2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、模擬電路故障診斷仍然是當(dāng)前國際電路檢測領(lǐng)域的熱點(diǎn)和前沿問題。而傳統(tǒng)的模擬電路故障診斷方法已經(jīng)不能滿足大規(guī)模集成電路的診斷需求,特別是對于非線性、容差模擬電路的診斷。目前,對模擬電路故障診斷的研究,一是如何有效提取故障信息。二是如何建立高效的診斷模型。
   考慮到模擬故障電路的沖擊響應(yīng)信號包含時變和非平穩(wěn)信息,需要用小波理論進(jìn)行預(yù)處理。本文研究應(yīng)用小波包進(jìn)行預(yù)處理,但是得到的小波包重構(gòu)子信號只是包含故障信息的各階模擬信號,無法作

2、為神經(jīng)網(wǎng)絡(luò)等的輸入。對此,提出了利用方差和峭度兩個量提取各子信號故障信息的方法,解決了非線性、容差模擬電路故障特征提取難的問題。在解決小樣本、非線性和高維模式識別問題中,與神經(jīng)網(wǎng)絡(luò)方法相比,支持向量機(jī)具有泛化能力強(qiáng)、全局最優(yōu)等優(yōu)點(diǎn),本文研究應(yīng)用支持向量機(jī)來進(jìn)行模擬電路的故障診斷,針對DAG-SVM中由于節(jié)點(diǎn)選擇的隨機(jī)性,易導(dǎo)致“誤差積累”的缺點(diǎn),提出了基于向量投影的PDAG-SVM法。
   本文研究了一個從實(shí)際電路到故障診斷再

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論