基于ＬＭＳ自适应噪声抵消法的无位置传感器研究等.docVIP

基于ＬＭＳ自适应噪声抵消法的无位置传感器研究等 　　一种基于小波-神经网络的模拟电路故障诊断方法 　　韦忠善 王力虎 　　 　　摘 要：小波分析具有数据压缩和特征提取的特性，神经网络具有非线性映射和学习推理的优点。结合两者的特点，提出了一种基于小波与神经网络的模拟电路故障诊断方法，该方法用小波变换对电路响应信号进行特征提取，从而简化神经网络的结构，降低计算的复杂度，加快了训练速度。对实例仿真表明，该法能有效地对模拟电路进行故障诊断。 　　 　　关键词：故障诊断;模拟电路;小波变换;神经网络 　　中图分类号：TP18 文献标识码：B 　　文章编号：1004373X(2008)0513403 　　 　　An Analog Circuit Fault Diagnosis Method Based on Wavelet and Neural Network 　　 　　WEI Zhongshan????1,2??,WANG Lihu??2 　　(1.Guangxi Polytechnic College,Nanning,530226,China; 　　2.College of Physics and Electronic Engineering,Guangxi Normal University,Guilin,541004,China) 　　 　　Abstract：Combining the extracting feature vectors and compressing data characteristics of wavelet transform with the nonlinear mapping and generalizing of neural network,a method of analog circuit fault diagnosis based on wavelet and neural network is presented.It abstracts the fault character information of circuit output signal by using wavelet transform effectively,thus,the neural network architecture can be simplified,the computation complexity can be reduced,and the training speed can be also improved.Finally,the simulation experiments show this method is effective for fault diagnosis of analog circuit. 　　 　　Keywords：fault diagnosis;analog circuit;wavelet transform;neural network 　　 　　1 引 言 　　模拟电路的故障诊断研究起源于上个世纪，直至今天仍然是一个活跃的研究领域。但由于模拟电路自身特性，如输入输出均是连续量、元器件容差、非线性、反馈、测试复杂，关于模拟电路故障诊断，尤其是软故障诊断的理论研究至今未取得突破性进展[1,2]。 　　神经网络因其具有非线性映射、自学习、自适应、联想与推理能力强等优点，非常适合解决模式识别与分类问题。基于神经网络的诸多优点，有不少学者将神经网络用于模拟电路软故障诊断，获得初步成功[3-5]。神经网络的诊断准确率与送给网络的电路响应特征信息直接相关，理论上，信息量大，利于提高诊断准确率，但不利的是网络规模往往随之增大，网络的学习时间变长。 　　本文采用小波分析，对电路响应信息进行预处理，提取故障特征，再将特征信息送给BP神经网络进行训练和诊断。对经典电路仿真表明，该方法能提高模拟电路的故障诊断准确率，减少网络的学习时间。 　　 　　2 小波变换 　　小波变换是变尺度的时频联合分析方法，是将信号分解为逼近与细节的过程，信号、尺度、位移之间的相互关系由母小波函数式表示: 　　 　　其中，a是尺度参数，b是位移参数，函数Ψ????a,b??(x)为母小波。对于任一输入信号f(x) (f(x)∈L????2??(R))的连续小波变换为： 　　 　　系数W(a,b)表征了信号f(x)的特征。 　　对于大多数小波变换，只能借助计算机进行近似数值分析。设a=2????j??,b=k2????j??=ka，(j,k)∈Z????2??，离散(二进制)小波变换的数值计算公式(矩形近似法)为： 　　 　　其中，ΔT=T????