模拟电路故障诊断的模糊神经网络方法.pdfVIP

模拟电路故障诊断的模糊神经网络方法1 粱戈趣 何怕刚 (湖南大学电气与信息工程学院，长沙．410082，Ixddzq@hnu．cn) 摘要：该文提出了一种非线性模拟系统的故障辨识方法．构造了一个基于模糊加投型推理洼的模朔神经网 络．利用遣倍算法来训练网络连接权值、优化囊属度函教，根据{lIl练后的网络权值可以自动提取出模糊规 则，井通过仿真实验验证了该方法的有效性． 美键词：筷鞭搏经丹络、参效聚樊、遗传算法、故障诊断 l、引言 模拟电路故障诊断自70年代开始．提出了很多方法．但是由于模拟电路中的输入输出 响应都是连续量；电路元器件参数具有搬大的离散性，即具有窖差：给其故障诊断带来了报 大的困难。 本文提出一种融合遗传算法的模糊神经网络摩用于模拟电路故障诊断的方法。与传统的 普通神经网络相比较，这种方法给出的模糊神经舟络的学习既包括网络权值的修正，也包括 模糊神经元中隶属度函数参数的调整和模糊规则的自动生成，而且其模期推理体现出来的权 值易于理解．这种方法对包括容差在内的多故障的模拟电路的故障诊断的准确率有了进一步 舳提高，而且诊断时问也进一步缩短．最后，模拟电路的仿真实验证明了这种方法的有效性。 2、数据聚类 当一个横拟系统发生故障时．我们只能溯得各个可测节点的数据，丽对其究竟是哪一类 型的故障～无所知，这里我们提出了一种可以自动对已知数据进行聚类，而无需做任何先验 假设的聚类算法”“”，其主要思想是根据各矢量问的相似度，即欧氏距离把这些矢量分为一 类，然后用这一类矢量的均值作为此类的聚类中心．算法的步骤如下： 设x=k1，x2，…，_一)是包含已测得的p个故障矢量的集合，其中每个元素为 z‘=错，』；，···，Z}，表示第k个故障矢量。 Stepl：定义参考矢量集合v={v1，，，··．vL)，令v1=0．L=1．k=1． Step2：计算参考矢量集台v与z集合中所有矢量的关系度： r=exp0¨1一x‘《／2x盯2)旷1，2，…L．其中妒一≯4表示矿和≯之闻的欧氏距离，仃 是高斯函数的宽度。如果r=s．则v’和≯为同一类的相似矢量．不增加参考矢量教；如果 rE，则v”和z‘不为相似矢量，增加一个参考矢量，即令v¨=≯．L=L+I，￡为聚类系数， 令k=k+1。 Step3：如果k=p，转到Step4．否则，返回到Ste茈． Step4：基于最终结果v’，m=1．2，…L．其中L即为聚类的数目，并把与参考矢量的关系度 大于聚类系数的矢量划分为同一娄。， 篁±至旦皇墨堡笙堂查堡塑叁笙壅簦 ．一 3、基于加权型推理法的模糊神经网络模型 为了与所构造的模糊模型的模糊推理机制相匹配．本文给出了一个4层的模糊神经网络 模型Ⅲ【”．这个网络如图l所示，由输入层、隶属函数层、规刚层和输出层组成· 第1层：(输入层)每个输入神经元接收一个信号翦，并把它传递到第2层。 第2层：(模糊化函数层)由L组(表示L个规则)组成，每组有n个神经元(表示n个规 则前提的隶属函数)。第i组的第j个神经元只与第l层中的第j个神经元相连。 0F=exp(-“厂wl旷f／6I矿2)．wIF为此神经元与输入层第j个神经元的连接权值，blF为 此神经元的阈值．wl的变化可解释为隶属度函数中心的变化b1的变化可解释为隶属度函数 幅度的变化。 第3层：(规则层)实现每个规则的前提匹配．这一层有L个神经元，数目和规则层的神经 元数相等，其中第j个神经元只接收来自第2层中第j组神经元的输入。n=丌，， t-l 第4层：(解模糊化层)表示输入矢量对各类别的隶属度。 I Dj=∑I，。w2。，w2口为相应的连接权值，w舀可解释为第j条规则被满足时对第1类故障 产l 的贡献。 田I：摸期神经网络模型 4、仿真实验 例l“1：如图2，各电阻的标称值为lk，vF5v，二级管的型号为120NQ045。 仿真是在直流状态下进行的，并只考虑电阻