小波神經(jīng)網(wǎng)絡(luò )應用于模擬電路故障診斷的進(jìn)展

論文摘要：分析了模擬電路故障診斷的重要性和目前存在的困難，對基于小渡分析理論和神經(jīng)網(wǎng)絡(luò )理論的模擬電路故障診斷方法進(jìn)行了綜述.指出了小波神經(jīng)網(wǎng)絡(luò )應用于模擬電路故障診斷存在的問(wèn)題和未來(lái)的應用前景。

模擬電路故障診斷在理論上可概括為:在已知網(wǎng)絡(luò )拓撲結構、輸人激勵和故障響應或可能已知部分元件參數的情況下，求故障元件的參數和位置。

盡管目前模擬電路故障診斷理論和方法都取得了不少成就，提出了很多故障診斷方法，如故障字典法、故障參數識別法、故障驗證法等。但是由于模擬電路測試和診斷有其自身困難，進(jìn)展比較緩慢。其主要困難有:模擬電路中的故障模型比較復雜，難以作簡(jiǎn)單的量化;模擬電路中元件參數具有容差，增加了故障診斷的難度;在模擬電路中廣泛存在著(zhù)非線(xiàn)性問(wèn)題，為故障的定位診斷增加了難度;在一個(gè)實(shí)用的模擬電路中，幾乎無(wú)一例外地存在著(zhù)反饋回路，仿真時(shí)需要大量的復雜計算;實(shí)際的模擬電路中可測電壓的節點(diǎn)數非常有限.導致可用于作故障診斷的信息量不夠充分，造成故障定位的不確定性和模糊性。

因此，以往對模擬電路故障診斷的研究主要停留在中小規模線(xiàn)性無(wú)容差或小容差的情況，有些方法也已成功地應用于工程實(shí)際。但如何有效地解決模擬電路的容差和非線(xiàn)性問(wèn)題，如何解決故障診斷的模糊性和不確定性等是今后迫切需要解決的問(wèn)題。小波神經(jīng)網(wǎng)絡(luò )則因其利于模擬人類(lèi)處理問(wèn)題的過(guò)程、容易顧及人的經(jīng)驗且具有一定的學(xué)習能力等特點(diǎn)，所以在這一領(lǐng)域得到了廣泛應用。

1小波分析理論在模擬電路故障診斷中的應用現狀分析

簡(jiǎn)單地講，小波就是一個(gè)有始有終的小的“波浪”小波分析源于信號分析，源于函數的伸縮和平移，是Fourier分析、Gabor分析和短時(shí)Fourier分析發(fā)展的直接結果。小波分析的基木原理是通過(guò)小波母函數在尺度上的伸縮和時(shí)域上的平移來(lái)分析信號，適當選擇母函數.可以使擴張函數具有較好的局部性，小波分析是對信號在低頻段進(jìn)行有效的逐層分解，而小波包分析是對小波分析的一種改進(jìn)，它為信號提供了一種更加精細的分析方法，對信號在全頻段進(jìn)行逐層有效的分解，更有利于提取信號的特征。因此，它是一種時(shí)頻分析方法。在時(shí)頻域具有良好的局部化性能并具有多分辨分析的特性，非常適合非平穩信號的奇異性分析。如:利用連續小波變換可以檢測信號的奇異性，區分信號突變和噪聲，利用離散小波變換可以檢測隨機信號頻率結構的突變。

小波變換故障診斷機理包括:利用觀(guān)測器信號的奇異性進(jìn)行故障診斷以及利用觀(guān)測器信號頻率結構的變化進(jìn)行故障診斷。小波變換具有不需要系統的數學(xué)模型、故障檢測靈敏準確、運算量小、對噪聲的抑制能力強和對輸入信號要求低的優(yōu)點(diǎn)。但在大尺度下由于濾波器的時(shí)域寬度較大，檢測時(shí)會(huì )產(chǎn)生時(shí)間延遲，且不同小波基的選取對診斷結果也有影響。在模擬電路故障診斷中，小波變換被有效地用來(lái)提取故障特征信息即小波預處理器之后，再將這些故障特征信息送人故障分類(lèi)處理器進(jìn)行故障診斷。小波分析理論的應用一般被限制在小規模的范圍內，其主要原因是大規模的應用對小波基的構造和存儲需要的花費較大。

