神经网络在模拟电路故障诊断中的方法研究

论文摘要

随着电子工业的迅速发展,模拟电路故障诊断技术的重要性越来越明显,它对于电子设备或系统的正常运行和可靠性设计均具有重要的意义。传统的模拟电路故障诊断的方法也有很多种,但是它们一般都是用于诊断开路、短路这种硬故障,难以发现在电路中的各个元器件存在类似器件缺陷或缓慢失效之类的软故障,而基于神经网络的模拟电路故障诊断方法可以很好地解决这些问题。由于神经网络具有处理复杂多模式及进行联想、推测和记忆功能,因而特别适合故障诊断系统。将神经网络用于模拟电路故障诊断是发展趋势。本文首先综述了模拟电路故障诊断的发展、现状以及存在的问题,介绍了BP神经网络的模型结构、学习机制,以及多种改进的BP算法进行了分析和研究。为了进一步提高收敛速度,避免单纯使用神经网络易陷入局部极小的缺点,本文提出了一种基于李亚普诺夫稳定性理论的BP算法,经验证能有效地解决这一问题。本文研究了提取有效采样点、基于多分辨分析和小波包分析的故障特征提取方法,选取了一个典型滤波器电路,分别通过启发式改进算法的BP网络和基于Lyapunov稳定性理论的BP网络对电路进行故障诊断,使用PSPICE和MATLAB软件对故障诊断过程进行了具体的仿真实现。实验结果表明,这种改进的BP神经网络能够比启发式算法更有效的对故障特征进行分类和识别,可以达到故障自动定位和诊断的目的,且诊断率高,而几种提取故障特征的方法都是可行有效的。本文虽取得了一些成果,但距离工程实际应用仍有一定差距,还需要在后续的研究中进一步加以改进。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 模拟电路故障诊断研究的意义
• 1.2 模拟电路故障诊断方法的发展和展望
• 1.3 神经网络在故障诊断中的应用
• 1.4 本文工作
• 第二章 模拟电路故障诊断与神经网络的基本理论
• 2.1 模拟电路故障诊断的基本理论
• 2.2 BP 网络诊断模拟电路故障的实用性分析
• 2.3 神经网络概述
• 2.3.1 神经网络的结构
• 2.3.2 神经网络的常用学习规则
• 2.4 BP 神经网络的网络结构和设计
• 2.4.1 BP 神经网络的结构
• 2.4.2 隐节点数的设计
• 2.4.3 初始权值和学习速率的选取
• 2.5 BP 神经网络训练算法
• 2.5.1 BP 神经网络的基本算法
• 2.5.2 BP 神经网络算法的改进
• 2.5.3 基于Lyapunov 稳定性理论的改进BP 算法
• 2.6 本章小结
• 第三章 模拟电路故障特征提取方法研究
• 3.1 故障特征提取
• 3.2 样本集的构造
• 3.2.1 输入量的选择
• 3.2.2 输出量的选择
• 3.2.3 输入数据的预处理
• 3.3 小波变换理论在特征提取中的应用
• 3.3.1 小波变换基本理论
• 3.3.2 多分辨分析
• 3.3.3 小波包分析
• 3.4 特征提取仿真实例
• 3.5 本章总结
• 第四章 基于BP 神经网络的模拟电路故障诊断实例
• 4.1 PSPICE 与MATLAB 间的通信实现
• 4.2 故障诊断的结构实现
• 4.3 基于提取有效采样点的诊断
• 4.4 基于多分辨分析的诊断
• 4.5 基于小波包分析的诊断
• 4.6 诊断结果比较
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 作者攻读硕士期间发表的文章