模擬電路故障診斷的BP神經(jīng)網(wǎng)絡(luò )方法研究

摘要：BP網(wǎng)絡(luò )是模擬電路故障診斷中應用十分廣泛的一種神經(jīng)網(wǎng)絡(luò )。針對傳統BP算法的誤差下降緩慢，調整時(shí)間長(cháng)，甚至容易陷入局部極小點(diǎn)而不能自拔等局限性，提出用彈性算法與BP網(wǎng)絡(luò )相結合的方法，并結合某型雷達裝備的具體電路，運用該方法建模、仿真。實(shí)驗結果表明，采用彈性算法結合后的BP網(wǎng)絡(luò )誤差收斂穩定，訓練速度快，在克服傳統BP算法的局限性上效果顯著(zhù)，為新型雷達裝備的故障診斷和維修提供了一種方法，具有特定的實(shí)用意義。
關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò )；彈性算法；模擬電路；故障診斷

隨著(zhù)現代電子技術(shù)的飛速發(fā)展，大規模、超大規模集成電路越來(lái)越普及，常規的故障診斷方法如故障字典法、參數識別法、故障驗證法等由于其局限性已不再適用。模擬電路的可靠性直接制約著(zhù)整個(gè)電子設備或系統的可靠性，是一個(gè)系統能不能正常運行的關(guān)鍵。近年來(lái)，神經(jīng)網(wǎng)絡(luò )發(fā)展迅速，在各領(lǐng)域廣泛應用。神經(jīng)網(wǎng)絡(luò )具有非線(xiàn)性信息處理能力，其強大的學(xué)習能力和并行處理能力為故障診斷提供了全新的理論方法和實(shí)現手段。其中BP神經(jīng)網(wǎng)絡(luò )由于具有良好的模式分類(lèi)能力，尤其適用于故障診斷領(lǐng)域，因此對BP網(wǎng)絡(luò )的研究有著(zhù)重要的理論及現實(shí)意義。

1 神經(jīng)網(wǎng)絡(luò )故障診斷的系統設計
應用BP神經(jīng)網(wǎng)絡(luò )進(jìn)行模擬電路故障診斷的方法一般是：在一定的測試激勵下，將電路常見(jiàn)的各種故障狀態(tài)及正常狀態(tài)所對應的參數通過(guò)PSpice求出，進(jìn)行數據預處理后作為BP網(wǎng)絡(luò )的輸入樣本，對網(wǎng)絡(luò )進(jìn)行訓練，然后在相同的激勵下，檢測電路實(shí)際輸出，作為待診斷樣本集提供給BP網(wǎng)絡(luò )，網(wǎng)絡(luò )輸出即為對應的故障模式。系統設計框圖如圖1所示。

2 BP網(wǎng)絡(luò )的傳統算法
BP網(wǎng)絡(luò )，即誤差反傳網(wǎng)絡(luò )，是在1986年由Rumelhart和McCelland提出的，它是一種無(wú)反饋的前向網(wǎng)絡(luò )，包括輸入層、輸出層和隱層。理論證明：具有單隱層結構的前饋網(wǎng)絡(luò )可以映射任意連續函數，最常用的BP神經(jīng)網(wǎng)絡(luò )的結構是3層結構，即輸入層、輸出層和一個(gè)隱層。
誤差反向傳播過(guò)程就是通過(guò)使一個(gè)目標函數。最小化來(lái)完成的，BP網(wǎng)絡(luò )的傳統算法則是根據梯度下降法來(lái)調整權重系數的。

tk為輸出層第忌個(gè)神經(jīng)元的期望輸出；Qk為實(shí)際輸出；Oj為隱層第j個(gè)神經(jīng)元的輸出；Qi為輸入層第i個(gè)神經(jīng)元的輸出。通過(guò)多次迭代后誤差達到給定的標準，網(wǎng)絡(luò )收斂到一組穩定的權值，即訓練完成。但是這種標準的BP算法有局限性，由于是根據梯度下降法調整權值，若權值的改變量過(guò)大，雖然能夠加快網(wǎng)絡(luò )的訓練過(guò)程，但結果可能會(huì )產(chǎn)生振蕩；另外一種可能就是權值的改變量過(guò)小，因為S型函數具有飽和性，當輸入較大時(shí)，Oj，Ok將處于0或1的飽和區，權值的改變將趨于0，但此時(shí)目標函數的值還很大，誤差對權值的變化很不明顯，誤差下降緩慢，調整時(shí)間長(cháng)，甚至陷入局部極小點(diǎn)而不能自拔，影響收斂速度，使訓練難以收斂于給定誤差。
3 傳統BP算法的改進(jìn)
基于上述傳統BP算法的局限性，提出將彈性算法與BP神經(jīng)網(wǎng)絡(luò )相結合的方法，彈性算法只取偏導數的符號，而不考慮幅值，權值的更新方向是由偏導數的符號來(lái)決定的。若在兩次連續的迭代中，目標函數對某個(gè)權值的偏導數的符號保持不變，則增大相應的更新值，若變號，則減小相應的更新值，其過(guò)程可表示為：

當目標函數與某個(gè)權值偏導數的符號與上一次不同時(shí)，則表明最近一次權值的更新值太大，算法已跳出一個(gè)局部最小值。通過(guò)這種方法調整權值參數，可以使變化步長(cháng)在需要的時(shí)候增加，甚至在誤差平面趨于平坦的時(shí)候也能增加。誤差梯度一旦發(fā)生變化，相應的調整步長(cháng)會(huì )減小，有效地防止了振蕩?？朔薆P網(wǎng)絡(luò )誤差下降緩慢，調整時(shí)間長(cháng)，甚至容易陷入局部極小點(diǎn)等局限性，通過(guò)彈性算法與BP網(wǎng)絡(luò )的結合來(lái)實(shí)現模擬電路的故障診斷。