基于模糊神经网络融合遗传算法模拟电路故障诊断法.pdfVIP

第9卷第2期 电路与系统学报 Vol9№2 2004年4月 JOURNALoFCIRCUITSANDSYSTEMS A研l，2004 文章编号：1007．0249(2004102．0054．04 基于模糊神经网络融合遗传算法的模拟电路故障诊断法’ 梁戈超， 何怡刚， 朱彦卿 湖南大学电气与信息工程学院，湖南K沙410082 摘要t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权型推理法的模糊神经网络，利 用遗传算法来训练网络连接权值、优化隶属度函数，根据训练后的网络权值可以自动提取…模糊规则，并通过仿真 实验验证_『该方法的有效性。 关键词：模糊神经网络：参数聚类；遗传算法：故障诊断 中圈分类号tTN46 文献标识码；A 1 引言 模拟电路故障诊断自70年代开始，提出了很多方法【21。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很大的离散性，即具有容差；以及模拟电路中广泛存在的非线性等原 因，给其故障诊断带来了很大的困难。随着微电子技术尤其是数模混合电路和vLsI技术的发展，对 模拟电路的测试和故障诊断的需求日益迫切。 普通人工神经网络具有较强的概括能力和联想记忆能力，以及可学习、鲁棒性强、能实现非线 性映射等特点。近几年来，研究者提出了许多普通神经网络的收敛算法，并取得了一定的效果，但是 普通神经网络的推理知识体现在网络连接的权值上，表达难以理解。而且，普通神经网络虽可对故障 进行细致分类，但它需要大量的样本，样本的选取和预处理都会影响到网络的收敛。 本文提出一种融合遗传算法的模糊神经网络应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网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，而且其模糊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的提高，而且诊断时间也进一步缩 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 当一个模拟系统发生故障时，只能测得各个可测节点的数据，而对其究竟是哪一类型的故障一 无所知，这时数据的聚类方法就成为构造模糊系统结构的一个有效方法。这里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…【3】，其主要思想是根据各矢量间的相似度， 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z=仁‘，z2，…，x，}是包含已测得的p个故障矢量的集合，其中每个元素为z‘={x：，z：，…，z：)，表 示第女个故障矢量。 1)定义参考矢量集合p={v1，v2，…，v‘}，令v1=z1，L=l，女=1； 2J计算参考矢量集合v与，集合中所有矢量的关系度：r=exp㈠v”一x‘l|／2×口2J，m=1，2…L。 、¨ ¨ 其中肛…一x‘JJ表示r“和z‘之间的欧氏距离，a是高斯函数的宽度。 如果r≥s，则v”和J‘为同一类的相似矢量，不增加参考矢量数：如果rs，则v“和x‘不为相 似矢量，增加一个参考矢量，即令p“1=T‘，L=L+1。其中￡为聚类系数，令女=“l。 4收藕日期：2002一12-13修订日期一2003-05-13 基金项目，国家自然科学基金资助项目(502770lo)；高等院校博士学科点专项科研基金资助项目(20020532016) 湖南省科技计划项目(03GKY3115)，湖南省杰出青年基金项H(03JJYlOl0)：湖南大学撷英计划项目 第2期 粱戈超等：基于模糊神经网络融合遗传算法的模拟电路故障诊断法 55 3)如果t印，转到4)，否则，返回到2)。 4)基于最终结果r”，Ⅲ=l，2…．￡，其中三即为聚类的数目，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类。 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与模糊推理机制相匹配，本文给出一个4层的模糊神经网络模型……㈩ 其网络如图1所示，由输入