BP神经网络和Elman神经网络在模拟电路故障诊断中的应用.docVIP

BP神经网络和Elman神经网络在模拟电路故障诊断中的应用 　　摘要：通过分析BP神经网络和Elman神经网络的基本结构和算法，研究了基于神经网络的模拟电路故障诊断方法，并通过仿真实验对比分析了BP神经网络和Elman神经网络的诊断能力。结果表明，BP神经网络的收敛速度相对较慢、训练时间长；Elman神经网络的结构参数调整简单、训练时间短、性能稳定，更适合存在容差、非线性等问题的模拟电路故障诊断。 　　关键词：模拟电路；故障诊断；BP神经网络；Elman神经网络 　　中图分类号：TP183文献标识码：A文章编号：1009-3044(2011)17-4170-03 　　Application of BP Neural Network and Elman Neural Network in Fault Diagnosis of Analog Circuit 　　YANG Chen, SHI Bao-jun 　　(Department of Electronics and Information Engineering,Lanzhou Jiaotong University, Lanzhou 730070, China) 　　Abstract: This article studies the method of fault diagnosis of analog circuit based on the neural network, by analyzing the basic structure and the algorithm of BP neural network and Elman neural network. Then it contrastive analysis the diagnosis ability of BP neural network andElman neural network through simulation. The results shows that BP neural networks convergence rate is relatively slow, and the training time is long; Elman neural networks parameter is simple to adjust, the training time is short, stable performance, and it is more suitable to solve the questions like tolerance, non-linear and so on in fault diagnosis of analog circuit. 　　Key words: analog circuit; fault diagnosis; BP neural network; elman neural network 　　由于模拟电路中广泛存在着容差、非线性等问题，导致模拟电路的故障诊断较为复杂。神经网络作为一种模式识别技术，拥有强大的自学习、自组织和自适应性[1]，能够很好的满足模拟电路故障诊断的要求。而在神经网络的各种模型中，应用较为广泛的是BP神经网络和Elman神经网络。本文针对模拟电路中的软故障，建立基于BP神经网络和Elman神经网络的智能诊断模型，并通过仿真实例对两种神经网络的性能进行对比和评价。 　　1 BP神经网络和Elman神经网络基础理论 　　1.1 BP神经网络 　　BP神经网络是一种多层前馈神经网络，其网络结构的模型如图1所示。 　　由图1所示，BP神经网络是一种具有三层或三层以上神经元的神经网络，包括输入层、隐含层和输出层[2]。其中，输入节点为xi，隐含层输出节点为yj,输出节点为ok,wjk,vij分别为隐含层到输出层，输入层到隐含层的连接权值。f(?)为神经元的激活函数，网络的期望输出为dk，输出误差为E,网络的各层输出关系为：[3] 　　输出层： （1） 　　隐含层： （2） 　　输出误差： （3） 　　1.2 Elman神经网络 　　与BP神经网络不同，Elman神经网络是一种反馈神经网络，该神经网络的结构模型如图2所示。 　　Elman神经网络由4层结构组成，包括输入层、隐含层、承接层和输出层。其中输入层节点为ur，隐含层输出节点为xn，承接层输出节点为xc，输出层节点为ym，w3，w2，w1分别为隐含层到输出层、输入层到隐含层、承接层到隐含层的连接权值,g(?)为输出神经元的激活函数，f(?)为隐含层神经元的激活函数[4]，网络的期望输出为dk，输出误差为E,在k时刻各层之间的输出关系为：[5