论文题目: 基于Volterra级数、小波分析与神经网络的非线性网络故障诊断方法的研究
论文类型: 博士论文
论文专业: 电工理论与新技术
作者: 谢宏
导师: 何怡刚,吴杰
关键词: 非线性网络,故障诊断,级数,方波脉冲变换,小波,神经网络
文献来源: 湖南大学
发表年度: 2005
论文摘要: 模拟电路故障诊断的研究经过三十多年的发展,形成了一系列的诊断理论和方法,但由于模拟电路诊断问题本身的复杂性和困难,这些理论和方法存在各自的局限性和实用性不强等缺点。特别是对非线性电路的故障诊断,由于元件的非线性,不存在一种普遍适用的非线性网络模型,缺乏通用的非线性电路仿真程序,导致电路的故障特性无统一的分析计算方法。随着小波理论的出现和发展,神经网络理论和方法的日益成熟,利用小波进行故障信号的分析和处理以及用神经网络来进行故障诊断,已成为热门的研究课题。大量的研究成果表明,它们为模拟电路的故障诊断提供了新的途径。 本文主要研究了将Volterra泛函级数理论应用于非线性模拟电路故障响应的分析计算,以及用小波分析和神经网络对电路故障实施诊断与识别的方法,其主要内容:研究并得出了一大类非线性动态网络模型的Volterra级数解的离散计算递推算式,为分析计算非线性网络故障响应提供了简捷的数值计算方法,便于编程仿真得到响应曲线;提出将Volterra级数与方波脉冲函数变换相结合,得到了一大类非线性动态网络混合模型的辨识方法;基于混合模型,提出了多模型预置的故障诊断方法;研究并提出了以非线性网络模型的Volterra级数解的频域核为特征的频域故障字典诊断方法;给出了建立以网络故障标志量为未知量的非线性电阻电路故障诊断方程以及采用神经网络求解的故障定位方法;文章对具有时频局部化特性、紧支撑和零调和性的HAAR小波的分解和重构进行了阐述,并将其用于非线性模拟电路的故障响应特征的提取,利用HAAR小波对电路故障响应进行预处理后得到的故障特征作为神经网络的输入,对故障类别进行辨识,该方法减少了神经网络的输入数目,简化其结构和减少训练时间,提高故障辨识能力;文中讨论了BPNN和RBF网络的学习与构造,并探讨了模糊理论与神经网络相结合,用于模拟电路的故障诊断。 通过对举例电路的仿真表明,利用所提出的方法,能较好地分析非线性模拟电路的故障响应,较准确地完成非线性模拟电路的故障诊断,并且具有良好的可行性。
论文目录:
摘要
Abstract
第1章 绪论
1.1 选题意义
1.2 目前的研究和方法概述
1.3 论文的主要研究内容
1.4 本文的内容安排
第2章 非线性电路分析方法的发展、现状和展望
2.1 引言
2.2 非线性电阻网络的分析
2.3 非线性动态网络分析方法
2.4 Volterra级数的应用和发展趋势
第3章 非线性网络故障响应特性的Volterra级数分析法
3.1 引言
3.2 Volterra级数的基本性质
3.3 Volterra泛函级数
3.4 一类非线性动态网络响应的Volterra级数解的连续递推公式
3.4.1 一类非线性定常动态网络和／或系统的数学模型
3.4.2 Volterra级数解的连续递推算式
3.5 Volterra级数解的离散数值递推算式
3.5.1 方波脉冲函数(BPF)
3.5.2 Volterra响应的离散递推算式
3.6 仿真算法及实现
3.7 结束语
第4章 基于Volterra级数与神经网络的非线性网络的频域故障字典诊断方法
4.1 引言
4.2 Volterra频域核的测量
4.2.1 唯一性定理
4.2.2 范德蒙特法
4.2.3 基于ANN求解的方法
4.2.4 故障网络频域核的测量
4.3 非线性定常动态网络响应的Volterra频域核的统一递推算式
4.4 计算实例
4.5 结束语
第5章 非线性网络混合模型辨识与多模型预置故障诊断方法
5.1 引言
5.2 一类具有本征非线性代数函数的非线性网络模型
5.3 混合模型辨识法
5.3.1 一阶Volterra响应y_1(t)的求取
5.3.2 本征非线性代数函数中系数b_k的估算
5.3.3 由方波脉冲函数变换(BPFT)辨识混合模型
5.4 非线性动态响应的数值计算方法
5.5 辨识仿真实例
5.6 多重预置模型的故障诊断方法和实例
5.7 结束语
第6章 一种非线性电阻电路故障诊断方程的建立及神经网络求解的故障定位方法
6.1 引言
6.2 非线性电阻电路的故障标志量的求取
6.2.1 (B-K-J)条线性电阻支路
6.2.2 K条流控型非线性电阻支路
6.2.3 J条压控型非线性电阻支路
6.3 非线性电阻电路故障模型
6.4 神经网络求解故障诊断方程
6.5 故障分析实例
6.6 结束语
第7章 小波分析在非线性模拟电路故障诊断中的应用
7.1 引言
7.2 小波变换的时频局部化特性
7.2.1 小波变换的时域局部化特性
7.2.2 小波变换的频域局部化特性
7.3 HAAR小波分析
7.3.1 HAAR尺度函数
7.3.2 HAAR小波函数
7.3.3 HAAR小波分解和重构
7.4 基于HAAR小波变换的非线性模拟电路故障信号的预处理
7.5 MATLAB实现HAAR小波分解仿真程序
7.6 基于HAAR小波预处理器的非线性模拟电路状态特征的提取
7.7 结束语
第8章 基于神经网络的模拟电路故障诊断的方法研究
8.1 引言
8.2 基于HAAR小波-BP神经网络的模拟电路的故障诊断
8.2.1 BPNN分类器特点
8.2.2 BP网络结构模型
8.2.3 BP学习规则
8.2.4 传统的BPNN的局限及改进
8.2.5 基于HAAR小波-BP神经网络在模拟电路故障诊断中的应用
8.2.6 基于MATLAB的BP神经网络的仿真实现
8.2.7 基于小波与神经网络相结合的模拟电路故障诊断实例
8.3 基于径向基函数神经网络的模拟电路故障诊断方法
8.3.1 径向基函数网络的结构
8.3.2 基于OLS算法的径向基函数网络中心的选择
8.3.3 RBF网络的权值求取
8.3.4 RBF在模拟电路故障诊断中的应用
8.4 基于模糊神经网络的模拟电路的故障诊断方法的探讨
8.4.1 模糊神经网络的结构
8.4.2 基于模糊神经网络的故障诊断
8.5 结束语
结束语
参考文献
致谢
附录A(攻读学位期间所发表的学术论文目录)
附录B(攻读学位期间参加的科研项目目录)
发布时间: 2005-09-28
参考文献
- [1].基于小波和神经网络的大规模模拟电路故障诊断研究[D]. 谭阳红.湖南大学2005
- [2].基于忆阻的神经网络的动力学分析及应用[D]. 李若霞.东南大学2017
- [3].Hopfield神经网络及其在电厂中的应用研究[D]. 郭鹏.华北电力大学（河北）2004
- [4].集成电路工艺模拟的设备模型研究[D]. 李煜.清华大学2004
- [5].近红外光谱技术在药品检测中的应用研究[D]. 白英奎.吉林大学2005
- [6].基于神经网络的永磁同步电机控制策略的研究[D]. 李鸿儒.东北大学2001
- [7].小波和神经网络在模拟电路故障诊断中的应用研究[D]. 张维强.西安电子科技大学2006
- [8].计算智能及其在热工系统中的应用研究[D]. 焦嵩鸣.华北电力大学（河北）2007
- [9].基于神经网络空间映射的微波射频器件建模[D]. 朱琳.天津大学2014
- [10].基于神经网络的微波射频器件建模[D]. 闫淑霞.天津大学2015
相关论文
- [1].基于小波神经网络的模拟电路故障诊断方法研究[D]. 金瑜.电子科技大学2008
- [2].基于遗传算法、小波与神经网络的模拟电路故障诊断方法[D]. 刘美容.湖南大学2009
- [3].小波分析技术在汽轮机故障诊断中的应用研究[D]. 张君.华北电力大学（河北）2005
- [4].小波和神经网络在模拟电路故障诊断中的应用研究[D]. 张维强.西安电子科技大学2006
- [5].基于时频分析和神经网络的模拟电路故障诊断及可测性研究[D]. 袁海英.电子科技大学2006