电子回旋波

电子回旋波（共3篇）

电子回旋波 篇1

1. 引言

电子产品在现代社会中已经被广泛应用到社会生活的各个领域。电子产品在节能、改善环境、降低生产成本等方面发挥着积极作用。电子电路技术在经济社会的各个行业及领域得到广泛应用, 给工业、商业以及个体家庭等都带来了极大方便。随着人们对生产生活的质量要求不断提高, 电子系统的复杂性也随之不断增加, 同时, 对电子设备系统正常运行的可靠性、安全性方面的要求不断提高, 因此电子电路检测技术逐渐得到广泛重视。电子电路设备在各类电气系统中有着重要的地位, 其正常运行的情况直接决定着整个系统的可靠性。在电子电路装置中加强对故障诊断技术探究, 有着重要的经济及现实意义。

进行电子电路故障检测, 能够缩短故障导致的设备停机时间。当电子电路故障发生时, 仅由人工进行排查, 由于缺乏详细信息, 要既快又准地进行定位就相当困难。这一过程中由于基本依赖维修人员的经验, 将导致停机时间延长。利用电子电路检测技术, 在短时间内获取详细的故障信息, 并将这些信息及时提供给现场运维人员, 从而准确定位故障点, 大幅度缩短停机时间, 使工作效率得到极大提高。

电子电路检测技术能够降低故障率, 提高系统运行可靠性。电子装置在很多行业中都是生产加工的关键设备, 其故障将会带来巨大的经济损失, 以致要求电子装置具有较高的可靠性。电子器件的可靠性较低, 要解决这一矛盾, 需要通过自动检测技术。对检测结果进行冗余设计及容错控制, 从而使故障率降低, 使系统无故障运行的可靠性得到提高。

随着电子设备的不断发展, 其复杂性逐渐提高, 对设备的维护及保养难度加大, 这些设备的维护经费往往大于其购置费用。许多相关部门迫切要求加强故障检测及预报, 从而降低维护与保养的费用, 因此对电子电路的检测技术提出了新要求。

2. 电子电路的组成及检测

电子电路组成部分包括:多个部分的主电路, 驱动电路和控制电路, 因为在故障率高的主要电路的实际工作, 其它零部件具有较高的可靠性, 所以主电路成为电子电路检测和诊断的主要研究对象。

电子电路故障检测同其它模拟电路一样, 即在已知网络拓扑结构、输入激励信号以及响应时, 求解元件的参数以及物理位置。主要涉及的研究内容包括:探索测试手段、生成测试激励、测试节点优化选择、特征提取、识别。

测试手段:对多种测试方法进行研究, 探求不同物理量的测试手段, 应用在电子电路检测中。其中, 以电压、电流检测为主要的检测方法, 也有采用红外检测、气体、噪声等。在多种故障状态下, 需要求出最优激励, 使电路在不同故障时表现不同特征, 方便故障判别。

测试点选择:当故障情况已经确定, 查找最佳测试点, 使得分辨率最佳时, 需要最少测试点。

特征提取:利用现有故障特征数据构造向量空间, 把有用的参数特征数据与几个特征相映射, 忽略不相干信息, 即研究当电路发生故障时, 如何提取出电路响应的有用信息。目前特征提取技术主要有:傅立叶变换、聚类分析、主成分分析、小波变换等, 同时采用多种技术获得最佳的故障特征提取效果。利用小波变换预处理待测数据, 小波包分解数据, 提取相关特征数据, 利用这些数据创建模糊集, 使测点选择算法得到改进, 缩短了时间消耗。分析主成分并提取主元数据信息, 经过规范化处理, 对网络结构进行简化, 使训练速度得到提高。通过特征关联对电压、电流信息进行关联处理, 利用信息融合分类器进行故障模式识别。

故障检测:当电子电路发生故障时, 多个变量同时变化, 优化处理这些变量, 信息提取后进行诊断。处理方法主要包括:沃尔什变换法、傅立叶变换法。故障检测分为故障隔离 (将故障定位到元件位置) 与参数辨识 (辨识出具体故障元件值) 两部分。其中, 最主要的方面是故障判别, 在整个故障诊断的研究方向中起到决定性作用。

3. 测试点优化选择

测试点选择是重要环节, 在故障均可隔离的前提下, 优先测试点最少的方案。以支路电流、节点电压等作为测试量。由于模拟电路元器件的容差性, 测试量数值在一定范围内变化。在故障字典法中, 对模糊集进行划分, 通过模糊集合运算完成测试点优化选择。

