开关电流电路测试与故障诊断PDF|Epub|txt|kindle电子书版本网盘下载

开关电流电路测试与故障诊断PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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ASIZ25

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