模糊模拟范文

2024-09-21

模糊模拟范文（精选5篇）

模糊模拟第1篇

近年来, 装备模拟训练因可迅速提升操控人员的设备操作能力和维护能力, 缩短人员训练周期, 且不受装备本身的使用寿命和训练条件约束, 不会因操作不当对装备造成损害等诸多优势受到广泛重视[1,2]。相应地, 如何科学、合理地构建评估模型, 实现对模拟训练效果的快速、有效评估成为研究热点[3]。

装备模拟训练通常包括理论学习和实践操作两大部分。理论学习部分目的在于让操控人员掌握装备基本情况、基本原理、操作方法以及注意事项等与装备密切相关的理论知识, 对于这一部分效果的评估, 一般采用卷面考核的方式。相比之下, 实践操作效果的评估更为复杂。一种最直观、也是目前被普遍采用的方法就是人工评价。人工评价虽能够有针对性地指出操作过程中存在的各种问题, 但这种方法缺乏客观测度, 难以统一评价标准, 且效率较为低下。现代基于计算机系统的评价多采用综合评价方法[4,5]。综合评价指对多属性体系结构描述的对象系统做出全局性、整体性的评价, 其基本思想是评价量化值的加权平均。对于需要考虑含有多种模糊性因素的模拟训练评估, 模糊综合评价[6]将是有效的方法。

为了得到能够较客观、准确地反映操控人员训练情况的评估结果, 针对现有评估方法的不足, 本文从操作准确度、熟练程度、完成时限、结果准确度等四个方面入手, 构建基于模糊评判的模拟训练效果评估模型, 并将其应用于某模拟训练系统, 获得了良好的效果。

1 模糊综合评价一般模型

模糊综合评价也叫模糊综合决策, 是指考虑多种模糊性因素的影响, 依据一定的目标或标准对评价对象做出综合评价的方法[7]。其具体做法[8]为:首先将模糊信息定量化, 即采用一定的方法将各模糊因素进行定量描述;其次, 建立评语集对各因素进行评估, 得出评估矩阵;然后, 根据评估矩阵和权重计算的结果给出最后的评估结果。

模糊综合评价一般模型包含要素为[9]:因素集、权重、评判集和模糊关系运算, 分别定义如下:

(1) 因素集U。定义U (28) {U1, U2, ..., UK}表示被评价对象的K种因素。

(3) 评判集C。定义评判集C={C1, C2, ..., CM}表示对每一因素所处状态的各种决断。

(4) 模糊关系运算, 指从因素得出决断的运算过程。

2 基于模糊评判的模拟训练效果评估模型

根据模糊综合评价一般模型, 基于模糊评判的模拟训练效果评估模型涉及评价指标体系的建立、权重的计算、评判集的确定、评估流程和方法等。对于后两项内容, 本文采用百分制评判、加权求和的评估方法。因此, 研究重点在于评价指标体系的建立以及权重的确定。

2.1 评价指标体系的建立

实际中, 对装备的模拟训练有相当一部分依托于模拟训练系统或软件, 依靠计算机完成。为了实现对此类模拟训练效果的客观、合理评估, 本文设定操作准确度、熟练程度、完成时限、结果准确度这四大评价指标, 其中操作准确度通过正确点击率、操作流程准确率和专家评判指数来衡量, 熟练程度通过操作时间间隔、判决时间间隔、提交结果数量和专家评判指数来衡量, 完成时限由操作总耗时衡量, 结果准确度由结果准确率衡量。评价指标体系如图1所示。

在上述评价指标体系中, 除了专家评判指数由专家根据操控人员的操作情况给出, 其他指标均由计算机测定、计算以及记录。该指标体系用于训练效果评估, 相比人工评价, 显然能够大大提高评估结果的客观性。

2.2 权重的计算

评价指标的权重反映了指标对评估过程的影响高低以及指标之间相对的重要程度, 是多指标综合评价的关键。常用权重计算方法有经验评定法[10]、比较加权法[11]和层次分析 (AHP, Analytic Hierarchy Process) 法[12]等。其中, AHP法是一种能够对定性问题进行定量分析的多准则决策方法, 其能够将主客观判断有效结合, 通过划分层次, 将复杂问题的各种因素条理化, 进而对每一相同层次指标的两两相对重要性进行定量描述。本文采用AHP法计算权重, 流程如图2所示。

