基于神经网络的模拟电路故障诊断

• 作 者: 崔蕾
• 发表日期: 2012年期
• 关键词: BP神经网络 模拟电路故障诊断 集成神经网络 模糊神经网络 遗传算法

随着电子技术的迅速发展，人们对电子设备可靠性的要求越来越高，同时需要解决电路故障系统的自动诊断问题。由于模拟电路存在非线性，故障现象多样、复杂的特点，使得模拟电路的故障诊断困难重重、实际诊断正确率不高，至今没有完全成熟的诊断系统问世。神经网络具有非线性逼近的特点，为大规模、有容差的模拟电路故障诊断提供了较好的思路，是目前该领域研究的热点。本文针对BP神经网络实现模拟电路故障诊断存在的问题，设计了三种改进的诊断方法，目的是确保收敛并减少收敛时间，提高电路故障诊断的准确性。首先针对采用BP算法实现模拟电路故障诊断存在局部极小值的问题，在现有的附加动量因子的变学习速率法的基础上进行改进，来进行模拟电路的故障诊断。根据此方法对电路进行故障诊断实例仿真，并与标准BP算法和附加动量因子算法及变学习速率方法做对比。其次借鉴集成神经网络多个子网络并联的方法，设计了一种多T-S模糊神经网络融合的模拟电路故障诊断算法，将训练样本分配到多个子网络中。在参数的迭代中，采用了变学习速率的方法训练参数，使网络的收敛速度和诊断精度达到最佳。采用此方法和学习速率固定的网络融合方法分别进行了电路故障诊断的仿真实验。最后设计了改进的多种群协同进化遗传算法来实现模拟电路的故障诊断，该算法采用附加混沌扰动的tent映射初始化均匀分布的种群，每个种群采用不同的控制参数，各自控制算法的搜索范围，并且引入移民算子来实现种群间的横向联系。运用本方法进行了电路故障诊断的仿真实验，与标准遗传算法和多种群遗传算法作对比。