测试点优化选择算法。选择编码字典中包含最大整数编码的测试点, 如果存在多个这种测试点, 则选中编码最大重复数最小的测试点。

Sn表示测试点集, 把该点集初始化为空集。

step1:把根据相关策略得到的测试点放入Sn。

step2:如果所选节点中列向量编码完全不重复, 则跳转到step5;否则找出该节点中无重复的编码, 并将其所在行删除, 然后跳转到step 3。

step3:查找存在重复数的整数编码, 如果存在多组, 则任选一组, 并找出该组编码对应的故障代码。

step4:从其余列向量中查找故障代码中编码均不同的节点。如果存在不同, 则利用策略进行选择。将节点包含在Sn中。转到step2循环操作。

step5:结束, step4所得结果即为最终结果。

测试节点选择流程图如图2所示。

4. 特征提取技术

特征空间的现有的特征参数对低维结构, 对原有的特征映射到多个特征的有用信息 (将不相关的信息忽略掉) , 得到二次特征, 即原始特征组合。

如何选取恰当的特征把电路检测问题表达出来, 在构造电路检测系统的步骤中起到关键作用。特征提取方法主要包括傅立叶变换、小波变换、归一化方法、现代谱估计等等。随着模拟电路结构复杂度日益增加, 故障类型不断增多, 为获得详细的故障信息, 就要采集尽可能多样本。而输入特征参数数量与样本成正比增加, 同时, 随之延长了训练时间, 甚至妨碍了训练网络的收敛性, 并且对分类精度产生较大影响。因此, 需要更为恰当的特征提取方法, 以便迅速提取出有效信息。对于特征提取技术的研究也随之提高到新层次, 作为现代故障特征提取方法, 小波变换、独立成分分析、主成分分析、聚类分析等应运而生。在这些特征提取方法中, 小波变换方法以及主成分分析特征提取方法凭借着独特优势, 广泛应用在电子电路故障检测当中。

4.1 小波包变换

当电路发生故障时, 响应信号中包含有非平稳信息, 使得采取平稳信号的处理方法无法将特征信息提取出来。在频域和时域中, 小波变换特征提取方法都能够表征信号局部特征。其低频部分时间分辨率较低, 频率分辨率较高;高频部分频率分辨率较低, 时间分辨率较高;此外, 小波变换将信号分解为两个过程:逼近、细节, 能够使特征矢量的维数降低。信号I (x) 的小波系数可表示为:

其中, φ (x) 代表小基波, a代表尺度参数, b代表位移参数。在离散小波变换中, 逼近和细节分别反映低频和高频信息。

小波包分析把频带划分为多层次, 没有继续分解频带的高频部分, 能够根据信号的特征信息, 自适应地对频带进行选择, 使频带与信号频谱相匹配, 为信号提供了更为精细的分析方法, 使时-频分辨率得到提高。

由于分解层数过多时, 特征向量维数大, 将影响诊断速度;分解层数过少时, 不能有效提取故障特征。因此, 在故障特征提取过程中, 要选择适当的小波包分解层数。

在故障诊断过程中, 冗余数据以及不相关变量, 可能对电路检测中的模式识别产生损坏, 或者隐藏数据的真正模式, 所以在电路检测中要输入独立变量进行模式判别。当变量之间的独立性无法直接分辨时, 利用主成分分析对数据进行预处理, 降低数据复杂度, 得到主成分, 过滤噪声, 从而获取到主要信息。这种预处理技术能够大大降低故障分类的复杂性及数据维数, 使数据得到规范化处理。

4.2 基于小波分包的电路检测

特征层融合是在原始信息经过特征提取后, 对特征信息进行融合的方法。先对待测电路电压及电流进行检测, 获取数据并采样, 利用小波变换方法预处理采样数据, 得到故障特征, 再用主成分分析法实现数据压缩和消冗处理, 把电压与电流特征矢量关联处理, 形成联合故障特征矢量, 送入神经网络信息融合分类器进行故障模式识别, 获取诊断结果。基于小波变换的电子电路故障检测流程框图, 如图4所示:

对于待测电路, 将输出电压作为融合对象之一;由于输入电流反映整个电路在各种故障状况下的电流信息, 在待测电路中属于核心元件, 起着至关重要的作用, 因此将输入电流和电感支路电流, 分别作为融合的另一对象。

相对于单独用支路电流或节点电压进行电路检测, 采用特征层融合方法, 降低了故障误诊断的次数, 提高了故障定位准确率;另一方面信息融合能够使不同信源的信息相互补充, 从而减少诊断系统信息的不确定性, 使系统信息的精度与可靠性更高。因此, 多源信息神经网络特征层融合识别比单源信息效果好。

由于传统电路故障诊断方法只分析一种故障信息, 其诊断结果并不可靠。另外, 在电路故障诊断中, 由于测量误差、噪声干扰等原因, 故障信息通常不完整、不精确, 存在大量的不确定性因素, 甚至可能存在矛盾。针对这种情况, 将信息融合的思想应用到电子电路检测中, 以节点电压与支路电流作为融合对象, 用特征关联实现电压与电流信息的融合, 用BP网络进行故障识别。

5. 结语

电子电路故障诊断的问题层出不穷, 电子电路检测方法与理论也在不断发展中。以小波变换在电路检测中的应用为例, 对电子电路故障诊断方法进一步深入研究, 使检测效率得到提高。

参考文献

[1]马皓, 雷彪.逆变器无连线并联系统的统一小信号模型及应用[J].浙江大学学报 (工学版) , 2007, 41 (7) :1111~1115.

[2]吴晓辉, 刘炯, 梁永春等.支持向量机在电力变压器故障诊断中的应用[J].西安交通大学学报, 2007, 41 (6) :722~726.

[3]汪鹏, 杨士元, 模拟电路故障诊断测试节点优选新算法[J].计算机学报, 2006, 29 (10) :1780~1785.

[4]Li Jimin, Fault Diagnosis of Electronic Circuits Based on Data Fusion Technique, The eighth International Conference on Electronic Measurement and Instruments, USA, IEEE, 2007:647~650.

[5]T.Golonek, J.Rutkowski, Genetic algorithm based method for optimal analog test points selection, IEEE Transactions on circuits and systems-II:Express briefs, 2007, 54 (2) :117~121.

电子回旋波 篇2

1 基本乐理知识

以C调为基准音的八音阶中, 每种音阶都对应有不同的频率。此时如果能够通过电路结构出现特定频率的波形信号, 然后使用扬声器将其转化为声音信号, 就可以实现电子乐音发声器的制作, 与电子琴的一般形式结构相结合, 就能够进一步制作电子琴。

2 基于RC正弦波振荡电路的电子琴设计的原理

2.1 RC桥式振荡电路

通过RC桥式振荡电路能够挑选出某种特定频率的信号, 而要实现信号的祖选择最为关键的因素就是RC串并联选频网络, 以下为RC串并联选频网络的理论推导:根据R1C1的串联阻抗和R2C2的串联阻抗能够得出RC串并联选频网络的选频特性:

那么当f0=1/ (2πRC) 时, 能够输出最大的电压幅值, 同时所输出的电压为输入电压的三分之一。通过上述的RC串并联选频网络的原理, 能够挑选出频率相对稳定的正弦波的信号, 也能够通过对R, C取值的调整, 对频率信号进行筛选。

2.2 振荡条件

2.2.1 自激振荡条件

包含外加信号的正弦波振荡电路, 设定A点为放大器回路的放大系数, 设定F是反馈网络的放大系数。如果将相应的Xi环节去掉, 那么由于反馈信号具有补偿的作用, 仍然会有信号输出现象。进而能够得出自激振荡电路。需要注意的是, 自激振荡电路需要满足某些条件才能实现:

同时还需要满足相位条件:

2.2.2 起振条件

为了得到更加强大、稳定的波形, 需要让起振条件满足|A·F|>1, 在实现稳定频率波形的输出之前, 信号已经经过选频以及放大两种阶段。也就是说, 信号对于选定的频率不断的扩大, 而对于非选定的频率不断的衰减, 如此循环就能够得到特定频率下相对稳定的波形。

3 设计方案

3.1 设计电路图

图1为微型电子琴的基本电路图, 图中的八个开关一一对应着电子琴八个音阶的琴键, 使用过程中只能够实现同时闭合一个开关。在实际的电路中, 为了让起振条件AF>1, 通常选择使用两个二极管跟电阻进行并联, 就能够实现与热敏电阻类似的功效。同时需要注意的是, 从理论上来说, 电路的初始信号是由于环境中的噪声和电路中产生的电压提供的, 但是实际操作的过程中, 为了让这种现象更加明显, 通过电路中的电容充电也能够实现, 是一种较好的选择。

此外, 微型电子琴的基本电路中的运算放大器芯片选择的是LM324, 其对工作电压有特定的要求, 为±5V。所以电路中还需要使用稳压管和整流桥等电子元件制作出带有负电源的电路, 与电子琴共同整合与电路板当中, 最终形成能够直接使用的成品。

3.2 参数推导

参数的选定:

R1≠R2, 同时R1≤R2

根据前文中的公式能够推导得出:

同时根据起振条件中的|A·F|>1能够进一步得出:

也就是说RF1, RF2以及Rf的选择应该满足公式 (6) 的要求, 但是在实际取值的过程中, 应当让RF1适当小于Rf, 同时RF2也需要合适的取值, 以满足前文中公式 (4) 为准, 实现电路的自激振荡。

依据对公式 (5) 、以及 (6) 的推断, 在结合前文中音阶所对应的频率数据, 就能够确定电路中需要的元器件的参数。值得注意的是, 在确定的内部电阻值过程中, 应当从R21开始, 逐个逐个的确定。

4 结束语

相对于使用单片机或者是CPLD等其他方式, 基于RC正弦波振荡电路方式制作电子琴, 其成本更加低廉, 功能也相对更加稳定。缺点就是音色的表现不是非常理想, 还需要进一步通过技术手法让其发生于电子琴的音色更为接近。在功能拓展的方面, 能够能够并联中的电阻数量以及开关的数量就能实现电子琴音阶的拓展, 使电子琴实现更多音阶, 同时还可以加入法器, 并入麦克风等实现更多的功能。

摘要：本文主要介绍了一种八音阶的微型电子琴的设计方式, 其原理基于模拟电路的RC正弦振荡。采用该方式设计出来的电子琴音阶相对丰满, 同时频率满足国际标准。比如la音调的频率完全符合国际标准音C调的频率440Hz。设计的成果能够证明使用模拟电路方式制作八音阶的微型电子琴结构较为简单, 同时能够有效的降低成本。

关键词：RC正弦波振荡电路,电子琴,模拟电路

参考文献

电子回旋波 篇3

时间序列分析是概率统计学科中应用性较强的一个分支,在金融经济、气象水文、信号处理、机械振动等众多领域有着广泛的应用。按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。对时间序列进行观察、研究,找寻其变化发展的规律,预测将来的走势就是时间序列分析。时间序列分析主要是指采用参数模型对所观测到的有序的随机数据进行分析与处理的一种数据方法。

时间序列分析主要有两种方法:描述性时序分析和统计时序分析。

1.1 描述性时序分析

通过直观的数据比较或绘图观测,寻找序列中蕴含的发展规律,这种分析方法就称为描述性时序分析,也叫直接观察分析法。描述性时序分析方法具有操作简单、直观有效的特点,它通常是人们进行统计时序分析的第一步。

1.2 统计时序分析

统计时序分析又包括频域分析方法和时域分析方法:频域分析方法是指假设任何一种无趋势的时间序列都可以分解成若干不同频率的周期波动,对分解后的频率进行分析的方法,它是非常有用的动态数据分析方法,但是由于分析方法复杂,结果抽象,有一定的使用局限性;时域分析方法是指事件的发展通常都具有某种统计规律,通过寻找出序列值之间相关关系的统计规律,拟合出适当的数学模型来描述这种规律,进而利用这个拟合模型预测序列未来的走势,这种方法由于理论基础扎实,操作步骤规范,分析结果易于解释,是时间序列分析的主流方法。

2 时间序列的小波分解

2.1 小波分解时间序列的原理

影响电子银行风险非平稳时间序列的主要随机因素包括:政治环境、经济政策、社会环境、自然环境、金融趋势、股市、汇率等都会随时间变化而变化,因此时间序列的趋势图及统计特征会随时间序列呈现出某种变化趋势,对于日变化,无任何规律;而从年度来看,均值呈现出某种平稳均衡的趋势。非平稳时间序列中各种因素交织在一起,使序列复杂得难以成为有价值的时间序列。应用小波分析理论,对信号或时间序列运用小波进行分解,把信号或时间序列分解到不同的频率通道上。由于分解后的信号在频率成份上比原始信号单一,且小波分解对原始信号作了平滑,比原始信号平稳性要好。一般经过若干次小波变换后,包含趋势项、周期项和随机项的时间序列就能分解成不同尺度成份而使这些项较好地分离出来,从而将复杂实际问题简单化和趋势化,然后进行风险分析。小波分析的另一特点是可以根据需要将时间序列进行多层分解,以便将最重要的信息分解得更细以提高精度。

2.2 基于小波的时间序列分解模型

这里给出基于小波变换的时间序列分解具体步骤:

设非平稳时间序列为:

