小波神经网络及其在模拟电路诊断中应用

《小波神经网络及其在模拟电路诊断中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华中科技大学硕士学位论文除了上面叙述的常见方法外，目前还有逼近法(ApproximationMethod)，人工智能(ArtificialIntelligence)等方法。逼近法包括测前模拟中的概率统计方法和测后模拟中的优化方法；人工智能法包括专家系统、神经网络及模糊理论等方法。专家系统包括类似字典法中的故障特征的收集和处理过程，以及测后模拟中的故障推理搜索等过程。因此逼近法和专家系统是介于测前模拟诊断和测后模拟诊断之间的一种方法。1.2.2模拟电路故障诊断研究概况模拟电路故障诊断主要包括测试点的选

2、取、测试信号的确定和产生、输出相应的处理、诊断算法的实现及诊断结果的显示和记录等。模拟电路中故障可以分为硬故障和软故障两大类。硬故障是指元件的开路或短路这类的失效故障；软故障是指元件的参数超出预定的容差范围（器件老化，环境影响等造成），但不一定导致电路完全失效。与数字电路相比，模拟电路目前尚未完全成熟，实际中缺乏通用方法和技术。[6]主要的难点可以总结为以下原因：(1)时间和电压的连续特性使得模拟电路比数字电路更易受缺陷的影响，区分故障情况和无故障情况需要多种测试方法；(2)模拟电路中的元件参数具有

3、很大的离散性，即具有容差，是实施正确诊断的最大困难；(3)模拟电路中广泛存在非线性问题和反馈回路，增加了故障诊断难度；(4)模拟电路中输入和输出间的关系复杂并且难于模型化。在数字电路测试中得到成功应用的故障模型并不适用于模拟电路测试；(5)实际的模拟电路中可测电压的节点数很有限，导致可用于故障诊断的信息量不充分，造成故障定位的不确定性和模糊性；(6)测试设备和输入激励信号的精度对测试结果的影响至关重要；(7)模拟电路对环境变化极其敏感，其输出响应不仅易受由制造工艺偏差所引起的元件参数变化的影响，而且

4、易受噪声和热效应等外界环境因素的影响；4华中科技大学硕士学位论文(8)由于需要采用不同的方法来测试电路的多种性能参数，因此模拟功能测试比较昂贵和费时。此外，测试过程中所需的额外硬件开销较大。随着电路网络理论的逐步成熟和计算机技术的不断发展，电路仿真技术得到迅速的发展和应用。模拟电路故障仿真技术作为故障诊断的先验知识获取手段，相比传统人工专家知识获取具有不可比拟的优点。然而，电路仿真所获得的电路分析结果是不能直接用来跟实际电路测试结果匹配进行诊断的，尤其对于电路分析得到的时域信息（如波形信号），它需要

5、计算机对其冗长的电路仿真信息进行特征提取构建故障字典，因此，高效的特征提取方法与分类诊断算法是进行故障诊断的关键。目前，模拟电路故障诊断是一种颇具前景的可靠性工程技术，其中主要发展方向是：(1)与智能计算方法的结合。模拟电路故障诊断作为一种数据处理方法，可以充分利用智能计算方法处理特征提取与模式识别问题。因此，诊断效率的进一步提高，还依赖于智能计算方法与电路诊断的有效结合，随着人工智能技术的迅速发展，特别是专家系统、人工神经网络进一步应用，促使智能诊断技术成为研究的热点。仿生优化算法是人工智能领域的

6、重要分支，其中包括模拟生物界自然选择和遗传机制的遗传算法、模拟蚂蚁群体觅食行为的蚁群算法以及模拟鸟类群体捕食行为的粒子[7]群算法等。(2)面向对象的大规模集成化。现代制造工艺的发展，使模拟电路不再限于包含分离元件的板极电路，而朝着大规模集成化方向发展，对于复杂规模电路的故障特征提取问题，将是未来进行模拟故障诊断的一个挑战性难题。(3)与测试激励配置的一体化。对于电路的故障检测，不仅依赖于对仿真信息的特征分析，还依赖于测试激励配置的有效性。不同的信号源激励可能导致不同程度的故障敏感结果，因此，将电路

7、故障诊断能够与测试激励配置能够有效的集成起来，将是提高模拟故障诊断效率的又一个发展方向。5华中科技大学硕士学位论文1.3小波神经网络在模拟电路故障诊断中的应用小波神经网络具有时频局域化性质和神经网络自学习特性，非常适用于函数逼近、系统辨识、数据压缩等研究领域。在模拟电路故障诊断中，小波神经网络涉及特征提取、数据预处理、网络训练和测试、故障模式分类等问题。对于松散型小波神经网络，采用小波基将信号进行小波分解，取代传统的傅立[8~10]叶变化等，能够更好的提取反映故障的特征量进行故障诊断。M.Amimi

8、an分别从仿真和实际电路角度，对模拟电路的脉冲响应信号进行小波变换，并继续对小波系数进行主元分析和归一化处理，提取5个故障特征作为神经网络的输入，实现了模拟[11]电路的故障诊断。S.Contu利用小波分析对所获得的电压信息进行压缩，将对应每一故障模式的原始故障信息的300个采样点压缩为51个点作为故障特征，简化了神经网络结构。对于紧致型小波神经网络，集人工神经网络和小波分析优点于一身，小波神经网络具有逼近能力强、网络收敛速度快、参数（隐层节点数和权值）选取合理、时频