图2中的判断矩阵是表征各层次每个指标两两相对重要程度的矩阵, 构造方法为:将同属一层的各指标进行两两比较, 得到相对重要程度并用数值表示, 写成矩阵的形式。

将上一节给出的评价指标体系分层, 一、二级指标分别对应第一、二层, 如表1所示。

本文模型中一、二层指标对应的判断矩阵分别由表1所示各指标两两比较的数值结果构成, 其中, 属于不同一级指标的二级指标各自形成判断矩阵。

假设判断矩阵, 满足如下要求[12]:

2) 矩阵元素aij由代表标度的数字1~9或者它们的倒数组成, 各标度对应的含义如表2所示。

假设A是表1中一层指标的判断矩阵, AO, AS, AT, AR分别表示分属于四个不同一层指标的二层指标的判断矩阵, 显然AT=AR=[1]。权重计算方法具体如下:

Step 1:结合实际情况下表1中各指标的相对重要程度, 对照表2分别构造出判断矩阵A, AO, AS;

Step 2:分别计算A, AO, AS的特征值和特征向量, 并分别找出其中的最大特征值max及其对应特征向量;

Step 3:将所得特征向量分别进行归一化处理, 即得第一层指标的单层权重向量W, 以及第二层指标的单层权重向量WO, WS, 分别表示为:

Step 4:根据式 (5) 和 (6) 计算模型的一致性指标CI值和一致性比率CR;

其中表示判断矩阵的维数, RI的取值见表3。

Step 5:若CR＜0.1, 表示判断矩阵具有满意的一致性, 继续下一步, 否则修改相应的判断矩阵, 转Step 2;

Step 6:将第二层指标的单层权重与所属第一层指标的单层权重相乘, 结果即为第二层各指标的组合权重。

3 模型应用

依据上述模型, 设计并开发了某装备模拟训练效果评估系统。在应用过程中, 系统将对专家评定的分数和后台根据操控人员的操作情况给出的分数, 采用模型中给出的权重计算方法, 进行加权求和, 得到操控人员的最终成绩。

施训人员事先设定脚本, 在脚本中给出各层指标相对的重要程度。比如在一次以考察完成速度为重点的训练中, 给定各指标的相对重要程度排序为完成时限T (操作总耗时t1) 、结果准确度R (结果准确率r1) 、操作准确度O (操作流程准确率o2、正确点击率o1、专家评判指数o3) 、熟练程度S (提交结果数量s3、专家评判指数s4、判决时间间隔s2、操作时间间隔s1) 。依据上一节给出的权重计算方法计算权重, 得出结果如表4所示。

表4结果对应的三个比率CR分别为0.0438、0.0036、0.0171, 均小于0.1, 符合要求。

图3为模型在系统中的应用界面, 四个指标中, 需要专家输入分数的是操作准确度和熟练程度, 因为这两个指标中均含有专家评判指数这一二级指标, 系统后台将其和其他客观性指标对应分值进行加权求和、四舍五入后, 得到最终结果并输出。

从应用结果可以看出, 本文所给模型可依据具体的训练目的进行训练效果的评估, 能够较客观真实地反应训练情况, 因而对于训练效果的提升有较大的积极作用。

4 结束语

本文构建了基于模糊评判的模拟训练效果评估模型, 首先建立了包含操作准确度、熟练程度、完成时限、结果准确度等四个一级指标在内的评价指标体系, 其次采用层次分析法完成了指标权重的计算, 然后将成果在某装备模拟训练系统进行了应用, 取得了良好的效果。本文模型对于融合主客观因素的多指标评价问题具有较好的借鉴意义, 可推广应用于其他以计算机为平台的模拟训练系统。

摘要：为了更客观、合理地评估装备模拟训练效果, 本文构建了基于模糊评判的模拟训练效果评估模型。首先根据实际系统情况, 构建了包含两级指标的评价指标体系;其次, 将评价指标体系分层, 并根据每一层指标之间的两两相对重要程度, 构造判断矩阵;在此基础上, 采用层次分析法计算指标权重, 并完成模型的一致性检验。模型应用结果表明, 该模型可依据具体的训练目的进行训练效果的评估, 能够较客观真实地反应训练情况。

