Abstract
This paper presents a fault-detection method based on the phase space reconstruction and data mining approaches for the complex electronic system. The approach for the phase space reconstruction of chaotic time series is a combination algorithm of multiple autocorrelation and Г-test, by which the quasi-optimal embedding dimension and time delay can be obtained. The data mining algorithm, which calculates the radius of gyration of unit-mass point around the centre of mass in the phase space, can distinguish the fault parameter from the chaotic time series output by the tested system. The experimental results depict that this fault detection method can correctly detect the fault phenomena of electronic system
چکیده
این مقاله به ارائه روش "عیب یابی" بر پایه رویکردهای "بازسازی فضای حالت" و "داده کاوی" برای سیستم پیچیده الکترونیکی می پردازد. رویکرد "بازسازی فضای حالت" سریهای زمانی آشفتگی، یک الگوریتم ترکیبی از " خود همبستگی چندتایی" و ازمون г می باشد. که به وسیله تاخیر زمانی و "بعد محاطی شبه بهینه" ، بدست می آید. الگوریتم داده کاوی به شکلی است که شعاع گردش نقاط به دور مرکز توده در فضای حالت، می تواند پارامتر عیب را از سری های زمانی آشتفتگی به وسیله سیستم آزمون شده ، تشخیص دهد. نتایج تجربی نشان دهند آن است که این روش عیب یابی می تواند به دقت پدیده عیب سیستم الکترونیکی را نشان دهد.
1-مقدمه
هدف فرایند عیب یابی ، نمایش به موقع پدیده های غیرنرمال موجود در حین عملیات سیستم مورد آزمون (STU) می باشد. عیب را به صورت برآورد نوع، و شدت عیب هر موردی که در آن پدیده عیب روی داده ، تعریف می نماییم. تکنیکهای اولیه عیب یابی و تعاریف آن، به طور کلی بر پایه مدلهای هیورستیک تشخیص عیب و کلاس بندی قرار گرفته اند. آنها از تجربه های عملی مهندسان و تکنولوژیست ها برای ساختن انواع گوناگون "پایگاه داده برداری عیب یابی" به وسیله تکنیک فرایندی منفرد ( وضعیت عملیاتی STU به وسیله آنالیز در محدوده تناوبی یا زمان مشخص می شود) ، استفاده کردند...