上海申思特自動化設備有限公司
主營產品: 美國E E傳感器,美國E E減壓閥,意大利ATOS阿托斯油缸,丹麥GRAS麥克風,丹麥GRAS人工頭, ASCO電磁閥,IFM易福門傳感器 |
聯系電話
上海申思特自動化設備有限公司
主營產品: 美國E E傳感器,美國E E減壓閥,意大利ATOS阿托斯油缸,丹麥GRAS麥克風,丹麥GRAS人工頭, ASCO電磁閥,IFM易福門傳感器 |
聯系電話
參考價 | 面議 |
更新時間:2016-11-25 16:26:05瀏覽次數:659
聯系我們時請說明是化工儀器網上看到的信息,謝謝!
OMAL歐瑪爾開關電流電路研究
OMAL開關電流技術是20世紀80年代末提出的一門*采用數字CMOS工藝技術的模擬采樣數據信號處理技術,作為OMAL開關電容的替代技術,OMAL開關電流電路是基于電流模的電路,它用離散時間的取樣數據系統處理連續(xù)時間的模擬信號,具有低電壓、低功耗、高速度、芯片面積小、高頻特性好和動態(tài)范圍大等優(yōu)點。
OMAL歐瑪爾開關電流電路研究
OMAL開關電流技術不需要線性浮置電容和高性能的運算放大器,從而與標準CMOS工藝*兼容,有利于大規(guī)模集成數?;旌想娐返膶崿F。在離散時間模擬電路領域,OMAL開關電流技術越來越被認為可以取代OMAL開關電容技術。現代電子和計算機技術的迅猛發(fā)展促進了片上系統、混合集成電路的大量涌現,也使電子設備的組成和結構越來越復雜,規(guī)模越來越龐大,為了提高系統的安全性和可靠性,對電路測試提出了更高、更新的要求,研究高效、順應電路發(fā)展需求的故障診斷理論和方法迫在眉睫。經過多年的發(fā)展,模擬電路測試與故障診斷已經取得了一定的研究成果。然而,在OMAL開關電流電路的測試和故障診斷方面兒乎仍是空白,這極大地限制了數字工藝的模擬技術—OMAL開關電流技術的發(fā)展,而且,OMAL開關電流電路中MOS晶體管的非理想性、非零輸出電導、有限帶寬和OMAL開關電荷注入等原因決定了OMAL開關電流電路測試和故障診斷是一個相當困難的課題,一直沒有取得系統性和突破性的進展?;诖耍疚膶MAL開關電流電路測試與故障診斷方法進行了系統而深入的研究,對基于故障模型的OMAL開關電流電路硬故障測試方法作了初步研究,在此基礎上,提出了幾種新的OMAL開關電流電路測試與故障診斷方法并用電路實例進行了驗證。完成的主要工作包括:綜述了OMAL開關電流技術的發(fā)展及相對OMAL開關電容技術的優(yōu)勢。介紹了OMAL開關電流仿真軟件ASIZ及其基本功能及特點。接著詳細分析了OMAL開關電流電路硬故障和軟故障模型,對基于故障模型的OMAL開關電流硬故障測試方法作了初步研究,對兩個電路進行了實例測試。提出了一種用偽隨機技術進行OMAL開關電流電路測試的方法。將偽隨機激勵信號引入到OMAL開關電流電路測試中,討論了偽隨機測試技術在OMAL開關電流電路測試的應用,通過檢測和對比故障特征信號(脈沖響應樣本)與器件容差范圍,我們不用明確測量原始性能參數,就能正確地對被測器件進行故障識別。討論了偽隨機激勵信號的生成,論述了在工藝制板空間、器件空間、性能空間和識別特征空間進行空間映射的方法以及特征信號的容差范圍。以一個5階巴特沃斯低通OMAL開關電流濾波器和一個6階橢圓帶通濾波器為例進行了測試驗證,對OMAL開關電流電路基本故障類型進行了仿真測試,結果證明了測試和故障診斷方法的有效性。提出了一個新穎的基于故障字典和熵預處理的OMAL開關電流電路故障診斷方法。該方法應用信息熵預處理技術來診斷OMAL開關電流電路中的故障,使用一個數據采集板從被測電路的輸出端提取原始信號,這些原始數據被經過預處理,找到包含在信號中的定量度量——信號的信息熵。該方法通過高精度分析輸出端信號,對OMAL開關電流電路中的故障晶體管具有檢測和識別能力。利用信息熵預處理電路響應大大降低了故障字典的大小,減少了故障檢測時間,并簡化了故障字典架構。該方法不僅能分類災難性故障,也能定位參數性故障,它既應用于模擬電路又可應用于OMAL開關電流電路。一個低通和帶通OMAL開關電流濾波器和一個時鐘饋通補償電路被用做電路實例來驗證所提出方法的有效性。結果表明,所提出的方法僅僅使用一個特征參數減少了計算和故障診斷時間。提出了一個基于神經網絡的OMAL開關電流電路故障診斷方法。該方法利用一個數據采集板從被測器件的輸出端提取到神經網絡的原始訓練數據,這些原始數據通過特征選擇后,找出信號的峭度和熵,因此能大大減少神經網絡分類器輸入端數目,簡化神經網絡的結構,減少訓練和處理時間和改善了網絡的性能。通過分析電路輸出端信號,該系統能夠高精度地檢測和定位OMAL開關電流電路中的故障晶體管,達到98%的故障分類精度。
OMAL歐瑪爾開關電流電路研究
利用ASIZ仿真能夠提取適當的特征參數來訓練神經網絡。而且,因為神經網絡在噪聲環(huán)境下能達到魯棒的分類,該技術不僅能檢測和定位硬故障而且能分類軟故障。當電路中同時發(fā)生故障的故障品體管數目和故障類別數較大時,該方法能獲得較高的故障分類率。