模糊控制的热真空环境模拟设备研究第2篇

重要的航天设备都要在地面真空实验室进行低温及高温的模拟试验,通过检测要求的设备才允许安装在上天设备上,在做真空环境下的低温及高温试验时,因受传输介质的影响,只能靠空间辐射,在这种环境下温度控制十分困难,温度可能超调,但不允许超过实验的极限温度,否则会损坏设备,因而必须采用质量良好的控制设备,采用有效的控制方式,才可满足控制要求。本文提出了一种模糊控制方法,在吸取前人控制策略成功经验的基础上,研究开发了基于模糊控制技术的控制器取代原系统的手动控制方法。

2 模糊控制器整体结构

模糊控制技术的核心在于模糊控制器的设计[1,2,3]。按照拟定的控制方案,采用目前最为常用的“双入单出”模糊控制器,如图1所示。以被控变量的误差和误差的变化率作为输入,输出一个控制变量,即在控制过程中不仅要对被控量的误差进行反馈,同时还要对被控量的误差变化率进行反馈,从而保证系统的稳定性,不至于产生振荡及超调现象。

模糊控制器的模糊输入变量[4]可选为实际温度y与温度给定值yg之间的误差e=y-yg及其变化率ec,而其输出模糊变量为电加热器的输出控制u。

3 论域的确定

为了提高控制精度,本系统采用4个控制精度各不相同的模糊控制器,用于降温的主进液阀控制器、辅助进液阀控制器和用于升温的热沉加热器、底板加热器,控制精度依次设定为±10℃,±8℃,±6℃,±5℃。各个温控器温度偏差的论域设定为[-10℃,+10℃],[-8℃,+8℃],[-6℃,+6℃],[-5℃,+5],将它们量化在模糊论域[-6,+6]中,共分13个等级,即{-6,-5,-4,-3,-2,-l,0,+l,+2,+3,+4,+5,+6},则偏差量化因子分别为:

设误差e的基本论域为[-6℃,+6℃],若选定E的论域X={-6,-5,…,-1,0,+1,+2,+3,+4,+5,+6},则得误差e的量化因子kl=6/6=1。为语言变量E选取7个语言值:PB、PN、PS、ZE、NS、NM和NB。

通过操作者的实践经验总结,可确定出在论域X上用以描述模糊子集PB、PM、PS、ZE、NS、NM、NB的隶属度函数μ(x),并据此建立语言变量E的赋值表。

设定本系统最大升温速率600℃/hour=0.17℃/s,而采样周期T=1000ms,这样升温速率<0.5。则ec的基本论域可设为[-0.5,+0.5],选择偏差变化率语言变量EC的论域Y=(-6,-5,…,-l,0,+l,+2,+3,+4,+5,+6),则得误差变化率ec的量化因子k2=6/0.5=12。为语言变量EC选取PB、PM、PS、ZE、NS、NM、NB共7个语言值。通过操作者的实践经验总结,在确定出模糊子集PB,…,NB的隶属函数μ(x)之后,便可建立语言变量EC的赋值表。

设控制量变化u的基本论域为[-36,+36],若选定u的论域为Z=(-6,-5,…-1,0,+l,+2,+3,+4,+5,+6),则得控制量变化u的比例因子k3=36/6=6。同样,为语言变量U选取PB、PM、PS、ZE、NS、NM、NB共7个语言值。通过操作者的实践经

验总结,在确定出模糊子集PB,…,NB的隶属函数μ(x)之后,便可建立语言变量U的赋值表。

4 模糊控制器查询规则的建立

基于操作者手动控制策略的总结,得出一组由49条模糊条件语句构成的控制规则[5,6],将这些模糊条件语句加以归纳,可建立反映真空温度控制系统的控制规则表,如表1。

模糊控制状态表包含的每一条模糊条件语句都决定一个模糊关系,有49个:

通过49个模糊关系元(i=1,2,…,49)的“并”运算,可获取表征温控系统控制规则的总和模糊关系R,即:

计算出模糊关系R后,基于推理合成规则,由系统误差e的论域X={-6,-5,…,0,+1,…,+5,+6}和误差变化率ec的论域Y={-6,-5,-4,…,0,…,+5,+6},根据语言变量误差E和误差变化EC赋值表,针对论域X,Y全部元素的所有组合,求取相应的语言变量控制量变化U的模糊集合,并应用最大隶属度法对此模糊集合进行模糊判决,取得以论域z={-6,-5,-4,-3,-2,-1,0,+1,+2,+3,+4,+5,+6}的元素表示的控制量变化值u。

在上述离线计算基础上,便可建立如表2所示查询表。查询表[7]是真空温控系统模糊控制算法总表,把它存放到计算机的文件中,并编制一个查找查询表的子程序。

在实际控制过程中,只要在每一个控制周期中,将采集到的实测误差e(k)(k=0,1,2,…)和计算得到的误差变化e(k)-e(k-1)分别乘以量化因子k1和k2取得以相应论域元素表征的查找查询表所需的e和ec后,通过查找表的相应行和列,立即可输出所需的控制量变化u,再乘以比例因子k3,便是加到被控过程的实际控制量变化值。

5 真空温度模糊控制程序流程图

模糊控制器的控制算法是由计算机的程序实现的。这种程序一般包括两个部分,一个是计算机离线计算查询表的程序,属于模糊矩阵运算,另一个是计算机在模糊控制过程中在线计算输入变量(误差,误差变化),并将它们模糊量化处理,查找查询表后再作输出处理的程序。图2所示为模糊控制程序设计流程图。通过流程图就可以进行编制实用的控制程序软件了。

6 结论

相对于传统的PID控制,模糊控制的响应具有较小的超调量,且调节时间也较短,对被控对象模型的依赖性较低,其控制品质明显高于传统PID所达到的控制性能指标,但同时也应该注意到模糊控制虽然在动态响应与抑制系统内部参数变化对系统输出的影响等方面都能取得更好的效果,且结构简单,实现方法简明,但在某些性能方面尚有欠缺,这就需要进一步对将模糊控制与其他的控制策略结合使用的模糊集成控制系统的设计和工程实现进行研究。但总体而言,本研究在不依赖过程对象精确数学模型的基础上,利用PLC实现的模糊控制策略己经较好地实现了对电加热器以及电磁阀的控制,并给出了PLC实现的具体编程参考方法。

参考文献

[1]周兴禧,王氯等.变频空调器基于系统的变工况模糊控制仿真研究[J].流体机械,2000,28(7):42-46.

[2]高军.空调变频器自适应模糊控制器的研究[C].哈尔滨:哈尔滨工业大学,2003.

[3]黄翔,王洋浩等.智能模糊控制在化纤厂纺丝车间侧吹风空调系统中的应用[J].制冷,1997,61(4):50-53

[4]汤兵勇,路林吉.模糊控制理论与应用技术[M].北京:清华大学出版社,2002.

[5]Timothy J.Ross,Fuzzy Logic With Engineering Applica-tion,2001.

[6]周奕辛,于艳春.模糊控制在温度控制系统中的应用[J].仪器仪表用户,2007,14(2)8-9.

模糊模拟第3篇

该工艺虽然没有发生过大的安全事故,但安全形势不容乐观,特别是施工方因作业人员素质差别,设备安全隐患辨识不清,工艺的安全性研究不足,在药剂配伍性方面没有进行分析等原因留下了危险隐患。因此,需要应用安全系统工程的原理和方法对套管加药工艺的安全性进行研究”。

1 套管加药工艺危险有害因素辨识

以新疆油田某区块为例,进行套管加药工艺时所使用的入井流体主要成分如表1所示。

从表1可以看出:入井流体中主要成分中的乙二醇、乙二胺、苯、四氯化碳、200号溶剂油和二甲苯等,不仅是有毒有害物质,而且也是易燃易爆危险物物品，易造成火灾爆炸危险,其燃烧产生的一氧化碳或二氧化碳均可引起中毒、窒息等事故[2]。且苯、二甲苯在燃烧爆炸后也会引起二次中毒事故。故该加药过程存在的危险有害因素主要有燃烧、爆炸、中毒,加药过程中也存在类似机械伤害等危险有害因素。此外,还考虑到操作过程中的人为失误因素。

