BP网络改进及在电路故障诊断中的应用

本文根据ＢＰ神经网络的特点和性能以及电路故障诊断的要求，提出了一种利用ＢＰ神经网络对电路进行故障诊断的方法。该方法应用自行改进的ＢＰ抑经网络，建立了故障识别系统，并对模拟电路故障诊断进行了实例实现，计算机仿真结果良好。     

故障诊断中的神经网络方法

本文以柴油机燃油系统为例，应用多层前馈ＢＰ网络，根据故障的征兆，建立１３－１１－９三层ＢＰ诊断模型，试用表明，诊断结果令人满意且使用方便，由于ＢＰ网络收敛缓慢，中文简述了作者的改进方法。     

人工神经网络识别抽油机井示功图的研究

本文首先简单介绍了人工神经的基本性能和ＢＰ网络模型及算法，在此基础上将神经网络和模式识别相结合研究了通过识别抽油机井国图诊断抽油机井故障的方法。     

双向联想记忆神经网络的开关电流技术实现

本文研究了双向联想记忆（ＢＡＭ）神经网络的开关电流技术实现，提出了实现负权值及存储联想矢量的两个开关电流单元电路，基于此，给出了双向联想记忆网络的开关电流电路，文中对三神经元双向联想记忆ＳＩ网络进行了ＰＳＰＩＣＥ仿真，结果表明所提出的ＳＩ联想记忆网络是正确的。     

包含自加热效应的BJT电路的直流及瞬态模拟

在分析ＢＪＴ的Ｇ－Ｐ器件模型参数温度效应的基础上,提出了采用自洽模拟和外部控制循环,利用ＰＳＰＩＣＥ对包含自加热效应的ＢＪＴ电路进行直流和瞬态模拟的方法,其模拟结果与实验数据较好吻合．结果表明,直流及小信号下电路的自加热效应显著,而大信号瞬态情形由于器件的大注入引起的非线性饱和效应,使电路自加热效应引入的误差减小．该方法亦可应用于其他器件所组成的电路     

故障诊断交流字典法的前向神经网络实现方法

提出了一种采用ＢＰ算法的前向多层神经网络实现模拟电路故障诊断交流字典的方法。     

用前馈神经网络进行带噪声信号的去噪声建模

本文提出了一种用前馈神经网络对带噪声样本的去噪声建模的实验方法,能获得合适的网络模型,并具有较好的去噪声能力。实验对比ＢＰ网络和ＲＢＦ网络去噪声能力上的差别,结果表明,ＲＢＦ网络去噪声能力优于ＢＰ网络。这一结论已被用于为半导体生产工艺控制参数优化的去噪声建模中。     

基于电子束探测技术的VLSI路径延时故障测试方法

介绍了将电子束探测（ＥＢ－Ｐ）技术应用于路径延时故障的测试。首先用ＥＢ－Ｐ的工作原理和实验结果说明了用ＥＢ－Ｐ测量路径延时的可行性;随后讨论了一种将ＥＢ－Ｐ用作测试点的测试点插入技术。     

基于局部连接型多层前馈网络的雷达目标动态回波识别

提出了一种适合于舰船雷达目标动态回波序列识别用的新的有效多层前馈网络－局部连接平行处理型网络研究了ＢＰ网络学习算法的综合改进方法，并相对常规全连接型ＢＰ网络分析了局部连接型网络的动态特征抽取能力和目标识别性能。     

BiCMOS电路可测性设计探讨

本文提出了ＢｉＣＭＯＳ电路的实用可测性设计方案，该方法与传统方法相比，可测性高，硬件花费小，仅需额外添加一个ＭＯＳ管和两个控制端，就可有效地用单个测试码测出ＢｉＣＭＯＳ电路的开路故障和短路故障，减少了测试生成时间，可广泛应用于集成电路设计中。     

基于量子粒子群优化的BP神经网络的汽轮机振动故障诊断研究

为了提高汽轮机诊断系统的诊断速度与精度,提出了将量子粒子群算法和BP神经网络相结合的故障诊断方法。用量子粒子群算法来训练网络的权值和阈值,再将优化后的权值和阈值代入BP网络,进行故障诊断。实例证明,它是一种高效,可靠的诊断方法。     

