本站小編為你精心準備了模擬電路軟故障診斷的分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:

介紹了基于神經網絡的故障針診斷方法和結合模糊理論應用的故障診斷。分析了小波變換的現代模擬電路軟故障診斷的研究現狀。

關鍵詞:

模擬電路；軟故障診斷；神經網絡；模糊理論；小波變換

在最近幾年，現代模擬電路故障診斷方法的研究成為了新的熱點。其中有基于神經網絡。并結合專家系統、小波變換、模糊理論和遺傳算法。“小波神經網絡”和“模糊神經網絡”成為主流的模擬電路軟故障診斷方法。

1基于神經網絡的故障診斷方法

神經網絡有自組織性、自學性、并行性、聯想記憶和分類功能,這些信息處理特點使其能夠解決一些傳統模式難以解決的問題。其中模擬電路故障診斷中的非線性和容差問題就是運用神經網絡的非線性映射能力和泛化能力來解決的，同時這也是專家門的較為感興趣的研究熱點。基于神經網絡的模擬電路故障診斷方法有一些，其中包括測試節點的選擇、確定被測故障集、故障特征的提取等步驟,這種方法與基于測前仿真的故障字典法雷同。前者用制作神經網絡和樣本集來儲存特征信息，而且在測試完畢后定位故障是通過神經網絡來處理。所以可以把基于神經網絡的方法當作是基于測后仿真和測前仿真的延伸與綜合。在故障診斷領域，誤差反傳神經網絡（backpropagationneuralnetwork,BPNN）擁有較好的模式分類特性。然而僅僅以節點電壓視作故障特征訓練的BPNN只能適用于診斷模擬電路的硬故障。在軟故障方面，一般需要基于神經網絡和多種特征提取方法的綜合應用來診斷。

2基于模糊理論應用的模擬電路軟故障診斷

在一些故障診斷問題中，模糊規則適合描述故障診斷的機理。模糊理論中的模糊運算、模糊邏輯系統、模糊集合擁有對模糊信息的準確應付能力，這使得模糊理論成為故障診斷的一種有力工具。神經網絡與模糊理論相結合，充分發揮了模糊理論和神經網絡各自的優點，并以此來彌補各自的不足，這就是所謂的“模糊神經網絡”。這種方法的基本思想是在BPNN的輸出層和輸入層中間增加一到兩層模糊層構造模糊神經網絡，分別利用神經網絡和模糊邏輯處理低層感知數據與描述高層的邏輯框架，這樣一來跟神經網絡分類器相比，“模糊神經網絡”對模擬電路軟故障診斷效果的優勢就非常明顯。通過一個無監督的聚類算法自組織地確定模糊規則的數目并生成一個初始的故障診斷模糊規則庫，構造了一類模糊神經網絡，通過訓練調整網絡權值，使故障診斷模糊規則庫的分類更加精確，實現了電路元件的軟故障診斷。

3基于小波變換的模擬電路軟故障診斷

小波變換是一種新的變換分析方法，它繼承和發展了短時傅立葉變換局部化的思想，同時又克服了窗口大小不隨頻率變化等缺點，能夠提供一個隨頻率改變的"時間-頻率"窗口，是進行信號時頻分析和處理的理想工具。它的主要特點是通過變換能夠充分突出問題某些方面的特征，能對時間（空間）頻率的局部化分析，通過伸縮平移運算對信號（函數)逐步進行多尺度細化，最終達到高頻處時間細分，低頻處頻率細分，能自動適應時頻信號分析的要求，從而可聚焦到信號的任意細節，解決了Fourier變換的困難問題，成為繼Fourier變換以來在科學方法上的重大突破。若滿足時，則由經過伸縮和平移得到的函數成為小波函數族。小波變換具有時域局部特征,而神經網絡具有魯棒性、自學習、自適性和容錯性。如何把二者的優勢結合起來一直是人們所關注的問題。一種方法是用小波變換對信號進行預處理,即以小波空間作為模式識別的特征空間，通過小波分析來實現信號的特征提取，然后將提取的特征向量送入神經網絡處理；另一種即所謂的小波神經網絡或小波網絡。小波神經網絡是神經網絡與小波理論相結合的產物，最早是由法國著名的信息科學研究機構IRLSA的ZhangQinghu等人1992年提出來的。小波神經用絡是基于小波變換而構成的神經網絡模型,即用非線性小波基取代通常的神經元非線性激勵函數(如Sigmoid函數),把小波變換與神經網絡有機地結合起來,充分繼承了兩者的優點。近幾年來,國內外有關小波網絡的研究報告層出不窮。小波與前饋神經網絡是小波網絡的主要研究方向。小波還可以與其他類型的神經網絡結合,例如Kohonen網絡對信號做自適應小波分解。

由于神經網絡、小波變換、模糊理論在當今的發展上還不是很完善,例如在診斷中，模糊度該如何準確地定量化，對小波變換之后故障信號進行怎樣構造能體現故障類別的特征等,因此這些基于神經網絡的診斷方法或多或少地存在一些局限性。一般來說,神經網絡方法的長處并不是提高診斷精度，而且無論運用什么方法,在選取狀態特征參量和確定電路故障集方面,傳統的故障診斷方法仍然具有理論上的指導意義。所以,抽取合理的故障特征比構造合適的神經網絡更為重要。

參考文獻：

[1]梁戈超,何怡剛,朱彥卿.基于模糊神經網絡融合遺傳算法的模擬電路故障診斷法[J].電路與系統學報,2004,9(2):54-57.

[2]譚陽紅,何怡剛.模擬電路故障診斷的小波方法[J].電工技術學報,2005,20(8):89-93.

[3]鄭致剛,胡云波.小波神經網絡在模擬電路故障診斷中的應用[J].微機算計信息,2006,22(6-1):206-20

作者:高昕 費釗 單位:安徽理工大學電氣與信息工程學院