印制电路板故障诊断技术研究--基于统计模式识别理论的印制电路板非介入式故障诊断
| 文献类型 | 学位 |
| 作者 | 万九卿[1] |
| 机构 | 北京航空航天大学 ↓ |
| 授予学位 | 博士 |
| 年度 | 2003 |
| 学位授予单位 | 北京航空航天大学 |
| 语言 | 中文 |
| 关键词 | 故障诊断;模式识别;信息技术;印制电路板 |
| 摘要 | 该文主要在电路故障信息的获取和预处理，故障特征的提取，分类器的设计，以及不同检测手段的信息融合几方面进行了深入的研究，主要取得了以下结果：1.将传统意义上测点的概念推广为电路中能够携带故障信息的任何可测量变量.用Shannon信息熵对在一定测点集合上测量前后电路故障状态的不确定性进行了定量描述，在此基础上提出了测点集合诊断信息量的概念并给出了其估计方法.将测点选择问题建模为在全体可达测点集合中选取具有最大诊断信息量的测点子集问题，并用遗传算法对最优测点子集进行搜索.讨论了遗传算法中染色体的编码方式，适应度函数的选择以及遗传算子的设计方法.2.提出一种基于核函数的非线性特征提取算法.首先将原始特征向量由某一非线性映射由输入空间变换到高维特征空间.在特征空间中提出了一种新的样本可分性度量，该度量由样本自相关矩阵和样本类内类间离散度矩阵定义，推导了优化该度量的线性算法.引入不同的核函数代替特征空间中的向量间的内积运算，从而得到该线性特征提取算法不同的非线性版本.由此得到的非线性特征提取器被应用于标准数据集和实际电路的故障诊断中，取得了良好的特征提取效果.3.提出一种串行支持向量多类分类策略.其中多个具有不同分辨率的支持向量二类分类器组成串行结构，各个二类分类器分别由全体样本集合的具有不同离散度的样本子集进行训练.和传统分类器相比，支持向量方法能够取得更高的分类准确率.而串行支持向量分类器在训练和分类效率上均优于并行支持向量分类器，同时通过引入局部特征提取器可以进一步提高其分类准确率.4.在印制电路板红外热像诊断信息预处理的研究中，提出了一种新的辐射率校准方法.将印制电路板表面测量温度看作是实际温度分布与辐射率分布的混合波形，利用二者连续性的不同将其区分开来.利用小波变换实现热像信号中的突变点检测，实验结果说明该方法能够准确地估计印制电路板表面的实际温度分布波形，取得理想的辐射率校准效果.5.研究了电路板红外热像诊断和传统电信号诊断的信息融合技术，利用模糊集理论中的隶属度来确定各种诊断方式的信度函数，由Dempster-Shafer联合规则得到融合后的信度函数分配.和单一的诊断方法相比，进一步提高了诊断的准确率.总之，该文对印制电路板的非介入式诊断技术中的关键问题进行了深入研究，研究成果既具有一定的理论价值，又具有重要的实践指导意义. |
影响因子：
dc:title:印制电路板故障诊断技术研究--基于统计模式识别理论的印制电路板非介入式故障诊断
dc:creator:万九卿
dc:date: publishDate:1753-01-01
dc:type:学位
dc:format: Media：北京航空航天大学
dc:identifier: LnterrelatedLiterature：北京航空航天大学.2003.
dc:identifier:DOI：
dc: identifier:ISBN:
