曹健
- 作品数：4 被引量：14H指数：2
- 供职机构：中国人民解放军军械工程学院更多>>
- 发文基金：国防科技技术预先研究基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种新的的模拟集成电路故障诊断方法
- 2013年
- 针对现有模拟集成电路BIST设计需占用大量电路资源的不足,首次从幅频特性分析的角度提出一种基于脉冲测试技术的模拟集成电路嵌入式测试方案;从理论上对激励信号和特征频率的确定方法展开分析,给出并证明了测试参数最优化选择策略;该方案无需增加辅助电路,仅利用控制器内部资源实现测试,提高了测试可靠性并节省了硬件成本开销,此外,频域分析消除了输入输出信号必须同步的限制;实验结果表明,该方法诊断速度快,诊断正确率可达到90%。
- 曹健孙世宇段修生薛冰
- 关键词：故障诊断模拟集成电路脉冲测试频谱分析
- 基于KKT条件的SVM增量学习算法被引量：12
- 2014年
- 为了解决支持向量机(SVM)在增量学习时,由于支持向量选择不完全,导致增量学习过程无法持久进行的问题,提出了最大似然边界SVM增量学习算法。该方法在深入分析分类面变化趋势的基础上,充分利用KKT条件,选择包含支持向量的边界向量参与SVM增量学习。实验表明,该算法可以完全覆盖支持向量,与经典支持向量机算法的结果完全相同,并且节省了大量时间,为今后大样本分类和增量学习的可持续性提供了条件。
- 曹健孙世宇段修生张泽建
- 关键词：支持向量机KKT条件
- 异常样本监督下的最优超球的研究及应用
- 2014年
- 针对模拟电路新故障类型状态检测中,因支持向量描述(SVDD)构建时忽略异常样本监督和特征空间存在混叠,导致诊断新故障类型准确率不高的缺点,提出了异常样本监督下的最优超球SVDD。该方法利用训练后超球SVDD各参数,将相似度高的已知类型样本融合形成新类,降低新类间样本相似度。并从原理上改进SVDD,实现异常样本监督,从而在最大程度上降低虚警和漏警率以适应模拟电路新故障类型状态检测。经过模拟电路新故障类型检测应用实例可以看出该方法在模拟电路新故障类型检测中,较常用方法诊断准确率有所提升。
- 曹健孙世宇段修生
- 关键词：异常检测
- 一种新的超球SVDD增量学习方法被引量：2
- 2015年
- 在基于支持向量数据描述(SVDD)的故障诊断中,往往随着故障数据的不断增加而不断地进行再训练以调整诊断模型,浪费了大量时间。为了解决这一问题,提出一种新的SVDD增量学习算法。该方法在深入分析训练结果与数据样本的关系,多次利用KKT条件,对样本进行筛选,最终选择出影响最终结果的少量训练样本。通过实际电路故障提取采集数据并诊断,所得结果表明该算法可以选择出所有影响结果的相关样本,保证了准确率并避免了大量样本训练,节省了时间。
- 段修生曹健孙世宇张泽建
- 关键词：SVDD故障诊断
