模拟电路故障诊神经网络数据融合方法.pdfVIP

碗。Ij学位论义 摘要 模拟电路故障诊断经过三十多年发展，已经有很多故障诊断理沦和方法，但是这些理 论和方法只适合于非容差或小容差线性电路。随着电r技术的发展，特别是超大规模模 拟电路和模数混合电路发展，对模拟电路故障诊断提出r新的挑战，需要探索新的模拟 电路故障诊断理论与方法。人工神经网络用丁|模拟电路故障渗断是一门崭新的学科，近 年来，受到了普遍的关注和重视。数据融合作为许多传统学科和新兴工程领域相结合而 产生的～个新的前沿学科，超越了在军事领域的应用，已经在许多领域都得到了J。泛的应 用。 虽然模拟电路故障诊断、人工神经网络和数据融合技术在各自的领域或者防两村j互 结合的领域取得了一定的发展，但是目前关于人1．神经网络和数据融合技术相结合对模 拟电路进行故障诊断的文献还未有所见。本文把数据融合技术引入人工神经网络米对模 拟电路进行故障诊断．彤成一种新的方法。 本文在传统的模拟电路故障字典法的基础上引入了数据融合中的数据挖掘技术，优 化了故障字典的建立。本文在神经网络对模拟电路进行故障诊断的基础上提出r基于人 工神经网络的数据融合方法，主要目的是为了解决故障渗断中的容差问题并提高诊断的 正确率和诊断速度。本文探讨了RBF神经网络结合D．S证据理论的D—S证据神经网络在 模拟电路故障诊断上的应用。神经网络的联想记忆功能、容错性和鲁棒性及非线性映射 能力和数据融合技术对多源数据的分析、综合、推理能力相结合，使得这一方法明显优 于传统的神经网络诊断方法。通过对电路进行仿真表明，利用所提出的证据神经网络方 法对模拟电路故障进行了较准确的诊断，达到了较好的目标。 关键词：神经网络； 故障诊断： 数据融合；神经网络融合技术；D—S证据理论 模拟电赂故昧诊断神经网络数掂融台山_；|：} Abstract Inthe has a deal and for pastthirtyyears，itdevelopedgreat nt’theory thult approaches thesemethods to linearcircuitswith non—tolerance diagnosis．But onlyadapt or with of electrical VI，SIand mini—tolerance．Along mixed development technology，especially new tofault of circuits．It circuits，It isin needof brings up challengediagnosisanalog great new and toit．Itisanew for／halt tomakeHSCof theoryapproaches Subject diagnosis Artiticat Neural recent Network，In moreattentiontOANNthan years，researchers