[發(fā)明專利]基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的模擬電路軟故障診斷方法

無效

• 申請(qǐng)?zhí)枺?/td>: 200810030585.6
• 申請(qǐng)日: 2008-02-02
• 公開（公告）號(hào): CN101231672A
• 公開（公告）日: 2008-07-30
• 發(fā)明（設(shè)計(jì)）人: 何怡剛;祝文姬;劉美容;陽輝;方葛豐;謝宏;朱彥卿;唐志軍;譚陽紅;肖迎群
• 申請(qǐng)（專利權(quán)）人: 湖南大學(xué)
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50;G06N3/02
• 代理公司: 長(zhǎng)沙市融智專利事務(wù)所
• 代理人: 顏昌偉

技術(shù)領(lǐng)域

本發(fā)明涉及一種模擬電路軟故障診斷方法，特別涉及一種基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的模擬電路軟故障診斷方法。

背景技術(shù)

隨著電子工業(yè)的迅猛發(fā)展，現(xiàn)代化工程技術(shù)系統(tǒng)的規(guī)模不斷擴(kuò)大，電子產(chǎn)品日趨大型化、高速化、自動(dòng)化和智能化。人們?cè)絹碓揭庾R(shí)到電子系統(tǒng)的可靠性是系統(tǒng)穩(wěn)定運(yùn)行的保證，在許多場(chǎng)合其重要性甚至超過了系統(tǒng)的功能和性能，盡管數(shù)字電路設(shè)計(jì)和診斷發(fā)展都十分迅速，但是在一個(gè)完整的系統(tǒng)中，模擬電路不可能被完全替代。據(jù)統(tǒng)計(jì)多年來模擬電路和數(shù)字電路的比例變化并不大，而模擬電路比數(shù)字電路更容易發(fā)生故障，因此工業(yè)生產(chǎn)對(duì)大規(guī)模模擬電路的測(cè)試和診斷提出了新的更高的要求。

基于BP神經(jīng)網(wǎng)絡(luò)的模擬電路軟故障診斷方法是一種較好的模式識(shí)別方法，它與傳統(tǒng)的故障診斷分析方法相比，不需要建立對(duì)象的精確數(shù)學(xué)模型，因而在故障診斷中得到了越來越廣泛的重視。

基于BP神經(jīng)網(wǎng)絡(luò)的模擬電路軟故障診斷方法根據(jù)測(cè)試數(shù)據(jù)對(duì)故障分類，從而達(dá)到故障定位的目的。主要包括激勵(lì)的選擇、測(cè)試節(jié)點(diǎn)的優(yōu)擇、故障特征的提取和故障的檢測(cè)與診斷。

對(duì)待測(cè)電路進(jìn)行靈敏度分析是確定電路的測(cè)試節(jié)點(diǎn)與激勵(lì)信號(hào)的有效方法，但是現(xiàn)有的靈敏度分析有諸多的約束條件，如它只能用以預(yù)報(bào)當(dāng)網(wǎng)絡(luò)參數(shù)有微小變化時(shí)對(duì)網(wǎng)絡(luò)性能的影響，而不能正確給出網(wǎng)絡(luò)參數(shù)有較大改變時(shí)網(wǎng)絡(luò)性能函數(shù)的改變。BP神經(jīng)網(wǎng)絡(luò)的權(quán)值調(diào)整是通過傳統(tǒng)的BP算法來完成的，它是一種基于梯度的搜索算法，通常存在學(xué)習(xí)效率低、收斂速度慢和易于陷入局部最優(yōu)等缺點(diǎn)。

發(fā)明內(nèi)容

為了解決現(xiàn)有模擬電路故障診斷存在的上述技術(shù)問題，本發(fā)明提出一種基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的模擬電路軟故障診斷方法。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案包括以下步驟：

