基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究

1、基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究摘 要： 小波變換是一種時頻分析方法，具有多分辨率特性，被譽為數(shù)學(xué)顯微鏡，而BP神經(jīng)網(wǎng)絡(luò)具有較好的泛化才能，很適宜于判斷電路狀態(tài)屬于哪種故障類型的分類問題。本文將二者結(jié)合起來，采用基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法。應(yīng)用小波變換對模擬電路幅頻響應(yīng)的采樣信號進(jìn)展故障特征提取，然后利用BP神經(jīng)網(wǎng)絡(luò)對各種狀態(tài)下的特征向量進(jìn)展分類決策，實現(xiàn)模擬電路的故障診斷。通過對電路進(jìn)展仿真，證明該方法可以實現(xiàn)故障檢測及定位，具有準(zhǔn)確率高的特點。關(guān)鍵詞： 小波變換; 模擬電路故障診斷; 神經(jīng)網(wǎng)絡(luò); 故障特征提取Method of Analog Circuit Fault

2、 Diagnosis based on wavelet neural networkZHOU Jing?jing， WU Wen?quan， XU Yan?yi， SUN Jin?mingSchool of Electronic Engineering， Naval Engineering Niversity， Wuhan 430033， ChinaAbstract： Wavelet transform is a time?frequency analysis method， which has multi?resolution feature， is honoured as mathemat

3、ical microscope， and is suitable for judging what type of fault the circuit status belongs to. In this paper， the analog circuit fault diagnosis method based on wavelet neural network is used. Wavelet transform is adopted to extract the fault features of the sampling signal from amplitude?frequency

4、response of the analog circuit. BP neural network is utilized to classify the feature vectors under various states and realize fault diagnosis of analog circuits. Simulation results of the circuit show that this scheme is feasible and has many powerful virtues， such as accurate fault detection and p

5、ositioning.Keywords： wavelet transform; analog circuit fault diagnosis; neural network; fault feature extraction0 引 言本文采用小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)故障的診斷，首先對研究電路進(jìn)展仿真，對各種故障狀態(tài)下的幅頻響應(yīng)曲線利用小波變換提取其特征參數(shù)集，該數(shù)據(jù)集包含了元件在無容差狀態(tài)下的電路數(shù)據(jù)和有容差狀態(tài)下的電路數(shù)據(jù)，然后構(gòu)造BP神經(jīng)網(wǎng)絡(luò)進(jìn)展故障的診斷分類。經(jīng)實驗證明，本文所用方法對所研究電路故障有很高的識別率。1 小波神經(jīng)網(wǎng)絡(luò)方法1.1 小波變換特征提取在模擬電路的故障診斷中，通常利用小波變

6、換對電路的輸出響應(yīng)曲線進(jìn)展數(shù)據(jù)的預(yù)處理，提取其故障特征參數(shù)。小波變換的定義是把某一個被稱為根本小波的函數(shù)做位移b后，再在不同尺度a下與待分析的信號xt做內(nèi)積4，即：WTxa，b=1a-+xt0鹴-badt， 0式中：a為頻率參數(shù);b為時間參數(shù)。通過改變時間和頻率參數(shù)，將得到不同的尺度來評估信號在不同的時間頻率段的系數(shù)。這些系數(shù)表征了原始信號在這些小波函數(shù)上投影的大小。從信號分析的角度看，小波分解是將待分析信號通過兩組濾波器，得到信號的高頻信號和低頻信號，同時，對低頻信號的進(jìn)一步分解，可以得到下一尺度函數(shù)上的低頻信號及高頻信號，且長度均為原信號長度的一半，即在濾波后進(jìn)展了采樣。將采樣后的信息做為

7、信號的特征參數(shù)。詳細(xì)步驟為：2 特征向量構(gòu)成。以各層小波分解系數(shù)的絕對值最大值為元素構(gòu)成特征向量，即maxA5，maxD5，maxD4，maxD3，maxD2，maxD1; 3 歸一化處理。指通過變換處理將網(wǎng)絡(luò)輸入數(shù)據(jù)限制在-1，1區(qū)間內(nèi)，從而防止大的動態(tài)變化。小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷過程為：首先是診斷信息獲取，利用電路輸出電壓響應(yīng)獲得故障信息;然后是故障特征提取，即采用小波變換從采用信號中提取所需的故障特征;最后是狀態(tài)識別和故障診斷，即采用 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)展分類，以確定故障類型5。1 數(shù)據(jù)采集與故障特征提取。在待測電路運行于不同故障形式時，采集電路輸出響應(yīng)信號如電壓、電流等信號，對其

