基于混沌神经网络的模拟电路故障诊断

论文摘要

模拟电路故障诊断经过近五十年的发展,已经形成了一系列诊断理论和方法,但由于问题的复杂性使得目前诊断方法的有效性不强。以神经网络为代表的人工智能技术为模拟电路故障诊断提供了一条有效途径,本文正是基于这一现状,研究了基于混沌神经网络的模拟电路故障诊断方法。模拟电路故障诊断的一个重要方面是对电路故障进行定位和测试,本文研究了基于混沌神经网络的模拟电路故障仿真与测试,研究了适用于混沌神经网络的构建故障字典的方法,讨论了一种对原始数据进行处理的方差数据融合降维算法,并应用该算法实现了对原始数据的处理及压缩。作为一种新的动力学系统理论,混沌神经网络已广泛应用于模型预测、模式识别、故障诊断等领域,并逐渐引起各领域学者的重视,本文研究了应用改进Aihara混沌神经网络对线性模拟电路的故障诊断,并与经典反向传播(BP)网络、动量BP网络进行了比较;研究了应用改进的暂态混沌神经网络(NCNN)对非线性滤波电路进行故障诊断,并详细分析了数据处理及诊断过程中出现的相关问题,验证了网络的诊断结果。大量的仿真实验表明:基于混沌神经网络的模拟电路故障诊断,能够准确快速地确定故障模式,精确地实现故障的预测。与传统的神经网络相比,该方法诊断正确率高、诊断时间短、泛化能力强,提高了故障诊断的鲁棒性,增加了人工智能技术应用于模拟电路故障诊断的实用性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景和意义
• 1.2 模拟电路故障诊断概述
• 1.2.1 国内外发展现状
• 1.2.2 模拟电路特点及故障诊断困难
• 1.2.3 模拟电路故障诊断方法概述
• 1.2.4 混沌神经网络与模拟电路故障诊断
• 1.3 本文研究内容及论文结构
• 第二章 混沌神经网络理论基础
• 2.1 混沌理论概述
• 2.1.1 混沌的起源
• 2.1.2 几种典型混沌时间序列模型
• 2.1.3 奇怪吸引子及李雅普诺夫特征指数
• 2.1.4 最大Lyapunov 指数及其计算
• 2.2 人工神经网络概述
• 2.2.1 人工神经网络的发展
• 2.2.2 人工神经元模型
• 2.2.3 常用传输函数
• 2.3 Aihara 混沌神经网络及其改进模型
• 2.3.1 Aihara 混沌神经元模型
• 2.3.2 Aihara 混沌神经网络模型及其改进
• 2.4 加噪声混沌神经网络——NCNN
• 2.5 改进的基于 Henon 映射的 NCNN 混沌神经网络模型
• 2.6 本章小结
• 第三章 模拟电路故障模拟及特征提取
• 3.1 模拟电路故障描述
• 3.1.1 模拟电路故障分类
• 3.1.2 模拟电路故障测试
• 3.2 模拟电路故障模拟
• 3.2.1 PSpice 电路仿真系统简介
• 3.2.2 模拟电路故障蒙特卡洛分析及最坏情况分析
• 3.3 数据处理及特征提取
• 3.3.1 数据归一化
• 3.3.2 方差数据融合降维
• 3.3.3 主元分析法
• 3.3.4 数据处理综述
• 3.4 本章小结
• 第四章 基于 Aihara 混沌神经网络的模拟电路故障诊断
• 4.1 Aihara 混沌神经网络设计
• 4.1.1 参数设计
• 4.1.2 网络结构设计
• 4.1.3 数据样本设计
• 4.2 网络学习算法设计
• 4.3 诊断实例1
• 4.3.1 故障电路
• 4.3.2 故障分析及分类方法
• 4.3.3 数据预处理
• 4.3.4 BP 网络仿真及结果分析
• 4.3.5 Aihara 混沌神经网络仿真及结果分析
• 4.3.6 仿真结果分析
• 4.4 诊断实例2
• 4.4.1 仿真过程
• 4.4.2 仿真数据预处理
• 4.4.3 网络训练
• 4.4.4 实验结果分析
• 4.5 本章小结
• 第五章 基于改进NCNN 的模拟电路故障诊断
• 5.1 网络结构及算法设计
• 5.1.1 网络结构及参数设计
• 5.1.2 网络算法设计
• 5.2 诊断实例
• 5.2.1 电路仿真
• 5.2.2 样本数据处理
• 5.2.3 混沌神经网络训练
• 5.2.4 混沌神经网络测试
• 5.3 本章小结
• 第六章 论文总结与展望
• 6.1 本论文研究总结
• 6.2 前景展望
• 致谢
• 参考文献
• 攻读硕士研究生期间取得的研究成果