《基于小波分析和人工神经网络的容差模拟电路故障诊断.doc》由会员分享,可在线阅读,更多相关《基于小波分析和人工神经网络的容差模拟电路故障诊断.doc(16页珍藏版)》请在金锄头文库上搜索。
1、基于小波分析和人工神经网络的容差模拟电路故障诊断 摘要随着电路网络规模和结构日趋复杂以及大规模集成电路的广泛应用,如何运用高效的诊断技术对大规模容差电路进行准确的故障诊断是目前实际工程急需解决的问题,也是模拟电路故障诊断理论的发展趋势。经过多年的发展,模拟电路故障诊断作为一门融合多个学科和领域的理论、技术和方法的综合性学科,已经形成了一系列的诊断理论和方法,但由于模拟电路的容差性、非线性以及其故障的多样性和复杂性,使得目前诊断容差模拟电路的故障的方法还十分有限,所以还需要探索新的模拟电路故障诊断方法。近年来,小波分析理论和人工神经网络理论发展迅速,并在许多研究领域开展了广泛应用。将小波分析理论
2、和人工神经网络理论相结合应用于模拟电路故障诊断为模拟电路故障诊断开辟了一条有效途径,这也是目前热门的研究课题且倍受关注。本文以小波分析和人工神经网络为理论基础,利用小波良好时频局部特性,对模拟电路故障信号的进行预处理,并提取故障信号的特征向量;利用人工神经网络模式分类能力强的特性,对各类故障进行模式识别,并通过诊断实例证明了所提出方法的正确性。本文的主要创新内容有以下几点:一、研究了模拟电路故障诊断的人工神经网络方法,分析并阐述了应用神经网络进行模拟电路故障诊断的步骤;研究了应用BP神经网络诊断模拟电路故障的优势和不足,提出了一种改进的BP神经网络模型并将这种改进后的BP神经网络应用用于模拟电
3、路故障诊断。二、研究了基于小波分析的模拟电路故障诊断的方法,利用小波良好的时频局部特性,对采集的模拟电路故障信号的进行小波分析预处理,提取处理后信号的特征参数作为神经网络的输入样本,并对神经网络进行训练,从而实现对模拟电路的故障诊断,达到识别各种故障的目的。三、研究了基于S变换和小波神经网络的容差模拟电路故障诊断的方法,利用S变换时窗宽度随频率变化和良好的时频局部特性,对模拟电路的故障信号进行分析处理并提取特征向量;构造了一种以小波基函数代替BP神经网络中的激励函数的小波神经网络,以该神经网络为分类器进行模拟电路故障诊断;并研究了这种方法在噪声干扰、故障特征向量重叠率高、测试节点不足的情况下进
4、行容差模拟电路故障诊断的效果。关键词:小波分析;神经网络;故障诊断;容差模拟电路;特征提取正文我先开始讲讲本文的主要工作,本文呢主要就是围绕容差模拟电路故障诊断的主题讲容差模拟电路故障诊断的人工神经网络和小波分析相结合的方法,然后对利用小波分析和S变换对容差模拟电路的故障信号进行分析处理及其特征提取和人工神经网络技术进行了研究。然后分成了5章来进行具体的讲解。第一章就是一些概述来历啊什么的内容,第二章呢就是一些简单的分析模拟电路故障诊断的主要难点及发展趋势也阐述了模拟电路故障诊断的基本理论、基本方法及方法分类和故障的类型等等。第三章则是一些基本原理介绍,重点是人工神经网络的一些概念和类型及算法
5、,然后提到了BP神经网络及其在模拟电路故障诊断中的具体应用第四章就主要介绍了小波分析的基本原理、小波函数的基本类型和小波变换的时频特性,阐述了小波变换在信号分析处理的原理和作用,并利用小波具有良好时频局部特性的优点,对模拟电路的故障信号进行小波分析预处理并进行特征提取,将所提取的特征向量作为人工神经网络的输入样本进行训练及测试,实现模拟电路的故障诊断。第五章阐诊断实例证明了该方法诊断速度快且故障定位准确率高,在噪声影响、故障类型的特征向量重叠率高以及可测节点不足的情况下,具有良好的故障识别效果。最后,给出本文对容差模拟电路故障诊断研究的主要结论和今后进一步研究工作的展望,并综合预测和评价了容差
