基于嵌入式系统故障诊断模块关键技术研究

论文摘要

模拟电路故障诊断经过几十年的发展,至今还一直是一个十分必要且有意义的研究课题。虽然已经形成一系列的理论和方法,但由于其本身的多样性和复杂性,还一直有待发展。本文介绍了神经网络故障诊断算法和遗传算法的优化方法,以神经网络中的BP网络为重点,对经典BP网络方法加以改进和实现,通过搭建实际电路,人为设置故障用BP网络的方法对其诊断,试验结果表明,当关键信号的数据采集选择和测试准确,BP网络拓扑结构选择正确,参数选择适当,就可以准确地进行模式识别,分辨出故障类型。本文还吸收了遗传算法的全局搜索的优点,将神经网络与遗传算法相结合得出GA-BP网络,使其可以在全局搜索的能力上加以提高,最后同样在Pspice软件中对一电路进行仿真,试验结果显示,此方法确实可以提高网络识别的性能。在研究故障诊断方法的基础上,本文选用ARM920T内核的三星公司的S3C2410实验板,上成功实现智能算法对实际电路进行故障诊断,并编写LCD驱动程序,使之在LCD上显示诊断结果。为了使之能有更友好的使用界面,本文最后在ARM实验板上移植Linux操作系统和MINIGUI,为故障诊断算法做出一个良好界面,使之能更方便的运用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究意义和背景
• 1.2 国内外研究的现状
• 1.2.1 故障诊断的概念
• 1.2.2 故障诊断常用方法
• 1.2.3 智能诊断的新方法
• 1.2.4 嵌入式系统目前的发展状况
• 1.3 本论文的主要工作内容和结构安排
• 1.3.1 课题主要研究内容
• 1.3.2 论文结构安排
• 第二章 模拟电路故障诊断的神经网络方法
• 2.1 神经网络概述
• 2.1.1 神经网络的概念和特点
• 2.1.2 神经网络的分类
• 2.2 BP 网络
• 2.2.1 生成数据样本集和测试样本集
• 2.2.2 基于BP 网络的多层前馈网络模型
• 2.2.3 BP 算法的实现
• 2.2.4 BP 网络的训练和测试
• 2.2.5 BP 算法的改进
• 2.3 BP 网络在模拟故障诊断中诊断实例
• 2.3.1 实例电路
• 2.3.2 训练样本数据和测试样本数据的获取
• 2.3.3 网络结构的确定与训练
• 2.3.4 实验结果分析
• 2.4 本章小结
• 第三章 遗传算法在神经网络中的优化作用
• 3.1 遗传算法概述
• 3.2 基本遗传算法操作
• 3.2.1 编码与群体设定
• 3.2.2 计算适应度
• 3.2.3 选择
• 3.2.4 交叉
• 3.2.5 变异
• 3.2.6 迭代
• 3.3 遗传神经网络
• 3.4 诊断实例
• 3.4.1 实例电路
• 3.4.2 优化网络结构参数的遗传算子的确定
• 3.5 本章小结
• 第四章 基于嵌入式系统的故障诊断实现
• 4.1 嵌入式系统概述
• 4.1.1 嵌入式系统的定义
• 4.1.2 嵌入式系统的特点和发展
• 4.1.3 嵌入式处理器
• 4.2 ARM9 开发平台
• 4.2.1 53C2410A 特性
• 4.2.2 系统管理器
• 4.2.3 NANDFlash 启动引导
• 4.2.4 LCD 控制器
• 4.2.5 A/D 转换和触摸屏接口
• 4.2.6 UART 串口数据通信
• 4.2.7 USB 主设备
• 4.3 编译器和下载程序
• 4.3.1 AD51.2 开发环境
• 4.3.2 程序设计
• 4.3.3 下载程序并运行演示结果
• 4.4 LINUX 下代码的移植
• 4.4.1 移植概述
• 4.4.2 bootloader
• 4.4.3 安装Linux 内核
• 4.4.4 安装交叉编译工具
• 4.4.5 MINIGUI 的移植
• 4.5 实例应用界面的设计
• 4.6 本章小结
• 第五章 总结和展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文