模擬電路故障診斷優(yōu)化理論與方法的研究.pdf

1、隨著現(xiàn)代工業(yè)應(yīng)用的迫切需求及電子技術(shù)尤其是微電子技術(shù)的高速發(fā)展，同時(shí)高復(fù)雜度和集成度的電路及其系統(tǒng)的數(shù)量也在不斷地增長(zhǎng)。因此，研究如何運(yùn)用現(xiàn)代診斷技術(shù)準(zhǔn)確地診斷出電路中存在的故障子電路和元件，成為實(shí)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?qū)嶋H應(yīng)用的關(guān)鍵步驟。本文針對(duì)現(xiàn)有模擬電路故障診斷方法的一些缺點(diǎn)，作了如下研究工作:
　　1、研究了小波神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用。從神經(jīng)網(wǎng)絡(luò)、小波分析基本理論和分析方法

2、出發(fā)，提出了利用小波神經(jīng)網(wǎng)絡(luò)診斷模擬電路故障的兩種方法。一是利用小波變換作為模擬電路各故障信號(hào)的預(yù)處理器;二是基于小波理論所構(gòu)造的一種分層的、多分辨率的神經(jīng)網(wǎng)絡(luò)，即用小波函數(shù)取代通常的非線(xiàn)性Sigmoid函數(shù)，或用小波函數(shù)代替網(wǎng)絡(luò)中普通的權(quán)值。最后將它們分別用于診斷模擬電路識(shí)別電路故障。
　　2、詳細(xì)分析了基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)用于模擬電路的故障診斷方法，介紹了遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的方法。在小波神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷方法的基

3、礎(chǔ)上，利用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，從而尋找最為合適的神經(jīng)網(wǎng)絡(luò)參數(shù)，該方法結(jié)合了遺傳算法、神經(jīng)網(wǎng)絡(luò)及小波變換的優(yōu)點(diǎn)，既減小了遺傳算法的搜索空間、提高搜索效率，又簡(jiǎn)化了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、減少了網(wǎng)絡(luò)的訓(xùn)練時(shí)間，從而避免了靠經(jīng)驗(yàn)和試驗(yàn)確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及其參數(shù)的缺點(diǎn)，并能比較容易地收斂到最優(yōu)解，文中給出了診斷的詳細(xì)步驟，并通過(guò)診斷實(shí)例來(lái)進(jìn)一步驗(yàn)證所述方法的正確性，說(shuō)明所提方法的優(yōu)越性。
　　3、介紹了人工免疫算法、模糊集合的基本理論

4、，及幾種常用方法，詳細(xì)介紹了一般性的模糊免疫算法流程，并提出了人工免疫算法與模糊算法相結(jié)合后在模擬電路故障診斷中的應(yīng)用。由于人工免疫算法起到學(xué)習(xí)樣本的作用，尋找到各樣本組的聚類(lèi)中心;而模糊分類(lèi)算法則準(zhǔn)確地完成對(duì)樣本的分類(lèi)任務(wù)，因此，如何有效結(jié)合人工免疫算法與模糊分類(lèi)技術(shù)并將其應(yīng)用于模擬電路故障診斷是一個(gè)值得研究的領(lǐng)域。最后通過(guò)模擬電路故障診斷實(shí)例與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行比較，比較結(jié)果證明文中提出的方法具有明顯的優(yōu)勢(shì)。
　　4、研究了基于

5、符號(hào)分析和模型技術(shù)，以被測(cè)電路的傳輸函數(shù)作為故障診斷方程，通過(guò)給可及節(jié)點(diǎn)施加特定頻率的激勵(lì)，測(cè)量電路的增益和相位響應(yīng)來(lái)實(shí)現(xiàn)故障的檢測(cè)和定位。與傳統(tǒng)的故障診斷方法相比，該方法診斷速度快，故障識(shí)別率高，計(jì)算量小，且診斷過(guò)程簡(jiǎn)單直觀，診斷具有易于實(shí)現(xiàn)的特點(diǎn)。
　　5、研究了大規(guī)模電路故障診斷的撕裂規(guī)則，及如何應(yīng)用神經(jīng)網(wǎng)絡(luò)分級(jí)診斷大規(guī)模電路的各個(gè)子電路。在最佳激勵(lì)作用下，提取節(jié)點(diǎn)電壓信息，并提取各信息的小波包系數(shù)，得到各特征向量，進(jìn)行信息