2 套管加药工艺模糊评价

2.1 评价单元划分

按照功能与现场布置的独立性,将套管加药工艺分为3个评价分区:药品储罐单元分区、柱塞泵单元分区、管道单元分区。对每一单元在运行过程中的不安全因素进行分析归类[3,4],表2为评价单元风险因素集。

2.2 权重集确定

在套管加药工艺的风险评价中,根据相关专家多年的管理经验,得到各个单元的权重。按评价集合V={危险,较危险,中等,安全,较安全}将风险等级划分为五级。

由于评价集合只有5个离散的评价语言,采用取值论域V'={1,3,5,7,9}与评价集一一对应,这可使专家打分具有连续性,在评价各个因素时,能够在[0,10]的区间中取到最合适的数值,构建三角型隶属函数式(1)～(5)。

式中:x—专家评分值,x∈[1,10];

f(x)、f2 (x),f3(x),f4(x)、f5 (x)—隶属函数,表示分值x对评价集合V或论域V’中的5个因素所表示的模糊集合的隶属度。

2.3 评价结果

2.3.1 分区单元模糊评价

1)可能导致药品储罐失效的因素集合。U1={药品储存量u1，设备操作维护u2,储罐外表面防腐u3,设备设计u4,安全泄压装置u5}。

2)可能导致药品储罐失效的因素权重集的确定。依据层次分析理论,采用专家估测法,得到数据(见表3)。

对表2进行矩阵计算,得出其最大特征值为λmax=5.125 5,

一致性检验:

通过一致性检验,λmax对应的特征向量即为5个因素的权重值,即因素权重向量为W1={0.160 4,0.738 6,0.179 6,0.554 2,0.299 1}。

3)隶属度矩阵。采用专家打分法确定隶属度矩阵,设计专家打分表(表4)。

将每种因素的专家得分带入隶属函数式(1)～(5),就可以得到各个因素的隶属度,进而可以得到所有因素的隶属度矩阵:

4)药品储罐模糊综合评价。B1=W1.R1={0,0.149 5,1.255 1,0.447 1,0.080 2}。根据最大隶属度原则,最大权重对应的安全等级即为评价单元的安全等级。可以看出:B1中最大值为1.255 1,对应5个等级中的“中等”,即是药品储罐处于“中等”的概率最大。

同理,考虑可能导致柱塞泵失效的因素集U2={设备工作条件u1,设备安装u2,设备操作维护u3,大气腐蚀u4,轴润滑u5,},采用专家估测法和专家打分法确定隶属度矩阵,经柱塞泵模糊综合评价后,B2={0,0,0.588 9,1.2994,0.069 1},最大值为1.299 4,最终判定柱塞泵的风险等级为“较安全”。对管道模糊综合评价后,B3={0,0,0.822 7,0.827 7,0.3519},认为管道的风险等级为“较安全”。

2.3.2 套管加药工艺的风险模糊综合评价

由上述过程得到各评价单元的风险评价结果,分别是R={B1,B2,B3},将其作为二级评价的隶属度,各单元的权重也可以根据层次分析理论由专家估测法得出(见表5)。

对表4进行矩阵计算,得出其最大特征值为λmax=3.107 8,将其代入一致性检验计算:

计算结果通过一致性检验,则λmax对应的特征向量即为3个因素的权重值,即因素权重向量为:W={0.112 8,0.325 5,0.938 8}。则整个套管加药工艺的模糊综合评价为:

根据最大隶属度原则,B中最大值为1.250 4,据此判定套管加药工艺的安全等级为“较安全”。

3 重大事故模拟

3.1 气体泄漏与喷射

套管井气主要成分以甲烷为主,其在管网内部以气态流动,一旦泄漏,则可与空气混合形成可燃气云,当该气云达到爆炸极限时,如遇到火源就会发生燃烧爆炸。可燃气云发生燃烧后可能出现喷射状的火焰或形成喷射火灾,使周围人员和财产受到损失。

根据气象资料,克拉玛依当地气压为9.87 m水柱。对于套管内气体压力,自喷井较高,7～8 MPa都有可能;长期生产的老井较低,1～2 MPa。套管气的主要成分为甲烷,体积分数为89.54%,其相对分子质量为18.27,真实密度为0.819 6 kg/m3,发热量为36.1～40 MJ/kg,等熵指数为1.315。套管内径按121.4 mm计算。通过Perry关系式,判断气体流动属于声速流动:

式中:P0——大气压力,Pa;

P——容器压力,Pa;

K——气体的等熵指数,即比定压热容和比定比热容之比。

因此,可分别计算自喷井和老井在不同泄漏口径时的泄漏速率,并采用H&S(Hustad和Sonju)法[5]计算喷射火焰高度。结果如表6所示。

采用喷射扩散模式计算喷射火焰的热辐射。以泄漏口径12.14 cm为例,喷射火焰的热辐射危害半径及其随距离的变化情况如图1所示。

3.2 蒸气云爆炸

蒸气云团爆炸(VCE)是一种后果非常严重并且常发生的爆炸事故。模拟自喷井和老井在泄漏口径12.14cm、泄漏时间1 min时VCE爆炸的伤害半径如表7和图2所示。

4 结论

1)套管加药过程存在的危险有害因素主要为燃烧、爆炸、中毒,同时也存在类似机械伤害等危险有害因素。

2)通过模糊评价,判断整个套管加药工艺安全等级为“较安全”。

3)通过重大事故模拟,确定了在不同泄漏口径时的泄漏速率、喷射火焰高度以及热辐射危害半径。模拟了蒸气云团爆炸条件下的财产损失半径和人员伤害半径,确定发生爆炸时的最大死亡半径为27.6 m。

参考文献

[1]徐志胜,吴超.安全系统工程[M].北京:机械工业出版社,2007.

[2]高军,宋书贵,吴鹏,等.天然气开采危险有害因素辨识及风险评估[J].中国安全生产科学技术,2011,07(11):57-62.

[3]杜栋,庞庆华,吴炎.现代综合评价方法与案例精选[M].北京:清华大学出版社,2008.

[4]辜冬梅,姚安林,尹旭东,等.基于层次-模糊评价法的山区油气管道地质灾害易发性研究[J].中国安全生产科学技术,2012,08(5):52-57.

模糊模拟第4篇

1 模拟电路故障诊断存在的困难

1.1 故障量巨大

数字电路在目前电子设备的电路应用中占到百分之八十以上, 而模拟电路的占用量较少, 通常只有百分之二十左右, 但是模拟电路发生故障的量却占到整个电子设备发生故障的百分之八十。自从微电子技术和大规模集成电路的应用领域拓宽之后, 电子设备电路复杂性成倍增加, 模拟电路的应用也逐步加大, 因此发生故障的概率急剧增加, 而导致所需修复的电路数量增加, 关联性巨大, 给故障诊断和修复增加了巨大难度。

1.2 耗费巨大人力物力

模拟电路虽然在电子设备的电路中占到比重不大, 但是数字电路和模拟电路在电子设备的电路系统中混合结构数量增加, 导致复杂性增加, 一旦发生故障其应修复量也成倍增加, 模拟系统的测试和诊断量也同时增大, 并且无法回避, 电子设备仪器精密、造价高, 故障量巨大接而导致的是维修和保养难度增加、耗费加大。但为了电子设备能顺利运行, 这些发费又是必不可少的, 所以采取有效的新方法势在必行。

2 模糊神经网络故障诊断模型

2.1 模糊神经元设计

科学家们参考人类等动物的神经网络结构, 引入模糊神经元的设计, 在庞大而复杂的电路中, 将传统的神经网络模糊化, 利用原来本有的神经网络结构, 给与神经元分析信息的能力。模糊神经元分为两种, 一是采用模糊规则直接构造神经网络;二是保持原有的神经网络结构, 让模糊化后的神经元和非模糊的神经元既能反映神经元, 又有模糊信息处理的能力, 即既可以输出又可以反馈。