計(jì)算待測(cè)電路元件容差情況的靈敏度

計(jì)算軟故障情況下元件容差情況的靈敏度

根據(jù)元件容差情況的靈敏度曲線選擇激勵(lì)信號(hào)與測(cè)試節(jié)點(diǎn)；

對(duì)樣本電路施加所選的激勵(lì)信號(hào)，在測(cè)試節(jié)點(diǎn)處提取電壓信號(hào)并經(jīng)主元分析和歸一化處理后提取故障特征，加入白噪聲之后構(gòu)成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本；

采用免疫遺傳算法優(yōu)化BP網(wǎng)絡(luò)；

將訓(xùn)練樣本輸入優(yōu)化后的BP網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)的訓(xùn)練；

待測(cè)電路的實(shí)際測(cè)量信號(hào)經(jīng)主元分析和歸一化處理后提取故障特征，將故障特征輸入訓(xùn)練好的優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的輸出即為故障類型。

本發(fā)明的技術(shù)效果在于：本發(fā)明采用集蒙特卡羅分析與采樣技術(shù)結(jié)合的隨機(jī)算法來進(jìn)行靈敏度的分析，根據(jù)靈敏度選取能夠充分隔離故障集中的極大部分故障的激勵(lì)信號(hào)，并優(yōu)選測(cè)試節(jié)點(diǎn)，；通過主元分析與歸一化的策略有效地提取了軟故障的特征；并通過免疫遺傳算法來優(yōu)化設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)，有效地克服了BP算法通常存在的學(xué)習(xí)效率低、收斂速度慢和易于陷入局部最優(yōu)等缺點(diǎn)。這種綜合考慮容差與電路性質(zhì)的模擬電路軟故障診斷方法，不僅有效地處理了由于容差而帶來的模擬電路故障診斷的困難，而且還提高了BP網(wǎng)絡(luò)在實(shí)現(xiàn)模擬電路故障診斷方面的效率與性能。本發(fā)明在大規(guī)模及超大規(guī)模的模擬電路故障診斷更能顯示其優(yōu)越性。

下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的說明。

附圖說明

圖1是本發(fā)明的流程框圖。

圖2是本發(fā)明中隨機(jī)采樣的空間。

圖3本發(fā)明中激勵(lì)信號(hào)與測(cè)試節(jié)點(diǎn)選取的流程框圖。

圖4是本發(fā)明中免疫遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的框圖。

圖5是本發(fā)明中BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖。

具體實(shí)施方式

本發(fā)明是一種模式識(shí)別診斷方法，根據(jù)測(cè)試數(shù)據(jù)對(duì)故障分類，從而達(dá)到故障定位的目的。本發(fā)明的流程框圖如圖1所示，具體診斷過程如下：

(1)故障集的選擇：根據(jù)被測(cè)電路中的特點(diǎn)和以往的經(jīng)驗(yàn)及元件故障概率來選擇若干單故障和多個(gè)故障作為故障集。

(2)激勵(lì)信號(hào)與測(cè)試節(jié)點(diǎn)的選擇：在模擬電路故障診斷中，靈敏度分析在優(yōu)選激勵(lì)信號(hào)與測(cè)試節(jié)點(diǎn)方面已經(jīng)得到了廣泛的應(yīng)用，但是傳統(tǒng)的靈敏度只能用于電路元件參數(shù)有微小變化的場(chǎng)合，而當(dāng)元件參數(shù)有較大改變時(shí)卻不能給出正確的結(jié)果。因此本發(fā)明提出了基于隨機(jī)采樣技術(shù)的靈敏度分析方法，不受參數(shù)變化幅值的影響。其特征在于設(shè)電路標(biāo)稱情況下的轉(zhuǎn)移函數(shù)幅值為y(x)，參見圖2，陰影部分為由元件參數(shù)偏移量Δ_i構(gòu)成的k維連續(xù)空間D，在空間D中引入滿足勒貝格(Lebesgue)可積并且能夠反映元件參數(shù)偏移量對(duì)網(wǎng)絡(luò)性能函數(shù)影響的函數(shù)u(Δ)，即有