电子电路故障诊断神经网络数据融合探讨.docVIP

电子电路故障诊断神经网络数据融合探讨 　　摘 要：模拟电路故障元件诊断具有一定程度的不确定性，针对这一问题，文章提出了将BP网络引入到融合数据中来解决其不确定性的方法。本文主要从电子电路故障诊断系统的组成及其与神经网络数据融合的原理出发，对模拟电路故障进行了分析和诊断，最后提出了包括多级信息融合等在内的基于信息融合和神经网络的故障诊断方法，希望通过文章的论述，能够为电子电路故障诊断与神经网络数据的融合提供参考。 　　关键词：电子电路；故障诊断；神经网络数据融合；探讨 　　引言：一直以来，行业内对电子电路故障进行诊断所应用的都是线路切割法。在电路元件出现问题时，其性能必将受到影响，严重时甚至会导致信号无法输出，而此时，与其相连的元件也必定会受到影响，此时如果应用直接测试的方法对电子电路故障进行测试，很难保证其效果的准确性，因此，利用线路切割法便成为了行业内的一个主要手段，这也方法具有其局限性，即其应用过程十分麻烦，因此，必须提出一系列的措施对电子电路故障的诊断方法进行优化。 　　一、系统的组成及融合原理 　　文章支持将电子电路故障诊断与神经网络数据相融合。这一系统得以运行的原理如下：首先，工作人员需要利用相关仪器探测出需要被诊断的各元件的电压信号与温度信号，继而便可以利用模糊集理论对上述两种信号进行分析。通常情况下，针对不同的传感器，工作人员需要用不同的隶属值来对其元件发生故障的可能性进行描述，此时可能出现以下两种情况：一是鉴于元件与其连接元件之间的互相影响，在利用一种传感器来对故障进行判断使，很可能会出现判断误差；二是两种传感器在对同一种元件进行判断时，会出现隶属值不一致的状况，通常其误差都不会太大，但在少数情况下，其误差值也可能会出现较大的差距，这会极大的增加工作人员对电子电路故障的判断难度，因此，必须实施相应的措施对这一问题进行解决。将电子电路故障的诊断与神经网络数据相结合能够有效的解决上述问题，两者的结合是基于应用模糊集与BP网络的结合而实现的，通过对BP网络的应用，隶属值之间的差距会得到有效的缩小，这对于故障的判断与解决十分有利。 　　二、模拟电路故障分析与诊断 　　一般而言，工程技术领域对模拟电路故障的诊断通常需要通过对所接受的信号的判断来得出装备是否存在或即将出现故障，对不同设备故障的判断需要应用不同的故障诊断方法，总的来说，所有故障诊断方法可以分为以下两类：首先是常规的故障诊断方法。其次是现代化的故障诊断方法。相对于前者来说，后者主要对故障的诊断主要是在对模糊理论应用的基础上实现的，在技术上较为先进。以下文章主要从信息融合才故障诊断中的应用以及神经网络的故障诊断中的应用两点出发分析了有关模拟电路故障分析与诊断的问题。 　　（一）信息融合在故障诊断中的应用 　　所谓的信息融合主要指的是通过机器来模拟人脑处理信息的过程的一种形式框架，信息融合实现故障诊断主要是依靠数学理论与技术工具的结合来完成的，通过对这一手段的应用，工作人员可以从中得到很多准确性较高的信息，这对于故障的诊断与解决都具有着十分重要的参考价值。信息融合这一故障诊断方法的优点是能够通过对人脑处理信息过程的模拟来充分的对种种信息进行综合分析与利用，从而找出其中的种种联系，相对于其他故障诊断方法来说，这一方法在准确性方面十分突出。除此之外，这一故障诊断方式还具有能够同时对多维信息进行采集的优势，这就极大的增强了系统的性能，在减少了信息模糊性的同时增加了其可信度。信息融合的故障诊断方式在具体应用中需要根据与其他诊断方式的配合才能完成，这样才能使各诊断方式的优点能够得以融合，缺点能够相互弥补，以使故障诊断效果达到最好。 　　（二）神经网络在故障诊断中的应用 　　与信息融合的诊断方式原理类似，神经网络的故障诊断方式也是对人脑中的功能的模拟，不同的是，前者是对人脑处理信息方式的模拟，而后者则是对人脑神经网络的结构与功能的模拟，相对于前者来说，后者能够实现一个高度并行的动态系统。总的来说，在对这一故障诊断方法的应用过程中，系统会将对故障反应最为敏感的信号以神经网络的形式输出，以得到故障模拟训练样本来完成网络训练，在此之后，便可以通过征兆集到非线性的映射来得出识别结果。神经网络的故障诊断方式利用了对故障特征的输入与输出的手段使故障诊断的过程变得更加简单方便，较以往相比属于一大进步。 　　三、基于信息融合和神经网络的故障诊断方法 　　（一）多级信息融合 　　多级信息融合主要包括数据级融合、特征级融合以及决策级融合三方面内容，分别如图： 　　（数据级融合） 　　（特征级融合） 　　（决策级融合） 　　首先，对于数据级融合来讲，其主要原理是通过对原始观测数据层中种种数据的直接分析来实现融合的。相对于其他融合手段来讲，数据级融合层次较低，但