2神經(jīng)網(wǎng)絡(luò )理論在模擬電路故障診斷中的應用分析

人工神經(jīng)網(wǎng)絡(luò )(ANN)是在現代神經(jīng)科學(xué)研究成果的基礎上提出來(lái)的，是一種抽象的數學(xué)模型，是對人腦功能的模擬。經(jīng)過(guò)十幾年的發(fā)展，人工神經(jīng)網(wǎng)絡(luò )已形成了數十種網(wǎng)絡(luò )，包括多層感知器Kohomen自組織特征映射、Hopfield網(wǎng)絡(luò )、自適應共振理論、ART網(wǎng)絡(luò )、RBF網(wǎng)絡(luò )、概率神經(jīng)網(wǎng)絡(luò )等。這些網(wǎng)絡(luò )由于結構不同，應用范圍也各不相同。由于人工神經(jīng)網(wǎng)絡(luò )本身不僅具有非線(xiàn)性、自適應性、并行性、容錯性等優(yōu)點(diǎn)以及分辨故障原因、故障類(lèi)型的能力外，而且訓練過(guò)的神經(jīng)網(wǎng)絡(luò )能儲存有關(guān)過(guò)程的知識，能直接從定量的、歷史故障信息中學(xué)習。所以在20世紀80年代末期，它已開(kāi)始應用于模擬電路故障診斷。隨著(zhù)人工神經(jīng)網(wǎng)絡(luò )的不斷成熟及大量應用，將神經(jīng)網(wǎng)絡(luò )廣泛用于模擬電路的故障診斷已是發(fā)展趨勢。BY神經(jīng)網(wǎng)絡(luò )由于具有良好的模式分類(lèi)能力，尤其適用于模擬電路故障診斷領(lǐng)域，因而在模擬電路故障診斷系統中具有廣泛的應用前景，也是目前模擬電路故障診斷中用得較多而且較為有效的一種神經(jīng)網(wǎng)絡(luò )。

3小波神經(jīng)網(wǎng)絡(luò )的應用進(jìn)展分析

3,1小波分析理論與神經(jīng)網(wǎng)絡(luò )理論結合的必要性

在神經(jīng)網(wǎng)絡(luò )理論應用于模擬電路故障診斷的過(guò)程中，神經(jīng)網(wǎng)路對于隱層神經(jīng)元節點(diǎn)數的確定、各種參數的初始化和神經(jīng)網(wǎng)絡(luò )結構的構造等缺乏更有效的理論性指導方法，而這些都將直接影響神經(jīng)網(wǎng)絡(luò )的實(shí)際應用效果。小波分析在時(shí)域和頻域同時(shí)具有良好的局部化特性，而神經(jīng)網(wǎng)絡(luò )則具有自學(xué)習、并行處理、自適應、容錯性和推廣能力二因此把小波分析和神經(jīng)網(wǎng)絡(luò )兩者的優(yōu)點(diǎn)結合起來(lái)應用于故障診斷是客觀(guān)實(shí)際的需要。

目前小波分析與神經(jīng)網(wǎng)絡(luò )的結合有兩種形式，一種是先利用小波變換對信號進(jìn)行預處理，提取信號的特征向量作為神經(jīng)網(wǎng)絡(luò )的輸人，另一種則是采用小波函數和尺度函數形成神經(jīng)元，達到小波分析和神經(jīng)網(wǎng)絡(luò )的直接融合第一種結合方式是小波神經(jīng)網(wǎng)絡(luò )的松散型結合，第二種結合方式是小波神經(jīng)網(wǎng)絡(luò )的緊致型結合。

3.2小波分析理論與神經(jīng)網(wǎng)絡(luò )理論的結合形式

小波與神經(jīng)網(wǎng)絡(luò )的松散型結合，即:用小波分析或小波包分析作為神經(jīng)網(wǎng)絡(luò )的前置處理手段，為神經(jīng)網(wǎng)絡(luò )提供輸人特征向魚(yú)具體來(lái)說(shuō)就是利用小波分析或小波包分析，把信號分解到相互獨立的頻帶之內，各頻帶內的能童值形成一個(gè)向覺(jué)，該向童對不同的故障對應不同的值，從而可作為神經(jīng)網(wǎng)絡(luò )的輸入特征向量一旦確定神經(jīng)網(wǎng)絡(luò )的輸入特征向童，再根據經(jīng)驗確定采用哪種神經(jīng)網(wǎng)絡(luò )及隱層數和隱層單元數等，就可以利用試驗樣本對神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練，調整權值，從而建立起所需的小波神經(jīng)網(wǎng)絡(luò )模型。

小波與神經(jīng)網(wǎng)絡(luò )的緊致型結合，即:用小波函數和尺度函數形成神經(jīng)元，達到小波分析和神經(jīng)網(wǎng)絡(luò )的直接融合，稱(chēng)為狹義上的小波神經(jīng)網(wǎng)絡(luò )，這也是常說(shuō)的小波神經(jīng)網(wǎng)絡(luò )。它是以小波函數或尺度函數作為激勵函數，其作用機理和采用Sigmoid函數的多層感知器基本相同。故障診斷的實(shí)質(zhì)是要實(shí)現癥狀空間到故障空間的映射，這種映射也可以用函數逼近來(lái)表示。小波神經(jīng)網(wǎng)絡(luò )的形成也可以從函數逼近的角度加以說(shuō)明。常見(jiàn)的小波神經(jīng)網(wǎng)絡(luò )有:利用尺度函數作為神經(jīng)網(wǎng)絡(luò )中神經(jīng)元激勵函數的正交基小波網(wǎng)絡(luò )、自適應小波神經(jīng)網(wǎng)絡(luò )、多分辨率小波網(wǎng)絡(luò )、區間小波網(wǎng)絡(luò )等。