基于BP神經(jīng)網(wǎng)絡(luò )的模擬電路診斷系統研究

由此可見(jiàn)軟故障是一個(gè)連續變化的值，要實(shí)現其故障診斷非常復雜，目前，國際上對軟故障診斷比較熱衷，但通常都是對某一定點(diǎn)的軟故障進(jìn)行診斷，如↓情況，R1=5 kΩ，或者↑情況，R1=15kΩ。
1．6．3 故障特征提取
考慮到當電路發(fā)生故障時(shí)，各測試點(diǎn)電壓會(huì )有所變化，這種變化表征了此故障的特征?；谶@一想法，利用各元件故障時(shí)在各測試點(diǎn)上施加不同頻率的正弦信號產(chǎn)生的電壓作為原始數據。
對圖4電路，在電路輸入端施加3 V的正弦激勵，測試頻率分別取10 kHz，16 kHz，20 kHz，32 kHz，取Vc為測試點(diǎn)。從測試點(diǎn)提取輸出波形的電壓值，作為故障特征信息。將一個(gè)測試點(diǎn)4個(gè)頻率的故障信息進(jìn)行融合，形成對應故障模式的4維故障特征向量：X=[x1，x2，…，x4]T其中xi為第i個(gè)測試頻率下獲得的測量值。
1．6．4 樣本集構造
為了驗證測試向量對故障元件的實(shí)際診斷效果，在電路輸入端施加3 V的正弦激勵，測試頻率分別取10 kHz，16 kHz，20 kHz，32 kHz(被測電路截止頻率是15．9 kHz，四種頻率優(yōu)選是應用Multisim2001進(jìn)行靈敏度分析得到的)，取Vc為測試點(diǎn)，各待測元件的故障值：Ri(i=1，2，…，6)為±50％；Cj(j=1，2)為±50％。將故障分為兩類(lèi)：共計有19種故障模式(設定實(shí)驗電路存在故障)。故障模式用二進(jìn)制編碼法來(lái)表征，如：00001表示R1↓故障，00010表示R1↑故障。利用PSpice 4．02程序對電路在標稱(chēng)值及各元件在故障情況下進(jìn)行仿真。所得數據見(jiàn)表1(這里只列出1組部分代表性數據)。
為了加快神經(jīng)網(wǎng)絡(luò )的收斂速度，需要對數據進(jìn)行尺度變化，這里采用均方根方法對數據預處理。
從圖4可以看到，電路中共有9個(gè)元件，所以其軟故障加正常狀態(tài)共有19種。使用蒙特卡羅分析，電阻在5％的容差下和電容在10％的容差下，對每一個(gè)故障模式進(jìn)行100次Monte―Carlo分析，其中70次為訓練樣本，構成訓練樣本集；30次為測試樣本，構成測試樣本集。對其進(jìn)行預處理，所得數據見(jiàn)表1，這里僅列出其中1組部分數據。

2 診斷結果
應用BP神經(jīng)網(wǎng)絡(luò )對實(shí)驗電路進(jìn)行故障診斷，整個(gè)設計與訓練過(guò)程在Matlab 6．5仿真環(huán)境下進(jìn)行。
將訓練樣本集序列輸入神經(jīng)網(wǎng)絡(luò )，均方誤差設定為0．02，經(jīng)多次調整網(wǎng)絡(luò )結構選為4一11―5，學(xué)習速度為0．3，動(dòng)量因子0．3，網(wǎng)絡(luò )經(jīng)過(guò)179 163次訓練調整后達到期望的均方誤差。誤差變化曲線(xiàn)圖如圖5所示。

為檢驗經(jīng)過(guò)訓練的神經(jīng)網(wǎng)絡(luò )的故障診斷能力，分別使用訓練樣本集和測試樣本集對網(wǎng)絡(luò )進(jìn)行訓練和測試，對應測試樣本的神經(jīng)網(wǎng)絡(luò )的輸出如表l所示。
對被測電路采用蒙特卡羅分析得到100組數據，其中70組數據作為訓練樣本集，30組數據作為測試樣本集。從表1可知，其測試結果正確率達100％。故障診斷正確率較高。證明所選擇的測試矢量對電路故障診斷是行之有效。

3 結 語(yǔ)
討論了BP神經(jīng)網(wǎng)絡(luò )在模擬電路故障診斷中的應用和故障特征提取方法；采用多頻組合法建立了故障樣本集；并且在Matlab下仿真驗證了結果的可行性。