论文部分内容阅读
模拟电路故障诊断理论和方法的研究是目前研究的热门课题。随着电子工业的迅速发展，模拟电路故障诊断技术的重要性越来越明显，它对于电子设备和系统的正常运行及可靠性设计均具有重要的意义。虽然模拟电路故障诊断技术经过了四十多年的发展，但由于模拟电路特别是有容差的大规模模拟电路的多样性和复杂性，使得可用于诊断容差模拟电路的故障的方法还十分有限。人工神经网络理论近年来取得了快速发展，以神经网络为代表的计算机智能技术为模拟电路故障诊断提供了有力的解决方发。 本文分析了目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点，从而提出了一种基于综合智能计算的模拟电路故障诊断方法。本文主要工作有如下两方面：（1）研究了模拟电路故障特征提取方法，包括粗集理论与主元值分析法。应用粗集理论对条件属性进行约简；用主分量分析对特征向量进行降维处理。（2）研究确定神经网络结构和神经网络各参数的方法。 通过仿真实验和电路实验，验证经过综合智能计算方法预处理的数据训练出来的网络的诊断正确率比未经过处理的数据训练出的网络诊断正确率高。 本文的创新贡献如下： 1、本文利用电路仿真软件Multisim7对待测电路进行蒙特卡罗分析，获得样本数据。 2、在模拟电路故障诊断系统中，故障特征提取方法研究占据着重要地位。故障特征提取能够提高故障的诊断速度，为模拟电路故障诊断实用化提供了保证，为实时诊断奠定了基础。本文提出的综合智能计算方法利用粗集方法与主元值分析方法进行故障特征提取。