$y(n)=\{y{}_1,y{}_2,\cdots ,y{}_n\}$

(1) 对y(n)进行J层小波分解,得d1,d2,…,dJ,cJ,再重构各层得D1,D2,…,DJ,CJ,且:

$\begin{array}{l}D{}_1=\{d{}_{11}+d{}_{12}+\cdots +d{}_{1{\rm N}}\}\\ D{}_2=\{d{}_{21}+d{}_{22}+\cdots +d{}_{2{\rm N}}\}\\ \cdots \cdots \\ D{}_J=\{d{}_{J1}+d{}_{J2}+\cdots +d{}_{J{\rm N}}\}\end{array}(1)$

于是有:

$Y(n)=D{}_1+D{}_2+\cdots +D{}_J+C{}_J(2)$

式中:CJ就是多分辨分析中第J层的低频部分,代表信号的主体和基本规律;而D1,D2,…,DJ为各层分解出来的高频部分,代表信号的非平稳细节。

(2) 通过CJ的图形可以观察时间序列的长期趋势部分,而各个细节层D1,D2,…,DJ可以观察时间序列的随机性和周期性。根据基本趋势的明显与否,决定小波分解层数J的大小,一般可取为3～7。常见的趋势模型有:线性趋势(f(x)=a+bx)、指数趋势(f(x)=ae-bx)和多项式趋势(f(x)=a0+a1x+a2x2+…+anxn)。

3 实例分析

由于电子银行的风险数据无法获得,但电子银行风险与电子银行的交易量密切相关,而电子银行的交易量是容易得到的,又网上银行在电子银行处于主导地位,故可以对电子银行的网上银行交易量进行分析,达到对电子银行风险的分析效果。

下面对某市银行机构7个月的网上银行交易金额进行分析。原始数据的变化图如图1所示。

从图1可以看出,交易额的原始数据变化随机波动较大,局部会呈现棱角的动态漂移,不易估计出长势的趋向和风险。

根据前节所述,小波分解模型(2),选取Matlab提供的15族小波基之一——Daubechies(db)小波。利用db10小波对原始序列进行J=3的分解:

$Y(n)=D{}_1+D{}_2+D{}_3+C{}_3$

然后再重构尺度为3的低频部分C3,如图2所示。

图2表示从小波分解的原时间序列中分出的代表基本发展趋势的低频部分C3。

而图1中原始序列的异常点和随机漂移都被分解在细节部分D1,D2,D3中被消除,棱角被削平,时间序列趋向平稳。图2代表了电子银行风险的基本动向,可供专业人员作风险的评价和预测。

下面还可以通过图2中交易量对应数值(本例取32点)的两两之差求2-范数和来比较小波处理前后三个序列之间的差异:

处理前:

企业银行VS个人银行:3 320.2;

企业银行VS网上银行:178.619 7;

个人银行VS网上银行:3 463.1;

经由小波处理后:

企业银行VS个人银行:3 267.3;

企业银行VS网上银行:172.028 8;

个人银行VS网上银行:3 412.9。

通过数据对比可以看到,在经过小波变化的分解与重构之后,数据之间误差变小,有利于对电子银行交易趋势和风险的评价和分析。

4 结 论

通过本文的研讨,得出下面几点结论:

(1) 电子银行的风险与电子银行交易量密切相关,可以通过交易量的分析达到预测风险的效果;

(2) 电子银行交易量原始数据的序列具有非平稳时间序列特点;

(3) 利用小波可以分解非平稳时间序列,低频部分代表电子银行风险的基本动向,高频细节部分代表随机漂移诸因素;

(4) 通过实例表明利用小波分解时间序列,对电子银行风险的预测比较有效、简便和直观实用。

参考文献

[1]徐晨,赵瑞珍,甘小冰.小波分析.应用算法[M].北京:科学出版社,2004.

[2]CHOOPRAYOON V,FUNG Chun-che,DEPICKERE AA.TECTAM,a modified technology acceptance model toassess e-commerce technologies adoption by Thai SME[C]//TENCON 2007.Taipei:IEEE,2007:1-4.

[3]MASHHADI M M,TOFIGHI M,SALAMAT V.Investi-gating customers’decision to accept e-banking services[C]//2007IEEE International Conference on Industrial En-gineering and Engineering Management.Singapore:2007:204-208.

[4]任孝安,吴文权.随机过程动态自适应小波独立网格多尺度模拟[J].工程热物理学报,2012,33(2):68-71.

[5]周德懋,李舟军,康荣雷.基于时间序列分析的网络流量预测模型研究[J].现代电子技术,2009,32(8):96-99.