基于小波分析和遺傳神經(jīng)網(wǎng)絡的模擬電路故障診斷.pdf

1、模擬電路測試和故障診斷自20世紀60年代以來，一直是研究的熱門領域，但由于模擬電路的故障類型比較復雜，電路中的元件參數(shù)容差大，且易受外界干擾，網(wǎng)絡中的非線性元件引起的非線性問題廣泛存在，以及測試設備的不理想輸出等原因，使得模擬電路故障診斷變得有一定難度。以神經(jīng)網(wǎng)絡為代表的人工智能作為一種自適應的模式識別技術，通過自身的學習機制自動形成所要求的決策區(qū)域，為模擬電路故障診斷提供了一條有效途徑，受到學術界的廣泛關注。
　　本文研究了基于

2、神經(jīng)網(wǎng)絡的模擬電路故障診斷的一般方法和診斷步驟，探討了BP神經(jīng)網(wǎng)絡的結構設計、訓練算法以及用于故障診斷的優(yōu)勢，結合神經(jīng)網(wǎng)絡技術的最新研究成果，遺傳算法可以克服BP網(wǎng)絡不易收斂和易陷入局部最小點的缺點，小波分析，能夠有效的處理輸入數(shù)據(jù)，提取故障信號的特征向量，故構造出基于小波分析和遺傳神經(jīng)網(wǎng)絡的模擬電路故障診斷方法。
　　本文以神經(jīng)網(wǎng)絡為主線，以多功能濾波器電路為研究對象，將小波變換和遺傳算法相結合應用于模擬電路的故障診斷中，使用O

3、RCAD和MATLAB軟件對故障診斷過程進行具體仿真實現(xiàn)。在對電路進行診斷過程中，用小波作為預處理工具，經(jīng)歸一化和主元分析后，有效地減少了神經(jīng)網(wǎng)絡的輸入維數(shù)；然后用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的權值和閾值，很好地克服了BP網(wǎng)絡的缺點，改善了神經(jīng)網(wǎng)絡結構。仿真結果表明：小波分析，能夠有效的處理輸入數(shù)據(jù)，提取故障信號的特征向量，縮短了故障診斷的時間，經(jīng)遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡結構得到極大的改善，訓練步數(shù)大大減少，提高了辨識故障類別的能力。該