基于LabVIEW及BP神经网络的模拟电路故障诊断系统研究

论文摘要

模拟集成电路的广泛应用、电路元器件的易损性及模拟电路故障诊断技术发展的缓慢性,促使世界各国对这项技术进行不懈的研究。神经网络所具有的学习与认识、信息加工等能力使得它在故障识别技术中独领风骚。LabVIEW是一种图形化的开发环境,由于它独特的优势被应用于故障诊断技术中。本论文的工作就是基于以上三个方面进行的,设计了一套基于LabVIEW及BP神经网络的模拟电路故障诊断系统。本文所做的主要工作及取得的研究成果主要包括以下几个方面：(1)研究了传统BP及其改进的神经网络算法,提出了在LabVIEW平台上标准BP算法的程序实现步骤,完成了程序的编写,并以BP神经网络在模式识别中的应用验证了该程序的有效性。该方法是利用了LabVIEW图形化编程特点的优势,采用LabVIEW提供丰富的控件及函数来实现BP算法,且通过对一个模拟电路产生的单故障及硬故障进行识别,验证了该图形化程序的有效性。(2)提出了利用LabVIEW与Matlab混合编程实现BP改进算法程序,并以BP改进算法在函数逼近领域中的应用验证了该程序的有效性。该方法是利用LabVIEW所提供的与Matlab应用程序的接口,即Matlab Script节点来实现BP改进算法。因为通过Matlab Script节点,我们不仅可以利用到Matlab强大的矩阵运算能力,而且可以利用Matlab的神经网络工具箱所指定的建立神经网络的一些基本函数,大大提高我们的效率。(3)设计了基于LabVIEW及BP神经网络的模拟电路故障诊断系统,并对两个电路出现的多软故障及单硬故障分别进行了有效诊断,验证了系统的高效性。其中对故障进行分类显示时采用了VI子程序来实现。与传统的故障诊断输出结果相比,该系统对网络的输出结果进行了分析,实现了对故障类型的分类识别,并将结果通过简单直观的界面显示出来,这样即使是非故障诊断工作人员,也可以一目了然判断故障的类型,大大降低了故障诊断人员工作的难度,具有实用价值。

论文目录

• 摘要
• ABSTRACT
• 1. 绪论
• 1.1 模拟电路故障研究的背景及意义
• 1.2 模拟电路故障诊断类型及研究现状讨论
• 1.2.1 模拟电路故障诊断的故障类型
• 1.2.2 国内外对模拟电路故障诊断研究的现状
• 1.3 本文的主要工作及结构安排
• 2. 人工神经网络与模拟电路故障诊断理论研究
• 2.1 人工神经网络的基本概述
• 2.1.1 人工神经网络结构及BP神经元简介
• 2.1.2 人工神经网络的优势所在
• 2.1.3 神经网络的故障诊断能力优劣
• 2.1.4 神经网络故障诊断系统的性能评价及适应范围
• 2.2 BP算法及改进算法简介
• 2.2.1 BP算法模型简介
• 2.2.2 BP算法的改进
• 3. 故障特征提取及神经网络结构的确定
• 3.1 故障特征的提取
• 3.2 构造输入输出样本集
• 3.2.1 输入量及输出量的提取和表示方法
• 3.2.2 输入样本数据的预处理
• 3.3 网络结构的确定
• 3.3.1 隐层层数及隐层神经元节点数的确定
• 3.3.2 BP网络常用的传递函数
• 3.4 初始权值和学习速率以及误差的选取
• 3.5 网络的训练及测试
• 4. LabVIEW平台上BP神经网络及其优化算法的实现
• 4.1 LabVIEW虚拟仪器开发平台概述
• 4.1.1 LabVIEW开发环境的特点
• 4.1.2 LabVIEW环境下开发程序
• 4.2 LabVIEW中BP神经网络算法的实现
• 4.2.1 图形化编程实现BP算法
• 4.2.2 利用混合编程实现BP改进算法
• 4.3 对两种实现方法的有效性测试
• 4.3.1 图形化标准BP算法有效性的验证
• 4.3.2 混合编程实现BP改进算法有效性的验证
• 5. 基于LabVIEW与Matlab混合编程的模拟电路故障诊断系统设计
• 5.1 待诊断电路一
• 5.2 BP网络结构设计
• 5.2.1 样本集构造
• 5.2.2 BP网络结构各参数的确定
• 5.3 LabVIEW 中程序设计实现
• 5.3.1 子Ⅵ的制作过程
• 5.3.2 模拟电路故障诊断系统的设计
• 5.4 待诊断电路一的诊断结果
• 5.5 待诊断电路二及其诊断结果
• 结束语
• 参考文献
• 攻读硕士学位期间发表的论文及所取得的研究成果
• 致谢