 基于小波分形和粒子群支持向量机的开关电流电路故障诊断 156

9.1 引言 156

9.2 小波分形分析 156

9.2.1 小波分解原理 156

9.2.2 分形基本理论 157

9.2.3 分形维计算 159

9.3 核主元分析 160

9.3.1 核主元分析基本理论 160

9.3.2 核主元分析方法 163

9.4 粒子群优化支持向量机 165

9.4.1 支持向量机概述 165

9.4.2 粒子群优化算法 172

9.4.3 粒子群优化支持向量机算法 175

9.5 诊断实例 176

9.5.1 诊断电路和故障设置 177

9.5.2 小波分形分析方法的特征计算 177

9.5.3 核主元分析特征提取 177

9.5.4 仿真结果分析 178

9.6 结论 180

参考文献 181

附录 182