模拟电路故障诊断优化理论与方法的研究

论文摘要

随着现代工业应用的迫切需求及电子技术尤其是微电子技术的高速发展，同时高复杂度和集成度的电路及其系统的数量也在不断地增长。因此，研究如何运用现代诊断技术准确地诊断出电路中存在的故障子电路和元件，成为实际工程迫切需要解决的课题，也是模拟电路故障诊断理论和方法走向实际应用的关键步骤。本文针对现有模拟电路故障诊断方法的一些缺点，作了如下研究工作：1、研究了小波神经网络在模拟电路故障诊断中的应用。从神经网络、小波分析基本理论和分析方法出发，提出了利用小波神经网络诊断模拟电路故障的两种方法。一是利用小波变换作为模拟电路各故障信号的预处理器；二是基于小波理论所构造的一种分层的、多分辨率的神经网络，即用小波函数取代通常的非线性Sigmoid函数，或用小波函数代替网络中普通的权值。最后将它们分别用于诊断模拟电路识别电路故障。2、详细分析了基于遗传算法的小波神经网络用于模拟电路的故障诊断方法，介绍了遗传算法优化神经网络的方法。在小波神经网络模拟电路故障诊断方法的基础上，利用遗传算法对BP神经网络进行优化，从而寻找最为合适的神经网络参数，该方法结合了遗传算法、神经网络及小波变换的优点，既减小了遗传算法的搜索空间、提高搜索效率，又简化了神经网络的结构、减少了网络的训练时间，从而避免了靠经验和试验确定神经网络的结构及其参数的缺点，并能比较容易地收敛到最优解，文中给出了诊断的详细步骤，并通过诊断实例来进一步验证所述方法的正确性，说明所提方法的优越性。3、介绍了人工免疫算法、模糊集合的基本理论，及几种常用方法，详细介绍了一般性的模糊免疫算法流程，并提出了人工免疫算法与模糊算法相结合后在模拟电路故障诊断中的应用。由于人工免疫算法起到学习样本的作用，寻找到各样本组的聚类中心；而模糊分类算法则准确地完成对样本的分类任务，因此，如何有效结合人工免疫算法与模糊分类技术并将其应用于模拟电路故障诊断是一个值得研究的领域。最后通过模拟电路故障诊断实例与BP神经网络进行比较，比较结果证明文中提出的方法具有明显的优势。4、研究了基于符号分析和模型技术，以被测电路的传输函数作为故障诊断方程，通过给可及节点施加特定频率的激励，测量电路的增益和相位响应来实现故障的检测和定位。与传统的故障诊断方法相比，该方法诊断速度快，故障识别率高，计算量小，且诊断过程简单直观，诊断具有易于实现的特点。5、研究了大规模电路故障诊断的撕裂规则，及如何应用神经网络分级诊断大规模电路的各个子电路。在最佳激励作用下，提取节点电压信息，并提取各信息的小波包系数，得到各特征向量，进行信息融合，作为神经网络的输入，此时，神经网络的输出即电路的故障信息。最后综合各子网络，对整个电路进行诊断。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 模拟电路故障诊断研究的意义
• 1.2 模拟电路故障诊断研究的发展及现状
• 1.3 论文的主要研究内容及结构安排
• 第2章 神经网络和小波分析在电路故障诊断中的应用
• 2.1 神经网络（NN）
• 2.1.1 神经网络基础知识
• 2.1.2 学习规则
• 2.1.3 神经网络的推广能力
• 2.1.4 BP 神经网络学习算法
• 2.2 小波分析
• 2.2.1 基本概念
• 2.2.2 小波函数
• 2.2.3 小波分解和重构
• 2.2.4 小波基的特性
• 2.3 基于小波的故障特征提取法
• 2.3.1 基于绝对值最大值的故障特征提取方法
• 2.3.2 基于平方和的故障特征提取方法
• 2.4 小波神经网络在模拟电路故障诊断中的应用
• 2.4.1 基于小波预处理的神经网络模拟电路故障诊断方法
• 2.4.2 小波神经网络（ WNN ）的电路故障诊断法
• 2.4.3 小波神经网络的特点
• 2.5 基于小波神经网络的模拟电路故障诊断实例
• 2.6 小结
• 第3章 遗传算法在电路故障诊断中的应用
• 3.1 遗传算法概述
• 3.1.1 遗传算法基本思想
• 3.1.2 遗传算法的特点
• 3.2 基本遗传算法
• 3.2.1 简单遗传算法
• 3.2.2 遗传算法的基本操作
• 3.2.3 遗传算法的编码
• 3.2.4 遗传算法的适应度及其调整
• 3.3 遗传算法对人工神经网络的优化
• 3.3.1 神经网络结构的优化
• 3.3.2 神经网络连接权的优化
• 3.3.3 神经网络学习规则的优化
• 3.3.4 混合训练神经网络
• 3.4 遗传算法在模拟电路故障诊断中的应用
• 3.5 诊断实例
• 3.6 小结
• 第4章 模糊免疫算法在模拟电路故障诊断中的应用
• 4.1 概述
• 4.2 人工免疫系统
• 4.2.1 免疫系统概述
• 4.2.2 免疫系统的仿生机理
• 4.3 免疫算法原理
• 4.3.1 免疫算法简介
• 4.3.2 免疫算法的一般步骤
• 4.3.3 免疫系统与算法的关系
• 4.4 模糊免疫算法基本原理
• 4.4.1 模糊算法基本原理
• 4.4.2 模糊免疫算法基本原理
• 4.4.3 一般性的模糊免疫算法流程描述
• 4.5 诊断实例
• 4.6 结论
• 第5章 符号分析法在模拟电路故障诊断中的应用
• 5.1 符号分析概述
• 5.2 符号分析表达式的近似算法
• 5.2.1 符号分析表达式近似处理描述
• 5.2.2 符号分析表达式近似处理的要求
• 5.2.3 近似处理表达式的形式
• 5.2.4 规范 SOP 形式的近似处理
• 5.3 电路故障诊断的原理及方法
• 5.3.1 单一故障诊断方法
• 5.3.2 多故障诊断方法
• 5.4 诊断实例
• 5.5 结论
• 第6章 大规模电路测试与故障诊断方法
• 6.1 概述
• 6.2 子电路的神经网络诊断
• 6.2.1 子电路的神经网络诊断步骤
• 6.2.2 子电路的容差分析与处理
• 6.2.3 学习算法
• 6.3 大规模电路的神经网络故障诊断
• 6.3.1 大规模电路的撕裂原则
• 6.3.2 大规模电路的神经网络诊断
• 6.4 大规模模拟电路故障诊断的分层神经网络方法
• 6.5 小结
• 结论
• 参考文献
• 致谢
• 附录 A 攻读学位期间的主要成果
• 附录 B 攻读学位期间科研项目