模拟电路多故障诊断的神经网络法

模拟电路多故障诊断的神经网络法刘耀年，宗伟（电力工程系）１前言模拟电路故障诊断理论经过二十多年的发展，出现了很多方法，总的看诊断方法可分为测前模拟ＳＢＴ（ＳＡｎｕｌａｔｉｏｎＢｅｆｏｒｅＴｅｓｔ）和测后模拟ＳＡＴ（ＳＡｎｕｌａｔｉｏｎＡｆｔｅｒＴｅｓ...     

基于神经网络的模拟电路故障诊断

针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于LM算法的神经网络故障诊断方法;主要包括故障特征的选取以及神经网络的建立.其中网络隐含层节点数的选取采用黄金分割优选法.试验仿真表明,LM算法明显提高了网络训练速度,减少了训练时间,其效果优于标准BP算法,可有效提高故障诊断性能.     

基于组合优化BP神经网络的模拟电路故障诊断

电子系统的可靠性已成为影响系统正常运行的关键,因此电路故障的诊断越来越受到重视。基于BP神经网络的诊断方法是目前实现模拟电路故障诊断的有效方法之一。文章针对已有BP神经网络模拟电路故障诊断技术的不足,提出了一种组合优化的诊断方案。该方案采用遗传算法优化确定BP神经网络的初始权值,以规避BP神经网络易陷入局部极小值的不足,然后应用L-M方法在这个局部解空间里对BP神经网络进行精调,搜索出最优解或者近似最优解。该方案发挥了BP神经网络的广泛映射能力和遗传算法的全局搜索能力,加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力,有效提升了基于BP神经网络模拟电路故障诊断的性能。     

模拟电路故障诊断的神经网络专家系统方法

提出了一种用于模拟电路故障诊断的神经网络专家系统(NNES)方法。利用神经网络、专家系统两种技术的互补性,采用紧密耦合的NNES方法实现模拟电路的故障诊断。同时给出并讨论了该方法的一般结构。实验结果说明了这一方法是可行、有效的。     

基于嵌入式系统的BP神经网络及其在模拟电路故障诊断中的应用

针对模拟电路故障的实时诊断问题,提出使用嵌入式系统实现BP神经网络进行诊断的解决方案。对诊断系统的芯片选择、系统架构、诊断流程、训练算法等问题进行了研究,提出使用STM32芯片作为核心芯片以及加入动量项的反向传播算法进行训练的策略,明确了系统的结构及运行流程。最后使用设计的系统分别进行了线性和非线性模拟电路的故障诊断实验进行验证。实验结果表明,基于嵌入式系统的BP神经网络能够有效及时地诊断出模拟电路的故障。     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点，提出基于小波神经网络的模拟电路故障诊断方法。采用能量分布特征提取方法和改进BP算法，用正弦信号仿真模拟电路，应用小波变换对模拟电路的采样信号进行多尺度分解，再进行能量分布特征提取，然后利用神经网络对各种状态下的特征向量进行分类识别，实现模拟电路故障诊断。相对于传统的故障诊断方法，用小波变换对故障信号进行预处理，大大减少了神经网络的输入数目，从而简化了神经网络的结构和减少了它的训练时间，并提高了辨识故障类别的能力。对实例电路仿真结果表明，该方法能正确识别各种故障状态，准确率高。     

遗传神经网络在齿轮故障诊断中的应用

由于齿轮故障征兆与故障之间具有非线性和耦合性等特点,采用BP神经网络对齿轮进行故障诊断存在着收敛速度慢和可靠性差等缺点,提出了一种基于遗传算法的BP神经网络齿轮故障诊断方法,即在利用BP神经网络对齿轮进行故障诊断的基础上,利用遗传算法对神经网络的权值和阈值进行修正,得到全局的最优值.仿真结果表明,该诊断策略具有故障诊断能力强和诊断效率高的特点,改善了齿轮故障诊断的精度和速度.     

基于模糊神经网络的模拟电路故障诊断算法

将小波包分析、模糊理论和神经网络有机结合在一起,提出了一种基于小波包特征提取和模糊规则的模拟电路故障诊断的神经网络算法.计算和仿真实验结果表明,该方法可以减少网络的训练规模,加快网络的收敛速度,能够为模拟电路故障诊断提供一种新的有效的方法.     

