基于主成分的概率神經(jīng)網(wǎng)絡模擬電路故障診斷的研究.pdf

1、隨著現(xiàn)代化電子技術的飛速發(fā)展，大規(guī)模集成電路的應用，網(wǎng)絡規(guī)模和結構日趨功能化和模塊化，研究如何運用現(xiàn)代診斷技術從大規(guī)模容差電路中準確地診斷出存在故障的子電路和元件，是實際工程迫切需要解決的課題，也是模擬電路故障診斷理論和方法走向實際應用的關鍵步驟之一。 模擬電路故障診斷經(jīng)過二十多年的發(fā)展，已經(jīng)形成一系列診斷理論和方法，但由于其本身理論的復雜以及目前診斷方法的實用性不強使得應用前景和人們的期望差距甚遠。人工神經(jīng)網(wǎng)絡理論近年來得到了

2、快速發(fā)展，已開始在各個領域廣泛應用。 隨著人工神經(jīng)網(wǎng)絡技術的不斷發(fā)展，人工神經(jīng)網(wǎng)絡技術被廣泛的應用于非線性系統(tǒng)的建模與辨識。模擬電路故障的多樣性使得神經(jīng)網(wǎng)絡訓練樣本數(shù)量增加，BP網(wǎng)絡結構趨于復雜，訓練速度降低。針對反向傳播神經(jīng)網(wǎng)絡(BPNN)學習收斂速度慢、易陷入局部極小值等問題，提出了基于主成分分析(PCA)與概率神經(jīng)網(wǎng)絡(PNN)相結合的模擬電路故障診斷方法。 傳統(tǒng)的概率神經(jīng)網(wǎng)絡(PNN)是一種建立在徑向基函數(shù)網(wǎng)絡(

3、RBF)基礎之上的、簡單的、廣泛應用的分類網(wǎng)絡。與傳統(tǒng)的BP網(wǎng)絡比較，它有三大優(yōu)點：網(wǎng)絡學習過程簡單，訓練速度快；網(wǎng)絡的容錯性好，模式分類能力強，收斂性較好；網(wǎng)絡結構設計靈活方便。 本文的主要工作內(nèi)容如下： 1.研究了模擬電路故障特征提取方法。利用主成分分析模擬電路節(jié)點電壓響應的特征參數(shù)，從而簡化了神經(jīng)網(wǎng)絡結構并提高了網(wǎng)絡訓練速度，提高了診斷效率。 2.研究了基于神經(jīng)網(wǎng)絡的模擬電路故障診斷的一般方法和診斷步驟，探

4、討了PNN網(wǎng)絡的結構設計、訓練算法以及用于故障診斷的優(yōu)勢。 3.選取了一個典型純電阻電路，結合主成分分析法和概率神經(jīng)網(wǎng)絡的優(yōu)點，使用PSPICE和MATLAB軟件對故障診斷過程進行了具體的仿真實現(xiàn)。 實驗結果表明，概率神經(jīng)網(wǎng)絡能夠有效的對故障特征進行分類和識別，可以達到故障快速定位和診斷的目的，且診斷率高。 總之，基于概率神經(jīng)網(wǎng)絡的方法，通過主成分分析提取模擬電路的故障特征，對于解決模擬電路的故障數(shù)據(jù)冗余、故障診