基于小波神经网络的模拟电路故障诊断研究

论文摘要

随着电子工业的迅猛发展,器件集成规模的不断扩大,模拟电路故障诊断越来越受到各方面的重视。虽然模拟电路故障诊断的研究已经经历了四十多年的发展,但能应用于实际的并不多见,主要是理论受到限制,对有容差和非线性电路难以进行诊断,特别是对超大规模模拟电路和数模结合电路的诊断更是对现有的理论提出了新的挑战。目前,在故障诊断这一方面,小波变换理论和神经网络的研究与应用已成为研究热点。本文主要目的在于将模拟电路故障诊断与小波神经网络方面的最新研究成果相结合,探索解决模拟电路故障诊断问题一条新的途径。本文首先对模拟电路故障诊断理论的研究现状进行了综述,研究了神经网络和小波分析的基本理论。着重讨论了神经网络与小波分析在电路故障诊断中的两种结合方式:1.松散型:根据小波理论在时域和频域良好的局部化性质和神经网络的特性,讨论了利用小波变换来做故障信号的预处理,以此来减少神经网络的输入节点,另外还从小波包特性出发,从能量方面着手,给出了故障检测的方法,并给出了仿真电路进行验证;2.紧致型:根据小波函数的快速收敛性,提出用Mexican Hat小波函数替代网络中的S型函数,构造成一种新型的小波神经网络。文章最后分析了充分利用信号中噪声来充当测试信号,减免了许多不必要的步骤(如:传统方法将噪声滤除),而在实际应用中也会降低成本,并提出了利用相位差来充当故障特征向量的方法,文章给出了两个实例,用ORCAD10.0对电路进行了仿真,并用Matlab6.5对电路进行了诊断,通过检测结果表明该方法可行有效。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景和意义
• 1.2 模拟电路故障诊断的发展与研究现状
• 1.2.1 模拟电路故障诊断的历史
• 1.2.2 模拟电路故障诊断技术的难点
• 1.2.3 模拟电路故障诊断的主要方法
• 1.3 本文的主要内容
• 第2章 神经网络的原理
• 2.1 人工神经网络的概述
• 2.1.1 神经网络理论的发展历史
• 2.1.2 神经网络的基本要素
• 2.1.3 神经网络的基本特性
• 2.2 BP 神经网络
• 2.2.1 BP 网络的原理
• 2.2.2 BP 网络的缺点
• 2.2.3 BP 网络的算法优化
• 2.2.4 BP 网络在模拟电路故障诊断中的作用与缺陷
• 2.3 本章小结
• 第3章 小波变换的基本理论与应用
• 3.1 小波分析简介及特点
• 3.1.1 小波分析简介
• 3.1.2 小波变换的特点及与傅里叶变换的比较
• 3.2 小波变换的基本理论
• 3.2.1 连续小波变换的定义
• 3.2.2 连续小波变换的性质
• 3.2.3 几种常用小波的介绍
• 3.3 小波包的基本原理
• 3.3.1 多分辨率分析
• 3.3.2 小波包分析
• 3.4 小波在故障信号处理中的作用
• 3.5 本章小结
• 第4章 小波变换和神经网络在故障诊断中的应用
• 4.1 基于BP 网络的模拟电路故障诊断系统
• 4.1.1 基于神经网络的故障诊断系统设计
• 4.1.2 神经网络结构设计
• 4.1.3 隐层数节点数的确定
• 4.2 小波神经网络的构建
• 4.2.1 小波神经网络的模型
• 4.2.2 小波神经网络的具体算法
• 4.3 小波作为预处理诊断的基本思想
• 4.3.1 小波预处理-神经网络诊断的基本原理
• 4.3.2 小波变换的作用
• 4.3.3 基于 PCA 的降维处理
• 4.4 基于小波系数故障特征的故障诊断方法
• 4.4.1 特征向量的提取与处理
• 4.4.2 仿真实例
• 4.5 基于能量特征向量的故障诊断方法
• 4.5.1 小波包预处理的故障诊断原理
• 4.5.2 实例验证
• 4.6 基于相位差的故障诊断方法
• 4.6.1 相位差的概念
• 4.6.2 噪声的特征与相位差的提取
• 4.6.3 诊断实例一
• 4.6.4 诊断实例二
• 4.7 本章小结
• 结论与展望
• 参考文献
• 附录A 攻读学位期间所发表的学术论文目录
• 致谢