基于小波变换的神经网络模拟电路故障诊断

对模拟电路提出了一种基于小波变换与神经网络相结合的故障诊断方法,该方法用小波变换对模拟电路故障信号提取小波特征,并经小波变换压缩,再将故障特征量输入至神经网络处理。结果表明,该方法有效地减少神经网络输入层单元数,简化了神经网络结构,提高了故障诊断能力。     

基于小波神经网络的容差模拟电路故障诊断方法

以模拟电路的故障诊断为例,利用小波分析,将电路故障信号进行层次分解,获得不同频段的信号成分,取其能反映故障信号特征的成分作为电路故障特征,再输入给神经网络,大大减少了神经网络的输入数目、简化了神经网络的结构、减少了它的训练时间,并提高了辨识故障类别的能力.     

Fault Diagnosis of Analog Circuit Based on PSO and BP Neural Network

In order to improve the speed and accuracy of analog circuit fault diagnosis,using Back Propagation Neural Network(BPNN),a new method is proposed based on Particle Swarm Optimization(PSO)to adjust weights of BP neural network.The model can not only overcome the limitations of the slow convergence and the local extreme values by basic BP algorithm,but also improve the learning ability and generalization ability with a higher precision.The response signals of analog circuit is preprocessed by Wavelet Packet Transform(WPT)as the fault feature.The simulation result shows that the proposed method has higher diagnostic accuracy and faster convergence speed,which is effective for fault location.     

模拟大规模网络的故障诊断

本文提出一种模拟大网络故障诊断的新方法。该方法首先判定故障子网络,然后再进一步对故障元件进行准确的定位和定值。所建立的故障诊断方程具有较低的非线性度及规则的雅可比矩阵,测试后计算量大大减少,适合于线性和非线性大网络的故障诊断。     

模拟电路单故障与多故障诊断的提升小波和RBF方法

为了更高效、更准确地诊断模拟电路的单故障和多故障,提出了提升小波和RBF神经网络相结合的方法。该方法用提升小波系数表征故障电路的特征,训练RBF神经网络,将训练好的神经网络作为分类器,对故障电路进行诊断。通过对比,提出的提升小波方法诊断效果明显优于传统小波,准确率达到99.2%,用时更长。结果表明,基于提升小波和RBF神经网络的模拟电路单故障与多故障诊断方法可以有效地提取故障电路的特征并准确快速地对故障进行分类。     

一种改进的模拟电路k故障诊断算法

利用元件容差的两个基本特性，给出了一种从总体上估计容差的改进ｋ故障诊断算法，实验结果表明本文算法可以准确地定位故障，且受容差的影响较小。     

基于粒子群-小波神经网络的模拟电路故障诊断

针对传统小波神经网络技术在模拟电路故障应用中存在的问题,提出了一种基于粒子群-小波神经网络的模拟电路故障诊断方法.利用该方法对滤波电路进行了故障检测,结果表明,该方法优于传统的小波神经网络方法.     

基于网络树的模拟电路故障诊断

根据电网络理论中树的特性,提出了一种的子网络级的模拟电路故障诊断方法,给出了在大规模电网络中,网络树状态的两个判据及根据网络树状态判据的故障诊断算法。本方法避免了进行 Ｋ Ｃ Ｌ方程校验所带来的复杂计算,且大部分计算可于测试前进行,实时性强,便于在线实现。算法同时适用于线性电路和非线性电路。     

基于圆故障模型的模拟电路故障诊断方法

针对模拟电路故障诊断中故障字典法的电路故障响应状态的不可数性,提出了一种新的复平面空间圆故障模型诊断方法。该方法利用电路响应与元件的位置及电路拓扑结构之间的关系,在复平面空间上建立圆函数作为故障特征。故障诊断时,利用测试值到圆中心之间距离与圆半径相等的原理来精确定位故障。实验证明圆故障模型既能解决故障响应不可数问题又能简化故障字典,降低仿真和测试代价。同时,该方法不但能诊断软故障和硬故障,而且也能很好地解决容差问题。     

结合遗传算法的人工神经网络在汽车故障诊断中的应用

本文提出采用遗传算法优化人工神经网络结构的初值,将遗传算法与人工神经网络结合起来,迅速得到最佳人工神经网络权值矩阵与阀值向量,实现汽车故障诊断。