小波和神经网络在模拟电路故障诊断中的应用研究

论文摘要

本文主要研究了小波和神经网络在模拟电路故障诊断中的应用,另外,还讨论了Hilbert-Huang变换及其在语音去噪中的应用。所做的主要工作包括:1.实际模拟电路中含有大量的噪声,这为故障诊断带来了一定的困难,针对这种现象,对小波去噪算法进行了研究。深入讨论了Donoho和Johnstone提出的阈值去噪算法,分析了软、硬阈值函数的特点,提出了基于一种新的阈值函数的去噪算法,仿真实验的结果表明了新阈值函数的有效性。2.研究了模拟电路的输出信号各频率成份能量的变化情况和电路元器件发生故障情况的关系,提出了一种基于小波包变换的“能量-故障”诊断的新算法,克服了传统的故障诊断中需要知道电路的拓扑结构的不足。仿真实验的结果表明“能量-故障”法可以对电路故障进行分类诊断。3.提出了基于小波包预处理的神经网络模拟电路故障诊断方法的两种改进方案:最优小波包变换（OWPT）预处理和不完全小波包变换（IWPT）预处理BP神经网络算法。首先对模拟电路的响应信号用这两种方法进行预处理,然后计算预处理后信号各个频段上的归一化能量,把归一化的能量作为训练样本送给BP网络进行训练,有效减少了BP网络的输入节点和隐层节点的个数,从而减小了神经网络的规模,降低了计算的复杂度,加快了网络的训练和收敛速度。仿真实验表明这两种方法能够快速有效的对模拟电路的故障进行诊断和定位。4.将小波包分析、模糊理论和神经网络有机结合在一起,提出了一种基于小波包特征提取和模糊规则的模拟电路故障诊断的神经网络算法。计算和仿真实验结果表明该方法可以减少网络的训练规模,加快网络的收敛速度,能够为模拟电路故障诊断提供一种新的有效的方法。5.介绍了Hilbert-Huang变换的基本理论,尤其介绍了EMD分解的步骤,并对HHT变换的有关问题进行了探讨。然后把Hilbert-Huang变换用于语音信号去噪,提出了一种基于HHT变换的信号去噪方法。首先对带噪语音信号作EMD分解,得到各阶IMF分量,然后对高频的IMF分量用类似小波域去噪中的阈值方法进行处理,然后把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。仿真实验表明基于Hilbert-Huang变换的去噪结果优于小波软、硬阈值法的去噪结果,显示了Hilbert-Huang变换在处理非平稳信号中的优越性。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 小波分析的发展概况
• 1.2 神经网络概述
• 1.3 模拟电路故障诊断方法的发展和展望
• 1.3.1 模拟电路故障诊断的传统方法
• 1.3.2 故障诊断的新发展
• 1.4 Hilbert-Huang变换
• 1.5 本文的主要工作及章节安排
• 第二章 小波分析和神经网络的基本理论
• 2.1 多分辨分析
• 2.2 小波变换及小波快速算法
• 2.3 小波包分析的定义及性质
• 2.4 小波包的空间分解和小波包算法
• 2.5 神经网络的结构和常用学习规则
• 2.5.1 神经网络的结构
• 2.5.2 神经网络的常用学习规则
• 2.6 BP 神经网络的网络结构和基本算法
• 2.6.1 BP 神经网络的网络结构
• 2.6.2 BP 神经网络的基本算法
• 2.7 模糊神经网络的学习机理
• 第三章 模拟电路中的信号去噪算法研究
• 3.1 引言
• 3.2 小波模极大值去噪方法
• 3.3 基于小波系数区域相关的阈值滤波方法
• 3.4 小波阈值去噪
• 3.5 一种新的阈值函数
• 3.6 仿真实验
• 3.7 小结
• 第四章 基于小波包变换的模拟电路“能量－故障”诊断
• 4.1 引言
• 4.2 "能量－故障"诊断的原理
• 4.3 模拟电路的"能量－故障"诊断方法
• 4.4 应用实例
• 4.5 小结
• 第五章 模拟电路故障诊断的小波包预处理神经网络改进算法
• 5.1 引言
• 5.2 BP 神经网络
• 5.3 两种改进的基于小波包预处理的神经网络故障诊断算法
• 5.3.1 小波包变换
• 5.3.2 最优小波包变换（OWPT）预处理
• 5.3.3 不完全小波包变换（IWPT）预处理
• 5.3.4 模拟电路故障诊断方法
• 5.4 仿真实验
• 5.4.1 25-kHz Sallen-Key 带通滤波器
• 5.4.2 Half-Wave Rectifer滤波器
• 5.4.3 Bidquadratic 滤波器
• 5.5 小结
• 第六章 基于小波包和模糊规则的模拟电路故障诊断的神经网络算法
• 6.1 引言
• 6.2 小波包特征提取和模糊规则的应用
• 6.2.1 小波包最优基特征提取
• 6.2.2 模糊规则的应用
• 6.3 模糊神经网络的故障诊断算法
• 6.4 仿真实验及结论分析
• 6.5 小结
• 第七章 Hilbert-Huang变换及其在语音去噪中的应用
• 7.1 引言
• 7.2 Hilbert－Huang 变换
• 7.2.1 Huang 变换（EMD 分解）
• 7.2.2 Hilbert变换与Hilbert谱
• 7.2.3 Hilbert-Huang变换的端点效应（End Effect）问题
• 7.2.4 Hilbert-Huang变换的有关问题探讨
• 7.3 基于Hilbert-Huang 变换的语音去噪方法
• 7.4 小结
• 第八章 结束语
• 致谢
• 参考文献
• 攻读学位期间撰写（及合作）的学术论文和参加科研情况