|
【摘要】 本文将神经网络尤其是神经网络集成方法应用于模拟电路故障诊断中。模拟电路故障诊断相当于模式识别,本文论证了BP网络的分类功能并且构造了神经网络故障诊断系统。理论上指出了BP网络构造的故障诊断系统可以应用于任何电路,诊断任何类型故障。故障识别时需要得到最能反映故障分类的本质特征,提取合理的故障特征是模拟电路故障诊断的核心问题之一。本文提出了三种故障特征提取的方法,这三种方法是快速傅里叶变换、小波变换和主成分分析方法。利用快速傅里叶变换和小波变换方法提取故障特征后,训练样本仍然陷入高维灾难,还需对数据进一步压缩,因此提出了一种数据压缩算法。针对电路拓扑中不可识别与不可检测的故障,采取了多次激励方法尽可能分离这些故障。不同激励训练不同的网络,利用神经网络集成方法联合这些网络共同决定网络输出,提出了两种神经网络集成算法。本文所设计的神经网络故障诊断系统即使在训练单个故障模式情况下也能进行多故障诊断,这是网络泛化能力的体现。通过两个电路仿真实验说明这种诊断系统是有效的。这一研究为电子电路的实时故障诊断和电子电路的可靠性分析提供了新的理论依据和检测方法,具有广阔的前景。
【关键词】 模拟电路； 神经网络集成； 故障诊断； 特征提取；
第一章 绪论 9-22
1.1 模拟电路故障诊断 9-12
1.1.1 模拟电路故障诊断理论的发展 10-11
1.1.2 模拟电路故障诊断的难点 11-12
1.1.3 模拟电路故障诊断方法实用性分析 12
1.2 人工神经网络 12-17
1.2.1 人工神经网络发展史 12-15
1.2.2 人工神经网络的特点 15-16
1.2.3 人工神经网络与其它相关技术的关系 16-17
1.3 人工神经网络在模拟电路故障诊断中的应用现状 17-19
1.3.1 模式识别系统构成 17-18
1.3.2 模拟电路神经网络故障诊断系统适用性分析 18
1.3.3 模拟电路神经网络故障诊断的发展 18-19
1.4 本文研究内容及论文组织 19-22
第二章 BP神经网络与模拟电路故障诊断 22-37
2.1 引言 22
2.2 BP 网络 22-32
2.2.1 BP 网络发展历史 22-23
2.2.2 BP 网络的基本结构 23-26
2.2.3 BP 网络的训练 26-31
2.2.4 BP 网络的应用特点 31-32
2.3 模拟电路故障诊断的基本名词 32
2.4 模拟电路故障诊断方法简介 32-35
2.4.1 测前仿真法 33
2.4.2 测后仿真法 33-34
2.4.3 其它技术 34
2.4.4 神经网络故障诊断方法 34-35
2.5 BP 网络诊断模拟电路故障的实用性分析 35-36
2.6 小结 36-37
第三章 模拟电路神经网络故障诊断系统 37-53
3.1 引言 37
3.2 神经网络故障诊断系统的基本思想 37-39
3.3 神经网络故障诊断系统的特点 39-40
3.4 神经网络故障诊断系统的适用范围 40-41
3.5 神经网络故障诊断系统的特征 41-42
3.5.1 输入特征 41
3.5.2 输出特征 41-42
3.6 神经网络故障诊断系统的训练样本集 42-43
3.7 神经网络故障诊断系统的结构和训练方法 43-46
3.7.1 神经网络故障诊断系统的结构设计 43-45
3.7.2 神经网络故障诊断系统的训练方法 45-46
3.8 其它可用于故障诊断的神经网络模型 46-51
3.8.1 自组织特征映射神经网络 47
3.8.2 自适应共振神经网络 47-48
3.8.3 Hopfield 神经网络 48-49
3.8.4 知识处理神经网络 49
3.8.5 模糊神经网络 49-51
3.9 小结 51-53
第四章 模拟电路神经网络诊断故障特征提取技术 53-70
4.1 引言 53-54
4.2 快速傅里叶变换特征提取技术 54-58
4.2.1 概述 54-55
4.2.2 快速傅里叶变换 55-56
4.2.3 快速傅里叶变换特征提取方法 56-57
4.2.4 数据压缩算法 57-58
4.3 小波变换特征提取方法 58-67
4.3.1 概述 58-59
4.3.2 小波变换 59-66
4.3.3 小波变换特征提取方法 66-67
4.4 主成分分析特征提取技术 67-68
4.4.1 概述 67
4.4.2 主成分分析 67-68
4.5 本章小结 68-70
第五章 基于神经网络集成的模拟电路故障诊断 70-81
5.1 引言 70-71
5.2 故障模式模糊性 71-74
5.2.1 不可识别故障 71
5.2.2 不可检测故障 71-72
5.2.3 不可识别及不可检测故障的故障编码 72-73
5.2.4 多次电路激励 73-74
5.3 神经网络集成 74-78
5.3.1 概述 74
5.3.2 神经网络集成实现方法 74-75
5.3.3 理论分析 75-78
5.4 模拟电路故障诊断的神经网络集成算法 78-80
5.5 小结 80-81
第六章 模拟电路神经网络故障诊断系统的应用 81-97
6.1 引言
学术论文网Tag： |
