[發(fā)明專利]基于小波包分析和Hopfield網(wǎng)絡(luò)的模擬電路故障診斷方法

有效

• 申請?zhí)枺?/td>: 201210264149.1
• 申請日: 2012-07-27
• 公開（公告）號: CN102749573A
• 公開（公告）日: 2012-10-24
• 發(fā)明（設(shè)計）人: 柴毅;李鵬華;邱逸峰;熊慶宇;魏善碧;張可
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G01R31/316
• 分類號: G01R31/316
• 代理公司: 重慶博凱知識產(chǎn)權(quán)代理有限公司 50212
• 代理人: 張先蕓

技術(shù)領(lǐng)域

本發(fā)明涉及模擬電路故障診斷方法，具體涉及一種基于小波包分析和Hopfield網(wǎng)絡(luò)的模擬電路故障診斷方法。

背景技術(shù)

在系統(tǒng)與外界之間的信號輸入輸出中,模擬電路起著關(guān)鍵作用。以控制系統(tǒng)為例,不論其控制器是否被數(shù)字技術(shù)所取代,該系統(tǒng)都需要從外界的傳感器獲取輸入信號,并通過執(zhí)行器來產(chǎn)生實際輸出。對模擬信號所進行的傳輸、濾波、放大、轉(zhuǎn)換是許多復(fù)雜系統(tǒng)必備的基本功能。因此,模擬電路的可靠性是影響諸多復(fù)雜工業(yè)系統(tǒng)可靠性的重要因素之一,對模擬電路開展的故障診斷也一直是電子工業(yè)領(lǐng)域的研究重點。

事實上,由于故障模型的缺乏、電路元件自身的非線性和容限影響,模擬電路是最不穩(wěn)定的可測系統(tǒng),其故障診斷仍然面臨許多問題。例如外界噪聲的出現(xiàn)、無故障元件偏離其允許容限程度的未知性以及軟故障發(fā)生位置的不確定性(軟故障是指元件負(fù)載超出某一容限,雖未燒毀但嚴(yán)重影響電路實際功能；硬故障是指元件燒毀或者由于其他原因而損壞.)都將影響模擬電路故障診斷的準(zhǔn)確性。

針對上述問題,國內(nèi)外諸多學(xué)者在過去的十多年內(nèi),對系統(tǒng)級、電路板級、芯片級的模擬電路進行了大量重要的研究工作。這些研究主要采用小波分析和神經(jīng)網(wǎng)絡(luò)分別作為故障特征提取和故障分類的核心技術(shù)。文獻(xiàn)公開了相關(guān)技術(shù)，例如：Catelani?M,FortA.Soft?fault?detection?and?isolation?in?analog?circuits:some?results?and?a?comparison?between?a?fuzzy?approach?and?radial?basis?function?networks.IEEE?Trans.Instrum.Meas.,2002,51(2):196-202.；Spina?R,Upadhyaya?S.Linear?circuit?fault?diagnosis?using?neuromorphic?analyzer.IEEE?Trans.Circuits?Syst.II，1997,44(3):188-196.；Maidon?Y,Jervis?B?W,Fouillat,Lesage?P?S.Using?artificial?neural?networks?or?lagrange?interpolation?to?characterize?the?faults?in?an?analog?circuit:an?experimental?study.IEEE?Trans.Instrum.Meas.,1999,48(5):932-938.；Negnevitsky?M,Pavlovsky?V.Neural?networks?approach?to?online?identification?of?multiple?failures?of?protection?systems.IEEE?Trans.Power?Delivery,2005,20(2):588-594.均直接將未經(jīng)任何處理的電路輸出響應(yīng)作為神經(jīng)網(wǎng)絡(luò)的輸入,診斷準(zhǔn)確性較低、網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、訓(xùn)練時間長；又如：Mehran?A,Farzan?A.A?modular?fault-diagnostic?system?for?analog?electronic?circuits?using?neural?networks?with?wavelet?transform?as?a?preprocessor.IEEE?Trans.Instrum.Meas.,2007,5(5):1546-1554，照故障種類把模擬電路劃分成不同模塊,每個模塊對應(yīng)一個神經(jīng)網(wǎng)絡(luò),并將各模塊的輸出響應(yīng)進行主元分析以作為神經(jīng)網(wǎng)絡(luò)的輸入,提高了故障診斷的準(zhǔn)確性,但增加了網(wǎng)絡(luò)開銷；再如：Aminian?M,Aminian?F.Neural?network?based?analog?circuit?fault?diagnosis?using?wavelet?transform?as?preprocessor.IEEE?Trans.CircuitsSyst.II，Analog?Digit.Signal?Process.,2000,47(2):151-156.將主元分析處理后的電路響應(yīng)的低頻小波系數(shù)作為故障特征提交給神經(jīng)網(wǎng)絡(luò),雖提高診斷的準(zhǔn)確性,但對網(wǎng)絡(luò)的復(fù)雜性未作實質(zhì)性改進；另外，“模擬電路故障診斷的多小波神經(jīng)網(wǎng)絡(luò)算法”.王軍鋒,張維強,宋國鄉(xiāng).電工技術(shù)學(xué)報,2006,21(1):33-36.是通過計算小波系數(shù)的能量值,并將其作為候選故障特征降低了神經(jīng)網(wǎng)絡(luò)的復(fù)雜性,但能量數(shù)值很小,特征區(qū)分不明顯。此外,綜合上述方法,現(xiàn)有技術(shù)存在以下問題: