论文部分内容阅读
摘 要：模拟电路故障元件诊断具有一定程度的不确定性，针对这一问题，文章提出了将BP网络引入到融合数据中来解决其不确定性的方法。本文主要从电子电路故障诊断系统的组成及其与神经网络数据融合的原理出发，对模拟电路故障进行了分析和诊断，最后提出了包括多级信息融合等在内的基于信息融合和神经网络的故障诊断方法，希望通过文章的论述，能够为电子电路故障诊断与神经网络数据的融合提供参考。
关键词：电子电路；故障诊断；神经网络数据融合；探讨
引言：一直以来，行业内对电子电路故障进行诊断所应用的都是线路切割法。在电路元件出现问题时，其性能必将受到影响，严重时甚至会导致信号无法输出，而此时，与其相连的元件也必定会受到影响，此时如果应用直接测试的方法对电子电路故障进行测试，很难保证其效果的准确性，因此，利用线路切割法便成为了行业内的一个主要手段，这也方法具有其局限性，即其应用过程十分麻烦，因此，必须提出一系列的措施对电子电路故障的诊断方法进行优化。
一、系统的组成及融合原理
文章支持将电子电路故障诊断与神经网络数据相融合。这一系统得以运行的原理如下：首先，工作人员需要利用相关仪器探测出需要被诊断的各元件的电压信号与温度信号，继而便可以利用模糊集理论对上述两种信号进行分析。通常情况下，针对不同的传感器，工作人员需要用不同的隶属值来对其元件发生故障的可能性进行描述，此时可能出现以下两种情况：一是鉴于元件与其连接元件之间的互相影响，在利用一种传感器来对故障进行判断使，很可能会出现判断误差；二是两种传感器在对同一种元件进行判断时，会出现隶属值不一致的状况，通常其误差都不会太大，但在少数情况下，其误差值也可能会出现较大的差距，这会极大的增加工作人员对电子电路故障的判断难度，因此，必须实施相应的措施对这一问题进行解决。将电子电路故障的诊断与神经网络数据相结合能够有效的解决上述问题，两者的结合是基于应用模糊集与BP网络的结合而实现的，通过对BP网络的应用，隶属值之间的差距会得到有效的缩小，这对于故障的判断与解决十分有利。
二、模拟电路故障分析与诊断
一般而言，工程技术领域对模拟电路故障的诊断通常需要通过对所接受的信号的判断来得出装备是否存在或即将出现故障，对不同设备故障的判断需要应用不同的故障诊断方法，总的来说，所有故障诊断方法可以分为以下两类：首先是常规的故障诊断方法。其次是现代化的故障诊断方法。相对于前者来说，后者主要对故障的诊断主要是在对模糊理论应用的基础上实现的，在技术上较为先进。以下文章主要从信息融合才故障诊断中的应用以及神经网络的故障诊断中的应用两点出发分析了有关模拟电路故障分析与诊断的问题。
（一）信息融合在故障诊断中的应用
所谓的信息融合主要指的是通过机器来模拟人脑处理信息的过程的一种形式框架，信息融合实现故障诊断主要是依靠数学理论与技术工具的结合来完成的，通过对这一手段的应用，工作人员可以从中得到很多准确性较高的信息，这对于故障的诊断与解决都具有着十分重要的参考价值。信息融合这一故障诊断方法的优点是能够通过对人脑处理信息过程的模拟来充分的对种种信息进行综合分析与利用，从而找出其中的种种联系，相对于其他故障诊断方法来说，这一方法在准确性方面十分突出。除此之外，这一故障诊断方式还具有能够同时对多维信息进行采集的优势，这就极大的增强了系统的性能，在减少了信息模糊性的同时增加了其可信度。信息融合的故障诊断方式在具体应用中需要根据与其他诊断方式的配合才能完成，这样才能使各诊断方式的优点能够得以融合，缺点能够相互弥补，以使故障诊断效果达到最好。
（二）神经网络在故障诊断中的应用
