模拟电路故障诊断的神经网络方法及其应用.pdf

模拟电路故障诊断的神经网络方法及其应用湖南大学博士学位论文学校代号:学号:密级:公开
咖姗㈣啪Ⅷ洲⋯瓻.—¨瘛馡
私遥關月『‘功,岬饥阹月日晁暝拢日日期。知学位论文原创性声明学位论文版权使用授权书本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。日期:、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于⒈C芸冢年解密后适用本授权书。⒉槐C芏凇朐谝陨舷嘤Ψ娇蚰诖颉啊獭作者签名:导师签名:日期:。
摘要模拟电路故障诊断的神经网络方法可以看成是模式识别问题。通过对一系列过程参量进行测量,然后用神经网络从测量空间映射到故障空间,实现故障诊断。可见,模拟电路故障诊断神经网络方法中的两大问题是通过信号处理来实现特征提取的问题和神经网络结构建立的问题。目前,围绕这两大问题的热点研究是采用小波分析莼惴ǖ燃际跤肷窬缃岷系姆椒ń心D獾缏酚补收匣虻ブ软故障的诊断,而这种结合包括神经网络的前置处理技术的改进和神经网络结构的优化两方面。但是,很少有文献涉及这些优化算法的优缺点的对比以及应用场合的阐述。此外,单值软故障诊断的实用性受到质疑,因为模拟电路故障诊断是需要区分电路元件参数处于容差允许范围内还是发生了硬故障或软故障。而且目前对重叠故障的诊断还有一定的难度。因此,,‘提出一些新的故障诊断方法以及设计相关的自动测试与诊断系统装备的技术方案,以形成较为完整的模拟电路故障诊断神经网络方法体系。本文的主要内容和创新如下:⑻教帜D獾缏饭收险锒系男〔ǚ椒ā1疚脑谀D獾缏方诘愕缪剐藕沤行波消噪与分解处理后获得的小波系数的基础上,提出三种故障特征提取的方法:小波系数各分量绝对值的最大值法、小波系数各分量平方和法以及小波分形法。前两种方法是首先利用小波变换来对电路测试节点的电压信号进行消噪和分解,对分解后的小波系数计算其各分量的最大值或各分量平方和,然后进行主元分析与归一化处理,形成电路的故障特征,输入神经网络来进行分类。小波分形法与前两种方法所不同的是,计算小波分解后的信号的盒维数来实现模拟电路故障特征的提取。文中将详细分析它们各自的优缺点和适用的场合并将这三种方法应用于诊断实例来进一步验证所述方法的正确性。⑻岢瞿D獾缏饭收险锒系淖酆仙窬绶椒ā;谀D獾缏吩<补收虾软故障统一描述的思想,提出将电路测试节点电压信号的偏斜度与标准差组成的向量作为故障特征向量的方法。测前,首先对被测电路进行参数扫描和交流分析,计算该电路测试节点电压信号的偏斜度和标准差,标准差与偏斜度构成的向量即为故障特征向量。然后,根据以标准差为横坐标、以偏斜度为纵坐标的二维坐标系中的轨迹的特点选择神经网络的训练样本与检验样本。测后,训练过的神经网络就能够正确的区分电路处于容差允许范围内的状态还是发生了硬故障或软故障。文中将详述其诊断原理与适用场合,通过诊断实例来进一步验证所述方法的正确性,并通过与相关文献方法进行比较,说明所提方法的优越性。⑻教帜D獾缏饭收险锒系挠呕窬绶椒āU攵訠缫子谙萑刖植模拟电路故障诊断的神经网络方法及其应用
最优的缺点,探讨基于遗传网络的模拟电路故障诊断方法与基于免疫遗传网络的模拟电路故障诊断方法;提出基于粒子群算法优化网络的模拟电路故障诊断方法与基于分组粒子群算法优化网络的模拟电路故障诊断方法。这四种方法分别采用遗传算法、免疫遗传算法、粒子群算法、分组粒子群算法来代替网络中的梯度下降算法来实现神经网络权值的调整以及神经网络结构的优化。遗传网络是将遗传算法的“优胜劣汰蛞氲紹缰校岣咂涫樟残能。免疫遗传网络是在遗传算法的基础上融合了免疫系统的机理来优化网络,使其具有全局搜索的能力。粒子群算法优化的网络是将粒子群算法的速度一位移模型引入到网络中来改善其未成熟收敛,具有模型简单与易于实现的特点。分组粒子群算法是在粒子群算法的基础上发展起来的,具有重组和变异的特点。采用分组粒子群算法来优化网络是以确保网络收敛于全局最优解。文中将通过比较的方式来详述这四种方法的具体应用场合和效果。⒄攵阅D獾缏分氐收系恼锒希直鸫悠浔硐中问胶筒虺龇ⅲ教模拟电路重叠故障诊断的重分类方法和提出模拟电路重叠故障诊断的融合神经网络方法。在模拟电路重叠故障诊断的重分类方法中,首先将故障特征重叠的区域划分出