神经网络在模拟电路故障智能诊断中应用.docVIP

神经网络在模拟电路故障智能诊断中应用 　　摘 要： 文章主要阐述了神经网络模拟电路的发展历程及现阶段常见的基于神经网络的模拟电路的故障诊断方法，重点分析了BP 神经网络故障字典法及SOM神经网络故障字典法和各自的计算方法、基本思想、技术难点分析，探讨了神经网络方法在模拟电力故障智能诊断中的应用问题，最后谈谈模拟电路神经网络诊断法的发展趋势供同仁指导与参考。 　　关键词： 神经网络；模拟电路；故障智能诊断 　　Applications of Neural network in analog circuit fault intelligent diagnosis 　　Huang Qian1 ，Lu Li2 　　Nanchang institute of technology JiangXi NanChang 330029 　　Abstract： The article mainly describe development course of neural network simulation circuit and the common method of fault diagnosis of simulation power based on neural network at this stage， the focus analysised BP neural network fault dictionary method and the SOM neural network fault dictionary method and respective of calculation method， and basic thought， and technology difficulties analysis， discussed application problem of neural network method in in analog circuit fault intelligent diagnosis， last talk about development trend of simulation circuit neural network diagnosis method. 　　Keyword： Neural network；Analog circuits；Intelligent fault diagnosis 　　引 言 　　随着神经网络等人工智能技术的发展， 模拟电路故障诊断的研究又开辟了一条新路， 基于神经网络的模拟电路故障诊断方法已经成为新的研究热点。20世纪80年代末期起有学者研究将人工神经网络应用到模拟电路的故障诊断中，现阶段已经提出多种基于神经网络的模拟电路故障诊断方法，有些方法如BP（ Error Back Propagation Network）神经网络故障字典法已经能有效应用于滤波电路、模拟放大电路等非线性容差电路的故障诊断， 效果优于传统的故障字典法。 　　1神经网络故障字典法 　　神经网络故障字典法把模拟电路的故障诊断看成是一个分类问题， 利用神经网络的分类功能来诊断故障。在测前把神经网络训练成一部故障字典， 字典的信息蕴含在网络的连接权值中， 只要输入电路的测量特征， 就可以从其输出查出故障。 　　1.1 BP 神经网络故障字典法 　　BP 是一种多层网络误差反传学习算法。 　　1）初始化，随机给定各连接权[w]，[v]及阀值θi，rt。 　　（2）由给定的输入输出模式对计算隐层、输出层各单元输出 　　式中：bj为隐层第j个神经元实际输出；ct为输出层第t个神经元的实际输出；wij为输入层至隐层的连接权；vjt为隐层至输出层的连接权。 　　式中：dtk为输出层的校正误差；ejk为隐层的校正误差。 　　（3）计算新的连接权及阀值，计算公式如下： 　　（4）选取下一个输入模式对返回第2步反复训练直到网络设输出误差达到要求结束训练。 　　应用BP 神经网络故障字典法进行模拟电路故障诊断步骤如下： 　　（1）确定待测电路的故障集和状态特征参量， 采用电路仿真或实验的方法获取电路每一故障状态下的状态特征数据， 经筛选和归一化处理后构造训练样本集。设计BP 神经网络并进行训练。 　　（2）用训练样本集中的样本训练好网络， 即完成学习的过程。一般采用3 层BP 神经网络， 输入层节点数与电路状态特征参量的维数相同， 输出层节点数可与电路待测故障类别数相同，也可小于待测故障类别数， 隐层节点数则需按经验公式试凑。实际诊断时给被测电路加相同的测试激励， 将测得的实际状态特征参量输入到训练好的BP 神经网络， 则其输出即可指示相应的故障状态。 　　1.2 SOM神经网络故障字典法 　　SOM （Sel