论文部分内容阅读
模拟系统故障诊断是一个颇受关注的前沿课题。其研究经过几十年的发展，已经形成了一系列的诊断理论和方法，但目前诸诊断方法的实用性并不强。人工智能在故障诊断中的应用发展了智能化诊断技术，这是当前故障诊断技术发展的一个重要方向。作为人工智能科学中的基础技术，以并行分布处理为特征的人工神经网络、基于自然进化思想的遗传算法已成为智能化诊断技术研究的热点。本论文对人工神经网络和遗传算法在模拟电路故障诊断中的应用进行了较深入的研究。
本文在深入探讨传统模拟电路故障诊断方法、神经网络、遗传算法等基本原理的基础上致力于寻求神经网络的优化方法。将模拟电路故障诊断与神经网络、遗传算法的最新研究成果相结合，探索一种更为快速有效的模拟电路故障诊断新方法。
文中提出了模拟电路故障诊断的前向多层人工神经网络实现模型以及基于遗传神经网络的故障诊断模型。由于神经网络的联想记忆功能、容错性和鲁棒性以及很好的非线性映射能力，使这两种诊断方法明显优于传统的诊断方法。实验表明这些模型具有智能化程度高、计算量小、实时性强等特点。
针对BP算法存在的一些问题，文中提出了改进的BP算法，以及利用遗传算法对BP网络的结构和算法进行优化等解决方法。电路仿真结果表明，利用所提方法对模拟电路故障进行了更快速的诊断，并使得对容差电路的诊断准确率有了较大的提高。