小波神经网络在模拟滤波器电路故障诊断中的应用

《小波神经网络在模拟滤波器电路故障诊断中的应用》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、万方数据小波神经网络在模拟滤波器电路故障诊断中的应用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，也不包含为获得中国工程物理研究院或其他教育机构的学位或证书使用过的材料。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。学位论文作者签名：徐叼签字日期：少12年皇月肜日学位论文版权使用授权书本学位论文作者完全了解并接受中国工程物理研究院研究生部有关保存、使用学位论文的规定，允许论文被查阅、借阅和送交

2、国家有关部门或机构，同时授权中国工程物理研究院研究生部可以将学位论文全部或部分内容编入有关数据库进行检索，可以影印、缩印或扫描等复制手段保存、汇编学位论文。学位论文作者签名：徐日f『l导师签名：{吁比签字日期：j抽Jz年岁月／妇签字日期：训‘2一年r月／D日万方数据小波神经网络在模拟滤波器电路故障诊断中的应用摘要随着集成电子技术的快速发展，现代器件集成规模越来越大，模拟电路故障诊断也越来越受到重视。虽然模拟电路故障诊断方法的研究层出不穷，但真正应用于工业实际的非常少，很大部分原因是研究结论的工程化受到限制，尤其是复杂有容差和非线性电路诊断起来非常困难，

3、这就对现有的理论提出了新的要求。鉴于上述原因，论文以低阶模拟滤波器电路故障诊断为例，将小波神经网络的最新研究成果应用到电路故障诊断上，尝试探索新途径的故障诊断方法。本文在分析了当前国内外模拟电路故障诊断理论的研究情况后，对各现存方法进行了综合分析比较，确定了基于神经网络的模拟电路智能故障诊断方法；介绍了神经网络的发展、BP神经网络的原理及网络的设计方法；鉴于神经网络训练构造样本集的要求，确定了基于电路响应波形的有效采样点和小波分析预处理的故障模式特征提取方法，重点分析了小波多分辨率分析的原理；在分析了神经网络与小波分析的不同结合方式特性后，确定了小波神

4、经网络松散型结合的电路故障诊断方式：由于小波分析在时频域均具有良好的局部化特性，介绍了用小波变换来做对滤波器故障进行预处理，从而减少神经网络的隐含层节点及网络规模，提高诊断的正确率；根据两种故障特征提取方法的流程，给出了诊断的详细步骤：以某模拟带阻滤波器为工程案例，通过仿真和实验验证了小波神经网络方法比基于有效采样点的单神经网络故障诊断方法更可靠和高效。最后总结了论文的主要工作和取得的一些创新成果。关键词：模拟电路，故障诊断，神经网络，小波分析，特征提取万方数据ABSTRACTWiththeconsistentexpansionofintegrated

5、scaleofelectroniccomponents，moreandmoreattentionshadattractedforanalogcircuitdiagnosis．Althoughsomeimportantconclusionswereusedtothefaultdiagnosis，itisraretobeputintopracticeespeciallytheultralarge—scaleanalog．Currently,theresearchandapplicationfortheneuralnetworkandwavelettrans

6、formationtheoryhasbecomeahotspotinthefieldoffaultdiagnosis．Themainpurposeofthisarticleistoexploreanewmethodtodiagnosethecircuitofloworderanalogfilters，thenewdiagnosticmethodiscombininganalogcircuitdiagnosiswiththatofwaveletandartificialneuralnetwork．Firstly,research’Ssituationfo

7、rtheanalogcircuitfaultdiagnosisissummarized，andtheelementarytheoryofneuralnetworkisinvestigated，becauseoffaultknowledgeacquisitionforneuralnetworkconstruction，themethodsoflimitedeffectivesamplingandwaveletanalysisareadoptedforfaultknowledgeacquisition．Wediscussedloosewaysofthewa

8、veletanalysisandtheneuralnetworkintheanalogcirc