2.2 设计模糊神经网络

模糊神经系统主要有三种结构, 分别是松散型结合、并联型结合、串联型结合3种结构模式, 使用这三种结构构建出来的提供模糊规则库, 既可以进行模糊输入、又可以进行模糊推理等工作。又因为电路系统具有连续量、容差性的特点, 无法建立模糊规则库。而用模糊神经网络代替模糊规则库部分, 就可以网络中形成和存储模糊规则, 便可以实现诊断。而从网络的拓扑结构来分析, 模糊神经和普通神经并没有多大的区别, 为了和模糊逻辑呼应, 模糊神经系统网络通常被称为模糊规则层, 这个层是进行模糊神经系统诊断的主要部分结构之一。

3 模糊神经网络在模拟电路故障诊断中的应用

3.1 故障字典法的使用

参考数字电路的诊断方法, 修复人员们发明了模拟电路的故障字典法, 这是当今模拟电路最具有实用性、效益性的修复模拟电路方法。它包括直流和交流两种。修复之前必须做测前工作, 根据已经确定的故障集检索并找出何时的信号的可测节点, 由此方法收集出一套所有电路节点的电压值, 并储存得到一部对应的模拟电路故障字典, 根据已有的正常电压值和故障时的电压值进行比较, 就可以得到相应的故障节点, 发现位置并作出相应修复措施。

3.2 元件参数识别法的使用

要使用这个方法首先必须用方程解得所有元件的参数值, 设为正常情况下的参数值, 假如发生故障, 则先测量元件的参数值, 再与之前设定的参数值进行对比, 超过元件参数的容差范围就说明这个元件发生故障, 反之则是正常工作的元件。此方法多用于软故障诊断, 但是由于电路规模越来越大, 导致所需检测的数量也比较大, 工作了巨大, 所以这个方法在实际运用中仍比较少。

3.3 故障验证法的使用

此种方法需要修复人员熟悉电路故障的常态, 并富有经验, 在故障发生时, 首先预测故障发生位置和故障电路, 进行数据的测试收集, 对比自己的预测和数据之间的关系, 如果正是故障位置, 则预测准确, 进行修复, 但如果错误就必须不断重复此种方法, 会耗费大量时间延误修复的时效性。但是目前, 大量学者研究发现了K故障诊断法、网络撕裂法等有效的诊断方法, 减少了预测的误差性, 有效地促进了维修工作。

4 结论

模糊神经网络为模拟电路诊断主要是准确定位故障位置, 修复故障电路, 以保证电子设备的正常运转。但由于模拟电路的连续性、容差性等特征导致其容易发生故障, 且故障是极难修复的, 因此许多的修复方法应运而生, 在已知的结构之中, 激励信号和电路的响应来确定故障的位置, 模糊神经网络是当今研究的热门课题之一, 现代电子设备应用广泛, 并且已经到达了不可缺少的地位, 电子设备的使用使人类文明向前跨越了一大步, 但是电子元件却容易故障, 耽误生产生活等方面工作的顺利进行。随着科学技术的快速发展, 其研究成果已经初步展现, 不仅对电子设备的维护和保养具有重要意义, 更是推动了信息化时代的发展, 对人类社会的不断进步发展具有重要的积极意义。

参考文献

[1]郭富强.基于大规模模拟电路软故障诊断[J].陕西理工学院学报 (自然科学版) , 2014 (04) .

模糊模拟第5篇

为了确保飞行安全, 在航空发动机的主要位置均安装有振动信号传感器。振动信号传感器将所测量的发动机过载信息, 通过电荷信号的方式, 发送给发动机电子控制器。发动机电子控制器根据采集到的电荷信号, 解算出相应的过载信息以及振动等级[1]。当发动机的振动状态超过了规定的振动等级, 发动机将启动超振处理对策, 以保证飞行安全。

1 航空发动机振动信号建模

航空发动机的数学模型为:

式中:nH为高压转子转速。

航空发动机振动数学模型为:

式中:G为航空发动机振动的过载量。

振动传感器数学模型为:

振动电荷信号调理如下所示, 并产生相应的电流。

电流对发动机电子控制器内的采集电路进行充电, 产生的电荷量如下所示, 并得到采样电容两端的电压值。

由发动机电子控制器反馈的振动信号如下所示。

2 基于模糊PID控制的振动信号模拟算法

建立振动信号的误差方程, 如下所示。

设计基于模糊PID控制的振动信号模拟算法, 如下所示[2]。