基于红外热图的机载电路板故障模式诊断研究

郝建新, 贾春宇

郝建新, 贾春宇. 基于红外热图的机载电路板故障模式诊断研究[J]. 红外技术, 2019, 41(3): 273-278.
引用本文: 郝建新, 贾春宇. 基于红外热图的机载电路板故障模式诊断研究[J]. 红外技术, 2019, 41(3): 273-278.
HAO Jianxin, JIA Chunyu. Research on Fault Mode Diagnosis of Airborne Circuit Board Based on Infrared Images[J]. Infrared Technology , 2019, 41(3): 273-278.
Citation: HAO Jianxin, JIA Chunyu. Research on Fault Mode Diagnosis of Airborne Circuit Board Based on Infrared Images[J]. Infrared Technology , 2019, 41(3): 273-278.

基于红外热图的机载电路板故障模式诊断研究

基金项目: 国家自然科学基金委员会与中国民用航空局联合助项目(U1733119)%中央高校基本科研业务费项目中国民航大学专项资助(3122017045)
详细信息
  • 中图分类号: TN219

Research on Fault Mode Diagnosis of Airborne Circuit Board Based on Infrared Images

  • 摘要: 作为一种新型的非接触式检测方法,基于红外热成像技术的机载电路板故障模式诊断方法受到越来越多的关注.本文针对传统基于红外热图的电路板故障检测算法中存在的缺陷,提出一种结合红外图像分割、热阻网络、支持向量机SVM(Support Vector Machine)与D-S证据理论的故障检测算法.首先,通过红外图像分割完成目标芯片区域温度提取,应用热阻网络模型对目标区域温度信息进行优化;其次,提取温度信息特征向量分别输入对应的初级SVM诊断模块,输出各故障模式的加权基本概率分配值BPA(Basic Probability Assignment);最后,应用D-S证据理论对各证据体加权BPA进行数据融合,输出融合后的故障诊断结果.实验结果表明,本文算法加强了有效证据体对诊断结果的正面影响,削弱了无效证据体的负面影响,大幅度提高了机载电路板故障模式诊断准确度.
  • 期刊类型引用(8)

    1. 王力,朱猛,马江燕. 基于红外的TPA和IAOA-BiLSTM电路芯片故障诊断. 激光与红外. 2024(04): 574-583 . 百度学术
    2. 王力,谢晓怀,张亦弛. 基于红外图像的ISSA-BP神经网络机载电路板芯片故障诊断. 红外技术. 2023(03): 241-248 . 本站查看
    3. 郝建新,王力. 基于红外温度序列的电路板故障诊断研究. 红外与激光工程. 2023(04): 59-70 . 百度学术
    4. 来春庆,黄勇,朱喆,刘泽纬,曾晓龙. 基于特征融合多尺度卷积网络的光伏组件红外图像故障诊断. 机电工程技术. 2023(09): 145-151 . 百度学术
    5. 肖晖,王兴平,吕英飞. 微波组件红外热成像故障检测的可行性分析. 电子工艺技术. 2022(02): 74-76 . 百度学术
    6. 姜萍,李梦瑶,栾艳军. 基于改进InceptionV3网络的光伏组件航拍红外图像故障分类方法. 激光杂志. 2022(08): 90-94 . 百度学术
    7. 任贵粉,刘增力,孙伟栋. 机械故障诊断技术研究综述. 农业装备与车辆工程. 2021(02): 69-73+78 . 百度学术
    8. 马垠飞,王力. 融合D-S证据理论的DBN电路故障诊断算法. 辽宁工程技术大学学报(自然科学版). 2021(05): 448-453 . 百度学术

    其他类型引用(9)

计量
  • 文章访问数:  140
  • HTML全文浏览量:  16
  • PDF下载量:  18
  • 被引次数: 17
出版历程

目录

    /

    返回文章
    返回