6、模拟电路故障诊断的应用前景与其价值。1.1这一小节主要介绍了模拟电路故障诊断的背景与意义。说的是,随着电子技术及其产业的迅速发展而出现的各种电路问题都迫切的需要对电路进行故障诊断,而且要求新的有效的故障诊断技术来进一步提高电子设备的可靠性。对于设备中印刷电路板上的各种器件和线路等进行测试和故障诊断也越来越复杂,迫使我们需要采用有效的电路测试与故障诊断技术和对某些模拟电路进行故障预测才能进一步提高系统的可靠性并降低维修和保养的成本。避免故障发生。与数字电路相比,模拟电路的测试与故障诊断困难得多,主要体现在以下几方面:首先,模拟电路中的元件参数具有容差,容差效应的存在导致电路的特性可能与一个或几个
7、元件的发生故障时是等效的,使得人们因为故障的模糊性而无法唯一定位实际故障;其次,是由于模拟电路网络中的非线性元件引起的或者线性电路中存在的非线性问题;最后,由于模拟电路中的响应以及网络中各元件的参数都是连续量,使得模拟电路中的故障模型比较复杂。1.2这一节讲得是模拟电路故障诊断的研究现状与发展。最初的模拟电路故障诊断要追溯到l 962年,然后一直到上世纪90年代,人工智能技术和智能信息处理技术的不断发展,神经网络、专家系统、模糊理论等逐渐被应用于模拟电路故障诊断中。再接着是近些年来的一些成就。综上所述,尽管模拟电路故障诊断的研究从人工诊断阶段到智能诊断阶段已取得了许多显著的理论成果,但由于模拟
8、电路自身固有的特点,如电路元件的非线性、容差性、故障现象的多样性、复杂的网络拓扑结构以及可测点不足等制约了模拟电路故障诊断方法的适用性和有效性,要获得广泛应用而有效得诊断方法及成熟的应用技术则还还需要进行大量创新而且细致的工作。1.3这一小节讲的是人工神经网络理论的发展。最早是以神经元的数学描述与结构即MP模型的形式所被提出来的,接着是有Frank Rosenblatt、Berhard Widrow教授和与Mareian Hoff、Gall Carpenter与SGrossberg、John Hopfield教授、DERumelhart和JLMc Clelland这些人的发展和补充和完善才有了
9、现在的成就。在机械、智能控制、化工等研究领域,已经有学者利用人工神经网络这一工具来进行故障诊断。而神经网络由于其自学习能力强、大规模并行分布式结构等优点,使得人工神经网络理论在模拟电路故障诊断应用将会优于传统的方法,尤其是在解决容差模拟电路硬故障和软故障等问题方面。1.4这一节概述了小波分析理论的发展。小波分析理论是近20年来发展起来的数学理论的分支一个,小波的概念是是Grossmann和Molet于1984年首次提出来,后来由Mallat,Daubenchies,Mayer,Grossmann等学者的继续研究形成比较完整的小波分析理论。最主要的意思就是输小波分析理论对故障特征提取技术起到很大
10、的推动作用,是一种新颖而有效的方法。2.1模拟电路的发展趋势是大规模集成电路,这一节里面就着重讲解了模拟电路的故障诊断比数字电路的故障诊断要难的多的多。然后分析了为什么,为什么模拟电路的故障诊断比数字电路的故障诊断要难。2.2模拟电路故障诊断的基本方法及其分类2.3模拟电路故障的分类及特征提取方法。这一节分成了几个小节,第一个是模拟电路的故障类型,讲解了各种的故障类型,不过值得注意的是,在实际工程应用中,出现的故障并不一定完全唯一隶属于上述哪一类型的故障,实际发生的故障可同时属于其中的一类或几类的混合型故障。第二个是模拟电路故障诊断的模式识别法第三个是故障特征提取,这跟上一个有点相像。本章概述
11、了模拟电路故障诊断的基本理论以及当前存在的一些难点和待解决的问题,介绍了从不同角度对模拟电路故障诊断的方法分类,比较了各种方法的优缺点和适用范围。重点阐述了模拟电路故障诊断的模式识别方法,这种方法比传统的模拟电路故障诊断方法更具灵活性和准确性,而应用这种方法的关键在于有效有效地提取各种故障状态的特征,本章最后介绍了如小波分析、分形理论、粗糙集等几种特征提取的方法。31人工神经网络的基本原理3.1.1人工神经网络理论的基本特性。人工神经网络之所以能应用广泛并受到广大研究人员的重视,是因为它具有以下几种优良的基本特性:(1)并行式处理能力。(2)分布式处理能力。(3)非线性映射能力。(4)自适应学
