基于混沌神经网络的模拟电路故障诊断

《基于混沌神经网络的模拟电路故障诊断》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、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签名：闫书磊日期：2008年5月30日关于论文使用授权的说明本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检

2、索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）签名：闫书磊导师签名：雷霖日期：2008年5月30日摘要摘要模拟电路故障诊断经过近五十年的发展，已经形成了一系列诊断理论和方法，但由于问题的复杂性使得目前诊断方法的有效性不强。以神经网络为代表的人工智能技术为模拟电路故障诊断提供了一条有效途径，本文正是基于这一现状，研究了基于混沌神经网络的模拟电路故障诊断方法。模拟电路故障诊断的一个重要方面是对电路故障进行定位和测试，本文研究了基于混沌神经网络的模拟电路故障仿真与测试，研究了适用于混沌神经网络的构建故障字典的方法，讨论了一种对原始数据进行处理

3、的方差数据融合降维算法，并应用该算法实现了对原始数据的处理及压缩。作为一种新的动力学系统理论，混沌神经网络已广泛应用于模型预测、模式识别、故障诊断等领域，并逐渐引起各领域学者的重视，本文研究了应用改进Aihara混沌神经网络对线性模拟电路的故障诊断，并与经典反向传播(BP)网络、动量BP网络进行了比较；研究了应用改进的暂态混沌神经网络(NCNN)对非线性滤波电路进行故障诊断，并详细分析了数据处理及诊断过程中出现的相关问题，验证了网络的诊断结果。大量的仿真实验表明：基于混沌神经网络的模拟电路故障诊断，能够准确快速地确定故障模式，精确地实现故障的预测。与传统的神经网络相比，该方法诊断正确率

4、高、诊断时间短、泛化能力强，提高了故障诊断的鲁棒性，增加了人工智能技术应用于模拟电路故障诊断的实用性。关键词：混沌神经网络，模拟电路，故障诊断，方差数据融合-I-ABSTRACTABSTRACTTheanalogfaultdiagnosisresearchalreadyformedaseriesofdiagnosestheoriesandmethodssince20thcentury60's.However,complicateddiagnosisquestionmakesthesemethods’svaliditypoor.Aneweffectiveapproachisprovide

5、dbasedonAI(artificialintelligence)likeneuralnetwork.Inthispaper,amethodofanalogfaultdiagnosisisresearchedbasedonchaoticneuralnetwork(CNN).Oneimportantaspectofanalogfaultdiagnosisisascertainingandtestingtoanalogfault,whichisdiscussedinthispaperbasedonchaoticneuralnetwork,themethodofestablishingfa

6、ultdictionarybeingthesamewithCNNisalsoresearched.Arithmeticofvariancedatainosculationisdiscussedtoprocessoriginaldata,compressingandprocessingtotheoriginaldataisrealizedbyusingthisarithmetic.Asanewdynamicstheory,CNNhasbeenextensivelyappliedtomodelforecasting,patternidentification,faultdiagnosisf

7、ieldetal,andisgraduallyregardedbymanyscholarsinseveralfields.AmethodoffaultdiagnosistolineranalogisresearchedbasedonimprovedAiharaCNNinthispaper,comparedwithtraditionalBackPropagation(BP)networkandmomentumBPnetworkisalsodisc