论文部分内容阅读
随着全球科学与军事技术研究的发展,空间电子仪器系统越来越广泛应用于航天航空领域。为了保障系统持续发挥效能,要对电路进行实时测试和故障诊断。目前,数字电路部分的故障诊断问题已经有了实用的解决方法,但是模拟部分的故障诊断方法还达不到实际需求,因此研究诊断空间电子仪器数模混合电路中模拟电路故障的实用方法成为了客观需要。目前,常用于解决模拟电路故障诊断问题的方法有两种:故障字典法和基于神经网络的故障诊断方法。因此,本文将以它们为基础,以空间电子仪器中模拟电路为研究对象来研究软故障的诊断方法。主要研究成果如下:针对空间电子仪器中模拟电路比较复杂,难以实现故障诊断的问题,本文在分析典型空间电子仪器系统中模拟电路特点的基础上,提出了按功能特性划分电路的思想并对划分后的电路提出一种电路故障快速检测方法。为了找到更加适合于空间电子仪器中模拟电路故障诊断的方法,本文将现有故障字典法进行改进,得出了一种基于分级故障字典的模拟电路软故障诊断方法。该方法可依次实现电路的故障检测、故障元件定位和故障元件参数识别,从而具有故障诊断速度快、精度高的优点。利用分级故障字典法进行模拟电路软故障诊断时,字典建立过程往往比较复杂。因此,本文在分析小波和神经网络理论的基础上,又提出了一种基于改进型松散小波神经网络的模拟电路软故障诊断方法。它充分利用了小波分析、主元分析在数据处理方面及BP神经网络在模式识别方面的优势,具有网络收敛速度快、故障诊断正确率高、“字典”建立自动化的特点。改进型松散小波神经网络方法由于直接运用BP或其改进算法,因此易陷入局部最小值且不易跳出。为此,本文将遗传算法和BP算法相结合,进一步提出了一种优化的软故障诊断方法——遗传神经网络方法。实验证明,该方法能缩短网络训练的迭代步数,提高故障诊断正确率并能降低网络收敛于局部最小的风险。