8、離散化后，進(jìn)展N層小波分解，以各層小波分解系數(shù)序列的絕對值之和為元素組成故障特征向量;2 BP 網(wǎng)絡(luò)構(gòu)造參數(shù)6。根據(jù)電路故障特征向量維數(shù)和電路故障形式，確定 BP 網(wǎng)絡(luò)的輸入與輸出層節(jié)點數(shù)目。假設(shè)對采樣信號進(jìn)展N層小波分解，獲得N+1 維的故障特征向量，即網(wǎng)絡(luò)輸入層節(jié)點數(shù)目為N+1;假設(shè)待測電路有M種故障形式，那么輸出層節(jié)點數(shù)目為M;隱層神經(jīng)元數(shù)目6預(yù)選取為N+M+aN和M分別為輸入/輸出層數(shù)目，a=110，假設(shè)在網(wǎng)絡(luò)訓(xùn)練過程中不能滿足要求，那么逐個增加或減少隱層神經(jīng)元數(shù)目。經(jīng)過比較，輸入層和隱層的鼓勵函數(shù)均采用tan?sigmoid函數(shù)，輸出層的鼓勵函數(shù)采用線性函數(shù);4 診斷結(jié)果輸出。把待測

9、電路的故障特征向量輸入經(jīng)過訓(xùn)練的 BP 網(wǎng)絡(luò)，得到輸出結(jié)果，即可判斷電路故障形式。2 診斷實例2.1 診斷電路E：王芳現(xiàn)代電子技術(shù)202106現(xiàn)代電子技術(shù)15年38卷第6期Image19T1.tif圖2 電路幅頻響應(yīng)的50次蒙特卡羅分析2.2 用小波神經(jīng)網(wǎng)絡(luò)方法進(jìn)展故障診斷2.2.1 故障特征提取對圖1電路加鼓勵后，提取其輸出節(jié)點Out的幅頻響應(yīng)進(jìn)展小波消噪與分解，然后提取小波系數(shù)各分量絕對值的最大值作為故障的特征。上述故障特征主要由兩部分組成：1 考慮元件無容差情況下的電路，對電路在各種故障狀態(tài)下進(jìn)展交流分析以提取電路的響應(yīng)信號進(jìn)展小波消噪與分解，再求取小波系數(shù)各分量絕對值的最大值，組成無容

10、差候選樣本;2 考慮元件有容差情況下的電路，對該電路在各種故障狀態(tài)下進(jìn)展Monte?Carfo分析與瞬態(tài)分析相結(jié)合，同樣地，提取電路的響應(yīng)信號進(jìn)展小波消噪與分解，再求取小波系數(shù)各分量絕對值的最大值，組成容差電路候選樣本。2.2.2 構(gòu)造BP神經(jīng)網(wǎng)絡(luò)及診斷針對文中診斷電路，BP 網(wǎng)絡(luò)構(gòu)造參數(shù)如下：1 輸入層。神經(jīng)元數(shù)目6個，即小波變換獲得的故障特征向量。2 輸出層。神經(jīng)元數(shù)目9個，即電路的故障形式。E：王芳現(xiàn)代電子技術(shù)202106現(xiàn)代電子技術(shù)15年38卷第6期Image19T3.tif圖3 均方誤差與訓(xùn)練次數(shù)關(guān)系為檢驗經(jīng)過訓(xùn)練的網(wǎng)絡(luò)的故障診斷效果，用測試樣本對網(wǎng)絡(luò)進(jìn)展測試，如表1所示。3 結(jié) 語

11、本文采用小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法，對25 kHz帶通濾波器電路故障進(jìn)展診斷，先通過小波分解的方法進(jìn)展故障特征的提取，再用BP神經(jīng)網(wǎng)絡(luò)進(jìn)展故障分類。通過測試樣本對經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)進(jìn)展檢驗，獲得了較好的準(zhǔn)確率。在下一步的研究中將利用小波變換從電源電流提取故障特征，交融7提取的電壓故障特征向量開展模擬電路故障診斷的研究。表1 訓(xùn)練和測試結(jié)果數(shù)據(jù)表參考文獻(xiàn)2 楊士元.模擬系統(tǒng)的故障診斷與可靠性設(shè)計M.北京：清華大學(xué)出版社，1993.3 祝文姬.模擬電路故障診斷的神經(jīng)網(wǎng)絡(luò)方法及其應(yīng)用D.長沙：湖南大學(xué)，2021.4 宋小安.模擬電路故障診斷的專家系統(tǒng)法與BP神經(jīng)網(wǎng)絡(luò)法研究D.南京：河海大學(xué)，2005.5 謝宏，何怡剛，吳杰.基于小波?神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷方法的研究J.儀器儀表學(xué)報，2004，