12、习能力。(5)鲁棒性。(6)分类识别能力。因此,人工神经网络的优良特性是显而易见的,将人工神经网络应用于模拟电路故障诊断是十分有前景的。312人工神经网络的结构与函数映射。神经元是仿生神经元的简化模型,在数学上可将它等效为一足多输入、单输出的非线性关系,即以下表达式:人工神经网络可以通过学习从输入到输出的样本集来实现从输入到输出的线性或非线性映射关系,它的作用机制如图31表示。通常神经网络的训练就是完成空间XN空间Y的映射F。313人工神经网络的学习算法。这里分为无监督Hebb学习算法、Perception学习规则、算法、内星外星学习算法,除了这些算法以外,还有诸如模糊学习算法、强化学习算法、
13、Boltzmann学习等等。3.2人工神经网络的基本类型。321 BP神经网络。一个单隐层BP神经网络的学习过程如下:(1)首先设置该网络的各权值和阈值的初始值,分别为小的随机数;(2)设置训练样本,(3)计算实际输出(4)计算隐层误差,计算输出层误差(5)根据计算出的输出和误差进行修正权值和阈值(6)迭代运算。然后又说了尽管BP神经网络的应用十分广泛,但是它还是存在很多的不足之处。3.2.2径向基函数神经网络323 Hopfield神经网络3.3这一节讲的是模拟电路故障诊断的BP神经网络方法实例.这里我简单的讲解一下,第一步:确定故障集。第二步、选择测试节点并获取以节点电压值为元素的故障特征
14、向量。第三步、训练BP神经网络这一章主要就是介绍了人工神经网络理论的起源、发展和基本原理,阐述了人工神经网络基本特性、基本学习算法、结构以及函数映射,介绍了一些认同神经网络的常见类型,并总结了这些人工神经网络的优缺点。第4章 讲得是模拟电路故障诊断的小波分析方法。4.1这小节就是讲了小波分析的基本原理、小波变换及其时频特性及小波函数的基本类型4.2基于小波的故障特征提取。421小波变换的分解与重构。422特征提取的小波方法43基于小波变换的模拟电路故障诊断431诊断方法概述4.3.2 诊断实例一:故障类型的确定。二、对待测电路给予冲激信号作为激励,对电路的输出信号进行020ms之间的采样。3、
15、 神经网络结构的确定及其训练与测试。4、5、 最后就是实际诊断数据第5章 讲的是基于S变换的容差模拟电路故障诊断。51 讲了S变换的基本原理52讲了故障特征提取的S变换方法521基于S变换的信号处理521特征提取53 S变换在容差模拟电路故障诊断中的应用531诊断方法概述然后后面的实例跟前面讲过的基本上一样。最后的第五章总结讲来讲去就是说通过诊断实例证明,利用S变换对信号做预处理和小波神经网络相结合的模拟电路故障诊断的方法。能够有效地提取被测电路的故障信号特征,简化了神经网络的结构、提高了故障诊断的速度和准确率,并且在噪声干扰、故障特征向量重叠率高以及可测节点不足的情况下仍具有较高的故障识别准确率。对于本次研究的总结就是,模拟电路故障诊断技术既面临着电路结构规模日趋复杂的挑战,也面临着以小波分析、人工神经网络等先进理论方法为解决方案的机遇。随着工业界和学术界在模拟电路测试与故障诊断方面的需求越来越大,本文所做将小波分析、S变换和人工神经网络相结合的模拟电路故障诊断方法是很有价值的。参考文献参考文献太多就简单的列几个,【1】朱大奇电子设备故障诊断原理与实践M】北京:电子工业出版社,2004,1:14-17【2】Berkowitz RSCondition for Network-elementvalue SolvablityIRE TransOnCircuit Theory,1