与信息融合的诊断方式原理类似，神经网络的故障诊断方式也是对人脑中的功能的模拟，不同的是，前者是对人脑处理信息方式的模拟，而后者则是对人脑神经网络的结构与功能的模拟，相对于前者来说，后者能够实现一个高度并行的动态系统。总的来说，在对这一故障诊断方法的应用过程中，系统会将对故障反应最为敏感的信号以神经网络的形式输出，以得到故障模拟训练样本来完成网络训练，在此之后，便可以通过征兆集到非线性的映射来得出识别结果。神经网络的故障诊断方式利用了对故障特征的輸入与输出的手段使故障诊断的过程变得更加简单方便，较以往相比属于一大进步。
三、基于信息融合和神经网络的故障诊断方法
（一）多级信息融合
多级信息融合主要包括数据级融合、特征级融合以及决策级融合三方面内容，分别如图：
（数据级融合）
（特征级融合）
（决策级融合）
首先，对于数据级融合来讲，其主要原理是通过对原始观测数据层中种种数据的直接分析来实现融合的。相对于其他融合手段来讲，数据级融合层次较低，但其也具有一定的优点，主要表现在能够保持尽可能多的现场数据方面，这就使得其对信息的获得更够更加方便，但由于数据级融合在实时性方面存在漏洞，因此其对故障的诊断的准确性也就得不到保证。
其次，相对于数据级融合来讲，特征级融合在层次方面得到了一定程度的上升，但却仍处于中间位置。特征级融合的主要原理是通过对原始数据的特征的提取及分析来实现融合的。对于已经提取到的信息，数据级融合的方法能够从时间和空间两个角度来对其进行分析与综合，从而使分析的结果能够更加全面准确，总的来说，数据级融合的优点是能够最大程度的实现对实时信息的处理，因此在实时性方面是能够得到保证的。
最后，相对于前两者来说，决策级融合方式是融合过程中的最高级别，其主要原理是通过对各个目标属性的决策来实现决策结果的相互融合，并根据最后的融合结果来实现统一的解决，想要对这一融合方式进行利用，就一定要准确分析数据级融合与特征级融合所提取出的数据特征，这是做好决策级融合的基础。
（二）融合诊断算法
D—S合成法是融合诊断过程中的主要算法，它是通过给定的同一识别框架上的信度函数的合成来完成的，需要注意的是，上述信度函数需要拥有不同的证据。以下文章主要以两个信度函数的组合为例来对组合规则进行了阐述：
首先，工作人员需要对两个信任函数及焦原进行设定，又设：
合成之后的可信度分配函数如下：
通过对上述两个函数的运算可以得出可信度函数为：
通过对后两个函数的运算可以得出D—S融合前各模块的基本可信度分配，通过对前两个函数的运算可以得出融合后各故障的基本可信度分配，将两者结合，便可以实现对故障的判断。
（三）诊断流程
具体诊断流程如图所示：
对于图中的信息融合部分来说，可以对数据级融合、特征级融合及决策级融合进行自由选择，通过对流程图中各流程的实施，在对故障进行判断时可以根据以下规则得出D—S诊断结果：
首先，要保证判定故障模式具有基本可信度分配。
其次，上述基本可信度分配必须大于不确定性基本可信度分配。
再次，判定故障类型基本可信度分配与其他基本可信度分配需要大于某一门阀。
最后，不确定性基本可信度分配要小于某一门阀。
结束语：
综上所述，传统的对电子电路故障进行诊断的方式由于其固有的缺陷已经无法适应目前时代的发展，因此，将电子电路故障诊断与神经网络数据相融合已经成为了目前行业内发展的一个主要趋势，通过对两者的融合，故障诊断结果在准确性及实时性方面都得到了有效的提高，由此可见，这一融合过程十分必要。
参考文献
[1] 朱大奇； 于盛林.电子电路故障诊断的神经网络数据融合算法[J].东南大学学报（自然科学版），2001（12）.
[2] 龙伯华； 谭阳红； 许慧； 孙磊.基于量子神经网络的电力电子电路故障诊断[J].电工技术学报，2009（10）.
