模拟电路故障诊断算法策画.pptVIP

模拟电路故障诊断算法设计 电气0803 080901412 黄彬 背景介绍 故障诊断技术是近年发展起来的以适应工程实际需要而形成的多学科交叉的综合学科。 从故障发生的过程来分有软故障、硬故障和间歇故障。软故障又称渐变故障，它是由元件参量随时间和环境条件的影响缓慢变化而超出容差造成的、通过事前测试或监控可以预测的故障。硬故障又称突变故障。它是由于元件的参量突然出现很大偏差(如开路、短路)造成的、通过事前测试或监控不能预测到的故障。 课题研究内容 测前横拟法SBT和测后模拟法SAT的运用 （1）测前模拟法又称故障字典法FD(Fault Dictionary)或故障模拟法,其理论基础是模式识别原理,基本步骤是在电路测试之前,用计算机模拟电路在各种故障条件下的状态,建立故障字典; （2）测后模拟法又称为故障分析法或元件模拟法,是近年来虽活跃的研究领域,其特点是在电路测试后,根据测量信息对电路模拟,从而进行故障诊断。 以上两种方法不是本课题的主要研究内容。只是作为前期的了解和知识拓展。 课题研究内容 神经网络和模式识别在模拟电路故障诊断中的运用 人工神经网络是在现代神经科学研究成果的基础上提出来的，他反映了人脑的基本功能，是对人脑的简化与模拟.神经网络故障诊断问题可以看成模式识别。通过对一系列过往参量进行测量，然后用神经网络从测量空间映射到故障空间，实现故障诊断。 神经网络和模式识别是本课题研究的核心内容。 神经网络的I/O非线性映射性、信息的分布存储、并行处理和全局集体作用，特别是其高度的自组织和学习能力，使其成为故障诊断的一种有效方法和手段，神经网络的这一优良特性受到故障诊断领域专家学者的关注。 人工神经网络是一种信息处理系统，它有很多种模型。其中有一种用误差传播学习算法（Error Back Propagation即BP算法）进行训练的多层前馈神经网络，简称为BP网络。BP神经网络模型是人工神经网络的重要模型之一。它有广泛的应用，主要包括模式识别及分类、故障智能诊断、图像处理、函数拟合、最优预测等方面的应用。 BP 神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，传递。传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。  在本课题中，BP算法是神经网络和模式识别进行故障分析实现的途径，即通过BP算法实现故障分析和判定类型。 要解决的技术问题 算法设计 首先进行算法设计。利用BP神经网络设计一个算法，用以分析模拟电路中出现的硬故障的类型。该算法主要利用的 是BP神经网络的自学习能力。即通过多次的学习过程，以达到预期的效果以及可接受的误差范围。从而实现较高水平 的模拟电路硬故障分析和诊断。 要解决的技术问题 故障诊断系统的仿真 算法设计结束后，将利用Matlab自带的工具箱进行仿真、检验。首先，利用Matlab自带工具箱搭建一个简单的RCL电路。电路因故障的模拟体现在诸如各元件（电阻、电容、电感）的短路或开路。利用设计好的算法进行仿真，根据仿真结果判断电路故障。 每次仿真必然会有不同程度的误差。根据每次的误差对算法进行调整，直到达到预期的效果。 * * * *