基于信息融合和極限學習機的模擬電路故障診斷.pdf

1、模擬電路測試與故障診斷始于20世紀60年代元件可解性問題的研究，發(fā)展至今已在理論上取得了長足的進展，但受元器件的容差、可測故障信息量不足、故障模式多樣化、電路輸入輸出非線性等因素的影響，至今距實用尚有一定的距離。神經網絡、小波分析、和信息融合等智能信息處理技術為解決模擬電路故障診斷中的諸多難題提供了一條新的途徑。同時，紅外診斷可以克服傳統(tǒng)的接觸法測試的不足，亦為傳統(tǒng)的模擬電路故障診斷方法提供了一種有效的補充。
　　 本文首先綜述

2、了模擬電路故障診斷的研究現(xiàn)狀，然后以基于智能信息處理技術的模擬電路故障診斷為核心，對模擬電路故障信息、特征提取和故障分類等進行了較深入的研究。
　　 模擬電路，尤其是大規(guī)模模擬集成電路使得傳統(tǒng)的接觸法在某些場合受到了限制。針對其造成的故障信息量不足的問題，本文研究結合紅外診斷進行模擬電路的故障定位，融合電壓信息和溫度信息進行故障診斷，提出了基于SOFM網絡的異質信息融合診斷方法。該法提取電路工作時的電壓和溫度信息作為故障特征信息

3、，經預處理后作為樣本輸入SOFM神經網絡分類器，通過SOFM網絡輸出層各神經元的競爭，得到獲勝神經元，從而實現(xiàn)對樣本數(shù)據(jù)的故障識別及分類。仿真實例證明了所提融合方法提高了診斷正確率。
　　 針對模擬電路故障診斷的特征提取和故障分類這兩大問題，著重研究了小波分析在模擬電路故障診斷中的應用和極限學習機在故障模式分類中的應用。本文在利用小波包分解算法提取電路輸出信號各子頻帶能量作為故障特征的基礎上，將極限學習機引入模擬電路故障診斷，進