资源描述：
《【doc】基于信息融合的神经网络模拟电路故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、基于信息融合的神经网络模拟电路故障诊断研究?146?计算机测量与控制.2006.14(2)ComputerMeasurement&Control文章埔号:1671—4598(2006)02--0146--03中圈分类号:TN431.1文献标识码:A基于信息融合的神经网络模拟电路故障诊断研究罗晓峰,王友仁(南京航空航天大学自动化学院,江苏南京210016)摘要:针对目前神经网络模拟电路故障诊断中存在的难点,提出了基于信息融合思想的多神经网络故障诊断方法f该方法测试电路中节点电压信号,供电电流信号,利用小波变换对检测信号进
2、行预处理,基于主成分分析对特征矢量进行降维,根据模拟电路的不同故障模式分别建立诊断神经网络,用概率统计数据融合方法从多个神经网络中选出最优网络用于诊断故障;通过电路实例验证了新故障诊断方法的有效性,实验结果表明新方法可有效提高故障诊断性能关键词;模拟电路f故障诊断f小波变换}神经网络;信息融合ResearchonAnalogCircuitFaultDiagnosticMethodBasedonWavelet—NeuralnetworksandInformationFusionLuoXiaofeng,WangYouren(Col
3、legeofAerospaceEngineering,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016,China)AbstractlAnovelmethodofanalogcircuitfaultdiagnosticbasedonneuralnetworkwithwavelettransformandinformationfusionarepresented.Thenodevoltageandsupplycurrentaretestedinthemetho
4、d.Waveletdecompositionisusedaspreprocessorforfaultinforma?tion.Usingprinciplecompositionanalysisreducesthedimensionalityoffaultfeatures.Networkswiththehighestpriorprobabilityarese—lettedforfuturefaultdiagnosis.It'Sshownbyanexamplecircuitthatthenovelmethodcaneffectiv
5、elypromotetheperformanceoffaultdiagnosis.Keywords:analogcircuitsIfaultdiagnosis}neuralnetwork1wavelettransformIinformationfusionO引言当今电子技术迅猛发展,电子系统规模越来越大,集成度越来越高,功能越来越复杂,这对模拟电路的故障诊断技术也提出了更高的要求.但由于模拟电路故障诊断中特有的难题:元器件的容差,可测故障信息不足,故障模式多样化,电路输人输出的非线性与建模困难等的影响,使得现有的各种模拟电路测
6、试诊断方法还难以满足实际工程应用的需要.神经网络作为一种新的模式识别技术具有鲁棒性好,分类准确等特点,近年来已被大量用于模拟电路故障诊断[1].基于神经网络的故障诊断方法无需建立电路故障响应的数学模型,并且神经网络本身的容错性从一定程度上解决了模拟电路的元件容差问题,这使得神经网络在模拟电路故障诊断领域显示出良好的应用前景但是从国内外的研究来看,目前基于神经网络的故障诊断方法主要是用于小规模电路和故障模式较少情况时的诊断.造成这种状况的主要原因有两个:一是当电路规模增大和故障模式增多时,现有的故障诊断方法面临着故障信息不充分的
7、难题.二是当故障模式增多时,导致用于诊断的神经网络规模迅速增大,从而引起训练困难,性能劣化.收稿日期:2005一O6—24;修回日期:2005一O7—29.基金项目:航空科学基金资助项目(04152068).作者简介;罗晓峰(1978一),男,重庆人,硕士研究生,主要从事电子设备的测试诊断方面的研究;王友仁(1963一),男,江苏南京人,博士,教授,目前主要从事电子设备的测试诊断与智能自主修复研究.中华测控网chinHmc.net.cn针对以上困难,在我们的研究中测量了多种电路状态信号来获得充分的电路故障特征信息.对每一个故障
8、模式的不同电路状态信息分别建立一个神经网络,并采用概率统计的方法选出针对该故障的最优神经网络,由此提高故障诊断的准确率,并可以适用于大规模电路和故障模式复杂的场合.同时,为了减小神经网络的输人矢量维数,基于小波变换方法来提取故障信号的特征信息,用主成分分析法来压缩故障特征矢量
