改进神经网络在模拟电路故障诊断中的应用

第28卷 第6期

文章编号:1006-9348(2011)06-0239-04

计 算 机 仿 真

2011年6月

改进神经网络在模拟电路故障诊断中的应用

于春霞

(黄河科技学院,河南郑州450063)

摘要:研究模拟电路故障诊断准确性问题。电路故障与引起故障因素之间呈高度非线性,传统故障识别方法无法识别其非线性特点,导致传统故障方法的诊断精度低。为了提高电路故障诊断的精度,提出一种遗传算法优化BP神经算法的模拟电路故障诊断方法。首先对故障电路样本进行特征提取和归一化处理,然后采用遗传算法对BP神经网络参数进行优化,最后利用最优参数BP神经网络对电路故障样本进行训练和建模,获得电路故障诊断结果。在MATLAB平台上对模拟电路故障进行仿真测试,仿真结果表明,与传统模拟电路故障诊断方法相比,提高了模拟电路故障诊断精度,缩短了故障诊断时间,在模拟电路故障中有着广泛的应用前景。关键词:模拟电路;故障诊断;遗传算法;神经网络中图分类号:TP311 文献标识码:A

ApplicationonFaultDiagnosisofAnalogCircuits

BasedonImprovedNeuralNetwork

YUChun-xia

(HuangheScience&TechnologyCollege,ZhengzhouHenan330013,China)

ABSTRACT:StudytheBPneuralnetworkapplicationinthecircuitfaultdiagnosis.Aimingattheshortcomingof

overfittingandpoorgeneralizationabilityinBPneuralnetworkanalogfaultdiagnosis,aanalogcircuitfaultdiagnosismethodisproposedbasedongeneticalgorithmandBPalgorithm.Thegeneticalgorithmglobaloptimizationcharacter isticsareusedtooptimizetheBPneuralnetworkweights.ThesimulationexperimentiscarriedoutwithMATLABu singatypicalanalogcircuit.Comparedwiththeothercircuitfaultdiagnosismethods,thetrainingspeedoftheim provedBPneuralnetworkalgorithmisfasterandtheaccuracyishigher.Itisaneweffectiveanalogfaultdiagnosismethod.

KEYWORDS:Analogcircuit;Faultdiagnosis;Geneticalgorithm;Neuralnetworks

对模拟电路的软故障进行诊断,只能用于解决单个硬故障问

1 引言

20世纪60年代初,人们就开始着手对电路故障自动诊断进行研究。电路故障诊断分为数字电路故障诊断和模拟

电路故障诊断[1]。一般情况下,数字电路故障出现的概率十分小且诊断较为容易,而模拟电路出现的故障率相当高,而且原因十分复杂,因此模拟电路故障诊断一直是电路研究中的热门领域[2]。

传统模拟电路故障诊断方法有:K故障诊断法、故障字典法、故障参数诊断法等。K故障诊断法和故障字典法对故障诊断条件没有严格的限制,具有简单有效、实用性强的特点,因此在模拟电路硬故障应用中使用最为广泛,但其不能

收稿日期:2010-11-10 修回日期:2011-01-25

题,因此应用范围受限[3]。故障参数诊断法是一种基于电路与元件间是线性关系的故障诊断方法,但是在实际应用过程

中,电路与元件间呈非线性关系,这些方法经常发生错误诊断,很难满足模拟电路故障诊断实际要求[4]。随着人工智能技术的发展,许多学者提出基于人工神经网络的模拟电路故障诊断方法,尤其是BP神经网络因其具有很强的并行处理、自学习、分布式存储和联想记忆等特点,有较强的模式识别能力,在模拟电路故障诊断中得到了广泛的应用。但传统BP神经网络采用梯度下降法其最优参数值进行搜索,使BP神经网络出现收敛速度慢和易陷入局部极小值等,导致模拟电路故障诊断精度有时很低,严重影响了BP神经网络在模拟电路故障诊断中的应用[5]。要提高基于BP神经网络的模拟电路故障诊断精度,首先必须要解决的问题就是找到BP