[3] 王承； 孙秀斌.基于神经网络信息融合技术的模拟电路故障诊断[J].电路与系统学报，2007（10）.
作者简介：徐顺，男，汉族，云南省宣威市，云南工商学院教师，研究方向：电子电路。
关键词：电子电路；故障诊断；神经网络数据融合；探讨
引言：一直以来，行业内对电子电路故障进行诊断所应用的都是线路切割法。在电路元件出现问题时，其性能必将受到影响，严重时甚至会导致信号无法输出，而此时，与其相连的元件也必定会受到影响，此时如果应用直接测试的方法对电子电路故障进行测试，很难保证其效果的准确性，因此，利用线路切割法便成为了行业内的一个主要手段，这也方法具有其局限性，即其应用过程十分麻烦，因此，必须提出一系列的措施对电子电路故障的诊断方法进行优化。
一、系统的组成及融合原理
文章支持将电子电路故障诊断与神经网络数据相融合。这一系统得以运行的原理如下：首先，工作人员需要利用相关仪器探测出需要被诊断的各元件的电压信号与温度信号，继而便可以利用模糊集理论对上述两种信号进行分析。通常情况下，针对不同的传感器，工作人员需要用不同的隶属值来对其元件发生故障的可能性进行描述，此时可能出现以下两种情况：一是鉴于元件与其连接元件之间的互相影响，在利用一种传感器来对故障进行判断使，很可能会出现判断误差；二是两种传感器在对同一种元件进行判断时，会出现隶属值不一致的状况，通常其误差都不会太大，但在少数情况下，其误差值也可能会出现较大的差距，这会极大的增加工作人员对电子电路故障的判断难度，因此，必须实施相应的措施对这一问题进行解决。将电子电路故障的诊断与神经网络数据相结合能够有效的解决上述问题，两者的结合是基于应用模糊集与BP网络的结合而实现的，通过对BP网络的应用，隶属值之间的差距会得到有效的缩小，这对于故障的判断与解决十分有利。
二、模拟电路故障分析与诊断
一般而言，工程技术领域对模拟电路故障的诊断通常需要通过对所接受的信号的判断来得出装备是否存在或即将出现故障，对不同设备故障的判断需要应用不同的故障诊断方法，总的来说，所有故障诊断方法可以分为以下两类：首先是常规的故障诊断方法。其次是现代化的故障诊断方法。相对于前者来说，后者主要对故障的诊断主要是在对模糊理论应用的基础上实现的，在技术上较为先进。以下文章主要从信息融合才故障诊断中的应用以及神经网络的故障诊断中的应用两点出发分析了有关模拟电路故障分析与诊断的问题。
（一）信息融合在故障诊断中的应用
所谓的信息融合主要指的是通过机器来模拟人脑处理信息的过程的一种形式框架，信息融合实现故障诊断主要是依靠数学理论与技术工具的结合来完成的，通过对这一手段的应用，工作人员可以从中得到很多准确性较高的信息，这对于故障的诊断与解决都具有着十分重要的参考价值。信息融合这一故障诊断方法的优点是能够通过对人脑处理信息过程的模拟来充分的对种种信息进行综合分析与利用，从而找出其中的种种联系，相对于其他故障诊断方法来说，这一方法在准确性方面十分突出。除此之外，这一故障诊断方式还具有能够同时对多维信息进行采集的优势，这就极大的增强了系统的性能，在减少了信息模糊性的同时增加了其可信度。信息融合的故障诊断方式在具体应用中需要根据与其他诊断方式的配合才能完成，这样才能使各诊断方式的优点能够得以融合，缺点能够相互弥补，以使故障诊断效果达到最好。
（二）神经网络在故障诊断中的应用
与信息融合的诊断方式原理类似，神经网络的故障诊断方式也是对人脑中的功能的模拟，不同的是，前者是对人脑处理信息方式的模拟，而后者则是对人脑神经网络的结构与功能的模拟，相对于前者来说，后者能够实现一个高度并行的动态系统。总的来说，在对这一故障诊断方法的应用过程中，系统会将对故障反应最为敏感的信号以神经网络的形式输出，以得到故障模拟训练样本来完成网络训练，在此之后，便可以通过征兆集到非线性的映射来得出识别结果。神经网络的故障诊断方式利用了对故障特征的輸入与输出的手段使故障诊断的过程变得更加简单方便，较以往相比属于一大进步。
