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

论文摘要

近几十年以来，模拟电路故障诊断理论和方法研究一直是国际电路测试领域中极具挑战性的热门课题。现代电子和计算机技术的迅猛发展促进了片上系统、混合集成电路的大量涌现，由此对电路测试提出了更高、更新的要求，研究高效、顺应电路发展需求的故障诊断理论和方法迫在眉睫。经过多年的发展，模拟电路测试已经取得了一定的研究成果，但也出现了许多常规或传统故障诊断理论和方法难以解决的新理论研究课题，诸如模拟电路的多故障和软故障诊断，非线性模拟电路的故障诊断等。以神经网络为代表的计算智能技术为模拟电路故障诊断提供了一条有效途径，受到学术界的广泛关注。本论文以现代测试技术、信号处理、系统辨识和可测性分析等理论为基础，以基于神经网络的模拟电路故障诊断为主线，深入研究了模拟电路(线性和非线性)的特征提取、故障诊断方法及可测性问题。作者所做的工作包括如下四个方面：1．研究了模拟电路特征提取和故障诊断方法，包括：(1)从频域角度，直接提取频率响应曲线的有效点实现故障特征提取，利用神经网络进行模拟电路故障诊断，实例验证了该方法的有效性。(2)从时域角度，利用主元分析对电路特征参数降维处理，提高了诊断效率。(3)从联合时频分析角度，利用小波变换对电路响应进行消噪处理和故障特征提取，提出基于小波神经网络的模拟电路故障诊断方法。(4)从神经网络的角度，研究了特征评价和特征提取方法，将电路故障模式识别问题的复杂性转移至特征处理阶段，故障诊断实例验证了该方法。以上从四个不同的角度研究了模拟电路的故障特征提取方法，不断优化故障特征，从而有效地提高了故障诊断效率。2．研究了基于最大故障信息量的模拟电路故障诊断方法。本文提出一种模拟电路二元树故障诊断法，利用二元树的信息传递性快速地从电路的最大故障信息量特征群中定位故障点。另外，本文还研究了模糊图在模拟电路故障诊断中的应用，寻找具有最大故障信息量的最强路径从而确定故障源，有效地实现了模拟电路故障诊断。3．研究了基于非线性电路频域核的故障特征提取和故障诊断方法。利用Volterra级数辨识非线性模拟电路，提取电路各阶频域核作为故障特征，预处理后输入神经网络进行故障诊断。该方法有效地解决了非线性电路辨识难的问题，能较好地对故障模式进行分类，取得了满意的诊断效果。4．研究了模拟电路的可测性问题。针对支路诊断法，分析了模拟电路的可测拓扑结构和可测拓扑条件，提出了可测性分析和可测性设计方法。研究表明，该方法对于指导模拟电路可测性设计及故障诊断均有重要的实际意义。理论研究和实验结果验证了本文提出的方法和结论的正确性。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究的背景和意义
• 1.2 国外研究现状
• 1.2.1 模拟电路故障诊断方法研究现状
• 1.2.2 非线性电路测试研究现状
• 1.2.3 可测性分析研究现状
• 1.3 国内研究现状
• 1.4 本文研究内容
• 1.4.1 基于神经网络的模拟电路故障诊断方法
• 1.4.2 基于VOLTERRA级数的非线性模拟电路故障诊断研究
• 1.4.3 模拟电路可测性研究
• 1.5 本文的主要工作及结构安排
• 第二章 基于神经网络的模拟电路故障诊断研究
• 2.1 模拟电路的神经网络故障诊断法
• 2.1.1 神经网络概述
• 2.1.2 神经网络的故障诊断能力
• 2.1.3 神经网络的故障诊断原理
• 2.2 模拟电路故障特征提取
• 2.3 神经网络结构确定
• 2.3.1 网络信息容量与训练样本数的确定
• 2.3.2 构造样本集
• 2.3.2.1 输入样本的提取和表示
• 2.3.2.2 输出样本的表示
• 2.3.2.3 输入样本数据的预处理
• 2.3.3 BP神经网络结构设计
• 2.4 模拟电路故障诊断实例
• 2.5 基于神经网络的故障特征评价及提取
• 2.5.1 基于神经网络的特征评价
• 2.5.2 基于神经网络的特征提取
• 2.5.3 基于神经网络的故障特征提取
• 2.5.3.1 电流特征参量提取诊断实例
• 2.5.3.2 电压特征参量提取诊断实例
• 2.6 本章小结
• 第三章 模拟电路的小波神经网络故障诊断法研究
• 3.1 小波神经网络
• 3.1.1 BP小波神经网络的数学基础
• 3.1.2 BP小波神经网络的学习算法及步长确定
• 3.2 小波神经网络的故障诊断研究
• 3.3 小波分析与神经网络两种结合方式的故障诊断应用
• 3.3.1 小波神经网络的故障诊断实例
• 3.3.2 基于小波变换预处理的神经网络故障诊断实例
• 3.4 本章小结
• 第四章 基于最大故障信息量的模拟电路故障诊断
• 4.1 概述
• 4.1.1 故障信息量
• 4.1.2 故障特征选择
• 4.1.3 特征提取
• 4.2 最大故障信息量二元树的模拟电路诊断法
• 4.2.1 最大故障信息量判别法
• 4.2.2 基于最大故障信息量的二元树诊断法
• 4.2.3 诊断实例
• 4.3 基于模糊图的模拟电路故障诊断法
• 4.3.1 基于模糊图的故障诊断
• 4.3.2 模糊图故障诊断法
• 4.3.3 诊断实例
• 4.4 本章小结
• 第五章 基于VOLTERRA频域核的非线性电路故障诊断研究
• 5.1 非线性电路及故障诊断
• 5.1.1 非线性电路
• 5.1.2 非线性电路系统辨识
• 5.1.3 非线性电路的故障诊断
• 5.2 非线性电路的VOLTERRA频域核辨识
• 5.2.1 VOLTERRA级数及频域核估计
• 5.2.1.1 VOLTERRA级数的时/频域表示及频域核
• 5.2.1.2 采用谐波输入法确定非线性频域核
• 5.2.1.3 VOLTERRA频域核的测量
• 5.2.2 非线性系统的VOLTERRA级数建模
• 5.2.3 基于GFRF简化模型辨识的故障诊断
• 5.3 非线性电路频域核的神经网络故障诊断法
• 5.3.1 基于非线性电路频谱分析的径向基神经网络故障诊断实例
• 5.3.1.1 各阶GFRF估计及特征提取
• 5.3.1.2 基于径向基神经网络的非线性电路故障诊断
• 5.3.2 基于非线性电路频域核估计和递归神经网络的故障诊断实例
• 5.3.2.1 非线性系统的VOLTERRA频域核辨识
• 5.3.2.2 基于递归神经网络的非线性电路故障诊断
• 5.4 本章小结
• 第六章 模拟电路的可测性问题研究
• 6.1 概述
• 6.1.1 模拟电路可测性设计问题
• 6.1.2 单次激励下的可测性设计
• 6.1.3 多次激励下的可测性设计
• 6.2 基于模拟电路拓扑结构的故障可测性判据
• 6.2.1 故障诊断模型
• 6.2.2 故障诊断过程
• 6.2.3 诊断实例
• 6.3 非线性模拟电路的可测性判定法
• 6.3.1 可测性和可测拓扑条件
• 6.3.2 可测性分析问题
• 6.3.3 可测性设计
• 6.3.4 可测性判定实例
• 6.3.5 可测性设计实例
• 6.4 本章小结
• 第七章 结束语
• 7.1 全文总结
• 7.2 进一步的工作
• 致谢
• 参考文献
• 个人简历、攻读博士学位期间完成的论文及科研情况