基于神经网络的模拟电路故障诊断专家系统研究

工学硕士学位论文基于神经网络的模拟电路故障诊断专家系统研究胡世玲哈尔滨理工大学2009年3月国内图书分类号：TP183工学硕士学位论文基于神经网络的模拟电路故障诊断专家系统研究硕士研究生：胡世玲导师：高中文申请学位级别：工学硕士学科、专业：模式识别与智能系统所在单位：自动化学院答辩日期：2009年3月授予学位单位：哈尔滨理工大学ClassifiedIndex：TP183DissertationfortheMasterDegreeinEngineeringTHESTUDYOFEXPERTSYSTEMBASEDONNEURALNETWORKFORANALOGCIRCUITFAULTDIAGNOSISCandidate：HuShilingSupervisor：GaoZhongwenAcademicDegreeAppliedfor：MasterofEngineeringSpecialty：PatternRecognitionandIntelligentSystemDateofOralExamination：March,2009University：HarbinUniversityofScienceandTechnology哈尔滨理工大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于神经网络的模拟电路故障诊断专家系统研究》，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名：日期：年月日哈尔滨理工大学硕士学位论文使用授权书《基于神经网络的模拟电路故障诊断专家系统研究》系本人在哈尔滨理工大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归哈尔滨理工大学所有，本论文的研究内容不得以其他单位的名义发表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定，同意学校保留并向有关部门提交论文和电子版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。本学位论文属于保密□，在年解密后适用授权书。不保密□。（请在以上相应方框内打√）作者签名：日期：年月日导师签名：日期：年月日哈尔滨理工大学工学硕士学位论文-I-基于神经网络的模拟电路故障诊断专家系统研究摘要随着电子工业的迅猛发展，模拟电路故障诊断问题已经引起广泛的关注，而且是国内外专家在设计和使用电子系统的一大难题。一些已有模拟电路的诊断方法只适用于特定条件下（如开路、短路等）的电路诊断，却很难发现由电路中的电子器件的容差变化引起的软故障。迄今为止，文献中很少对软故障即容差电路的故障诊断给出系统而有效的方法，本文将这一问题进行了研究探讨。针对传统诊断技术的局限性，讨论了利用神经网络方法诊断模拟电路软故障的方案，通过小波变换提取故障特征，并利用神经网络的非线性映射特性逼近故障诊断模型。针对传统方法的局限性，本文提出了具体的故障诊断方法，研究了基于Levenberg-Marquardt算法和动量法相结合的神经网络诊断方法，用来自模拟实验的实例对神经网络进行了训练仿真。诊断结果表明本文提出的方法是快速而有效的。此研究将为复杂模拟电路故障诊断甚至集成电路提供新的理论依据和诊断方法。此外，传统故障诊断专家系统存在不能进行自学习、自适应，知识获取困难，推理匹配冲突等不足，本文将小波分析、神经网络技术融入到专家系统的构建当中，利用小波分析提取模拟电路故障特征，用神经网络的训练代替诊断专家系统知识获取部分，用训练好的连接权和阈值代替专家系统知识部分，专家系统推理部分则通过权值数据与输入数据的运算来完成。针对一低通滤波器电路，研究开发了基于神经网络的模拟电路故障诊断专家系统。系统采用MATALB的GUI编程实现了以下功能：一是特征提取算法的实现，用户根据需要可以选择三种特征提取算法提取故障信号特征。二是神经网络参数设置，如设置隐层神经元的个数、学习率的大小等。三是神经网络的训练和故障诊断。该系统在一定程度上改善了传统专家系统不能进行自学习、自适应，知识获取困难，推理匹配冲突等不足，提高了诊断的自动化和智能化水平。关键词模拟电路；故障诊断；神经网络；小波变换；专家系统哈尔滨理工大学工学硕士学位论文-II-TheStudyofExpertSystemBasedonNeuralNetworkofAnalogCircuitFaultDiagnosisAbstractAlongwiththerapiddevelopmentofelectronicsindustry,theanalogcircuitfaultdiagnosisquestionalreadyarousedthewidespreadinterest,moreover,itisabigdifficultproblemtothedomesticandforeignexpertswhentheydesignandusetheelectronsystem.Someanalogcircuitdiagnosismethodswhichalreadyexistedareonlysuitableunderthespecialcondition,forexample,opening,shortcircuitandsoon.itisverydifficulttodiscoverthesoftfaultwhichcausesbyelectronicdevice'stolerancechangeinelectriccircuit.Untilnow,veryfewliteraturegivesthesystematicandeffectivemethodtothesoftfault,thispaperresearchthisquestion.Inviewofthetraditionallimitationofdiagnosistechnology,wediscussedtheplanwhichuseneuralnetworktodiagnosesoftfaultofanalogcircuit,usetheabilityofwavelettransformationtoextractthecircuitfaultcharacterandneuralnetworkwhichhasmisalignmentmappingcharacteristictoapproachesthefailurediagnosismodel.Inviewofthelimitationoftraditionalfaultdiagnosismethod,thispaperproposedtheconcretefaultdiagnosismethod,studiedtheneuralnetworkdiagnosismethodwhichtheunitLevenberg-Marquardtalgorithmandthemomentumlaw,usedtheconcreteexampletoneuralnetworktrainingsimulation.Thediagnosisresultindicatedthatthemethodwhichthepaperproposedisfastandeffectiveandthisresearchwillprovidethenewtheorybasisandthediagnosismethodforthecomplexanalogouscircuitfailurediagnosisevenintegratedcircuit.Inaddition,thetraditionfailurediagnosisexpertsystemexistsinsufficientwhichcannotcarryonself-study,auto-adapted,difficulttogaintheknowledge,andmatchconflictwhenitinference,andsoon.Thisarticleusesthewaveletanalysisandneuralnetworktechnologyaspartoftheconstructionofexpertsystem.Usewaveletanalysisextractanalogcircuitfaultcharacteristic,theexpert哈尔滨理工大学工学硕士学位论文-III-systemknowledgegainingpartisreplacedbyneuralnetwork'straining,andusetheconnectionpowerandthethresholdvalueofBackPropagation(BP)neuralnetworkwhichhadbeenwelltrainedreplacestheexpertsystemknowledgelibrary.Theexpertsysteminferencepartcompletesthroughtheoperationoftheweightdataandtheinputdata.Inviewofalowpassfilterelectriccircuit,weresearchedanddevelopedanexpertsystembasedonBPneuralnetworkforanalogcircuit.ThesystemusesMATALBGUIprogrammingtorealizethefollowingfunction,firstly,thealgorithmrealizationoffeatureextractionandalgorithmselection,usercanchoosethedifferentdiagnosisalgorithmaccordingtotheuser'sneedstorealizetothefaultfeatureextraction;secondly,setparameterofBPneuralnetwork,usercansethidlevelinteger,studyratesizeandsoon;thirdly,neuralnetworktrainingandfaultdiagnosis.Thissystemmakesuptheflawwhichtraditionalexpertsystemcouldnotself-study,theauto-adapted,overcomestheinsufficiencyofthetraditionalelectriccircuitfaultdiagnosismethod,andenhancesthediagnosisautomationandtheintellectualizedlevel.Keywordsanalogcircuit,faultdiagnosis,neuralnetwork,wavelettransform,expertsystem哈尔滨理工大学工学硕士学位论文-IV-目录摘要.............................................................................................................................IAbstract......................................................................................................................II第1章绪论............................