三、基于信息融合和神经网络的故障诊断方法
（一）多级信息融合
多级信息融合主要包括数据级融合、特征级融合以及决策级融合三方面内容，分别如图：
（数据级融合）
（特征级融合）
（决策级融合）
首先，对于数据级融合来讲，其主要原理是通过对原始观测数据层中种种数据的直接分析来实现融合的。相对于其他融合手段来讲，数据级融合层次较低，但其也具有一定的优点，主要表现在能够保持尽可能多的现场数据方面，这就使得其对信息的获得更够更加方便，但由于数据级融合在实时性方面存在漏洞，因此其对故障的诊断的准确性也就得不到保证。
其次，相对于数据级融合来讲，特征级融合在层次方面得到了一定程度的上升，但却仍处于中间位置。特征级融合的主要原理是通过对原始数据的特征的提取及分析来实现融合的。对于已经提取到的信息，数据级融合的方法能够从时间和空间两个角度来对其进行分析与综合，从而使分析的结果能够更加全面准确，总的来说，数据级融合的优点是能够最大程度的实现对实时信息的处理，因此在实时性方面是能够得到保证的。
最后，相对于前两者来说，决策级融合方式是融合过程中的最高级别，其主要原理是通过对各个目标属性的决策来实现决策结果的相互融合，并根据最后的融合结果来实现统一的解决，想要对这一融合方式进行利用，就一定要准确分析数据级融合与特征级融合所提取出的数据特征，这是做好决策级融合的基础。
（二）融合诊断算法
D—S合成法是融合诊断过程中的主要算法，它是通过给定的同一识别框架上的信度函数的合成来完成的，需要注意的是，上述信度函数需要拥有不同的证据。以下文章主要以两个信度函数的组合为例来对组合规则进行了阐述：
首先，工作人员需要对两个信任函数及焦原进行设定，又设：
合成之后的可信度分配函数如下：
通过对上述两个函数的运算可以得出可信度函数为：
通过对后两个函数的运算可以得出D—S融合前各模块的基本可信度分配，通过对前两个函数的运算可以得出融合后各故障的基本可信度分配，将两者结合，便可以实现对故障的判断。
（三）诊断流程
具体诊断流程如图所示：
对于图中的信息融合部分来说，可以对数据级融合、特征级融合及决策级融合进行自由选择，通过对流程图中各流程的实施，在对故障进行判断时可以根据以下规则得出D—S诊断结果：
首先，要保证判定故障模式具有基本可信度分配。
其次，上述基本可信度分配必须大于不确定性基本可信度分配。
再次，判定故障类型基本可信度分配与其他基本可信度分配需要大于某一门阀。
最后，不确定性基本可信度分配要小于某一门阀。
结束语：
综上所述，传统的对电子电路故障进行诊断的方式由于其固有的缺陷已经无法适应目前时代的发展，因此，将电子电路故障诊断与神经网络数据相融合已经成为了目前行业内发展的一个主要趋势，通过对两者的融合，故障诊断结果在准确性及实时性方面都得到了有效的提高，由此可见，这一融合过程十分必要。
参考文献
[1] 朱大奇； 于盛林.电子电路故障诊断的神经网络数据融合算法[J].东南大学学报（自然科学版），2001（12）.
[2] 龙伯华； 谭阳红； 许慧； 孙磊.基于量子神经网络的电力电子电路故障诊断[J].电工技术学报，2009（10）.
[3] 王承； 孙秀斌.基于神经网络信息融合技术的模拟电路故障诊断[J].电路与系统学报，2007（10）.
作者简介：徐顺，男，汉族，云南省宣威市，云南工商学院教师，研究方向：电子电路。