基于BP网络的船舶发电机转速控制系统传感器故障诊断

介绍了BP网络用于船舶发电机转速控制系统传感器故障诊断的方法、其中的BP算法用变学习速率和附加动量因子方法进行了改进,用SIMULINK对传感器故障过程进行了仿真诊断．得到的结果说明改进算法对BP网络的收敛速度及陷入局部最小有较大的改善,从而说明了BP网络用于这一领域的有效性。     

基于径向基神经网络的旋转机械故障诊断

针对旋转机械故障征兆与故障模式映射的复杂性,以及BP网络容易陷入局部极小、收敛速度慢等缺点,提出基于径向基（RBF）神经网络的风机故障诊断方法。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的RBF网络进行故障辨识。结果表明,RBF网络能满足风机故障诊断的准确性,并在避免局部极小和节约训练时间方面有较好的实用性。     

基于MIV和BRBP神经网络的电路板红外诊断方法

针对BP神经网络对于海量数据训练及多维数据训练收敛困难的问题,在使用增加动力项、自适应学习速率等方法的基础上,引入均值影响度算法(MIV)构造了贝叶斯正则化反向传播(BRBP)神经网络,以此提高电子线路板红外故障诊断算法的效率。利用红外测温方式,获取了不同室温及运行状态下电路板中21个元器件温度数据。将此21个参数作为故障诊断模型的初始输入变量,经过MIV算法简约为12个参数输入至BRBP神经网络,进行故障评估和诊断。结果表明:相对于传统的BRBP神经网络,本文设计的基于MIV和BRBP神经网络模型诊断方法极大简化了数据训练的数据量并解决了数据收敛的困难,因此效率更高,用时更省。     

改进的BP神经网络在模拟电路故障诊断中的应用研究

介绍了应用小波变换法与BP神经网络相结合实现模拟电路故障诊断的方法。应用小波变换法作为故障信号的预处理器,提取故障特征量,减小了BP神经网络的规模。该方法提高了神经网络收敛的速度以及故障类别识别的准确度,具有一定的应用价值。     

大规模电路故障诊断神经网络方法

提出了一种采用BP神经网络诊断大规模电路故障的新方法。介绍了故障诊断的原则及BP网络的算法,并给出了仿真实例。实验证明所提出的方法是有效可行的。     

几种改进BP算法在电机故障诊断中的分析比较

近年来,人工神经网络以其独特的容错、联想、推测、记忆、自适应和处理复杂的多模式等优点,在许多学科中掀起了研究热潮,同样在故障诊断领域,其发展前景也十分乐观,它作为一种自适应的模式识别技术,并不需要预先给出有关模式的经验知识和判断函数,对于特定问题建立的神经网络故障诊断系统,可以从输入数据（故障症状）直接推出输出数据（故障原因）,从而实现故障的检测与诊断。但是传统的BP算法存在一些缺陷。所以采用一些改进的BP算法,把它们用于电机的故障诊断,通过实验对这些改进算法的分析比较,得出其中较合适的算法。这样不仅能发挥神经网络的泛化映射能力而且诊断速度也有提高,有较强的学习能力。     

模拟电路故障诊断中的特征信息提取

在运用BP神经网络进行模拟电路故障诊断过程中,代表故障特征的网络输入至关重要。分析了常见特征信息提取和故障诊断方法,提出一种基于多测试点、多特征信息原始样本集的新方法。运用这种方法构造原始故障特征集,然后作为BP神经网络的输入对网络进行训练,仿真结果表明,通过该方法构造的样本集训练出来的网络对模拟电路故障诊断的正确率优于传统方法,证明了该方法在模拟电路故障诊断中的可行性,为模拟电路的故障诊断提供了一种新方法。     

基于LMBP神经网络的惯性器件故障预报方法研究

利用Levenberg-Marquardt(L-M)算法优化计算BP权值调整量,将L-M算法与传统的BP网络相结合开发出一种快速收敛的LMBP网络,并在此基础上提出了基于LMBP神经网络的时间序列预测方法。最后利用该方法对某惯性器件进行故障预报,通过仿真实验证明了该方法的有效性。     

基于BP神经网络的某型飞机火控系统故障诊断

根据某型飞机火控系统的特点,给出了BP神经网络数学模型及其学习算法,在此基础上以某型飞机火控系统作为为被诊断对象,运用BP神经网络数学模型及其学习算法对其进行故障诊断。诊断结果表明BP神经网络不仅能识别出样本自身的故障,而且能准确诊断出样本以外数据故障,提高某型飞机火控系统一线维修保障效率。