基于RBF神经网络的模拟电路故障诊断方法的研究.pdfVIP

学兔兔 第 l期 (总第1 52糍) 机 辕 工程 马 自动 侣 No．】 2O09牟+2 A暖ECHA leAi ENGjNEERING 8 At T()MATI()N Feb． 文章编号：1672．v6413(2oo9)O1一。】 ～吣 基于RBF神经网络的模拟电路故障诊断方法的研究 李 勇，李春明，李秀娟 (内蒙古工业大学。内蒙古 呼和浩特 O1O051) 摘要：提出了一种基于径向基函数(RBF)神经网络的模拟电路故障诊断方法。这种方法采用脉冲信号作为被测 电路的输入激励，在时域中对输出信号采样来构造神经网络的训练和测试样本，应片3径向基函数神经网络的分 类能力强、学习速度快等优点进行故障诊断。结果显示，基于RBF神经网络的模拟电路故障诊断方法学习速 度快，故障诊断率高，是一种有效的故障诊断方法。 关键词：模拟电路；故障诊断；神经网络；RBF 中图分类号：TP277：TP183 文献标识码：A 0 引言 减的非负非线性函数，我们称之为径向基函数。 模拟电路故障诊断问题一直是一个备受关注的问 我们选用Gauss函数作为径向基函数。令R ( r) 题。传统的分类及诊断法n 都需要进行大量的计算，特 为径向基蕊数，则； 别是由于容差的影响，其计算相当复杂，实用性较差。 一exp[一 ] 一1，2，…， 。 … 神经网络具有对信息的高度并行处理能力、极强的自 适应学习能力、非线性映射能力等，因此神经网络在 … … … … … … … … … … … … … … … … … … … (1) 故障诊断中得到了很好的应用并成为了一种理想的 其中： 是输入向量 是第 个基函数的中心，它是 障诊断方法。 X具有相同维数的向量； 是第 个基函数的方 目前，在各种类型的神经网络中，BP网络医 筹； 是隐单元的个数。 有极强的非线性映射能力而最适合于解决分类 题 所以大部分研究者都以BP网络算法作为诊断算 进 行研究[2 ]。但是BP神经网络自身也有很大的 陷， 如输入数目颇多，结构难以确定，训练时间过长等。 RBF神经网络除了具有神经网络普遍具有的函数逼 近能力、分类能力和非线性映射能力以外。在学习速 度方面具有明显的优势。本文仅考虑模拟电路的单故 障诊断，采用脉冲信号作为激励源，从时域提取电压 响应波形的特征来训练RBF神经网络。 1 RBF神经网络 1．1 RBF网络模型 如图1所示，RBF神经网络是一个 3层前馈神经 网络。它包括输人层、隐层和输出层，其中各层节点数 图 1 RBF神经网络拓扑结构 目分别为屉、 、 。故障特征向量作为输入层节点，由 输出层是对线性权进行调整，采用的是线性优化 x一 ，…， ，…，z ]表示，故障类别作为输出层节 策略，因而学习速度较快。令输出为 ( )，则： 点，由y==：[ ”， ，…， 表示。图1中虚线表示非 线性传递，实线表示线性传递 ，在RBF网络中，输出层 ( )一厶 训 ，R ( ) 一1，2，…，户 。…… (2) 和隐含层所完成的任务是不同的，因而它们的学习策略 其中：训 为连接隐层与输出层的权值；户为输出单元 也不相同。隐含层是对作用函数的参数进行调整，隐节 的个数。 点的变换函数是一种局部分布的对中心点径向对称衰