基于主成分的概率神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷的研究.pdf

1、隨著現(xiàn)代化電子技術(shù)的飛速發(fā)展，大規(guī)模集成電路的應(yīng)用，網(wǎng)絡(luò)規(guī)模和結(jié)構(gòu)日趨功能化和模塊化，研究如何運(yùn)用現(xiàn)代診斷技術(shù)從大規(guī)模容差電路中準(zhǔn)確地診斷出存在故障的子電路和元件，是實(shí)際工程迫切需要解決的課題，也是模擬電路故障診斷理論和方法走向?qū)嶋H應(yīng)用的關(guān)鍵步驟之一。 模擬電路故障診斷經(jīng)過(guò)二十多年的發(fā)展，已經(jīng)形成一系列診斷理論和方法，但由于其本身理論的復(fù)雜以及目前診斷方法的實(shí)用性不強(qiáng)使得應(yīng)用前景和人們的期望差距甚遠(yuǎn)。人工神經(jīng)網(wǎng)絡(luò)理論近年來(lái)得到了

2、快速發(fā)展，已開(kāi)始在各個(gè)領(lǐng)域廣泛應(yīng)用。 隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)被廣泛的應(yīng)用于非線性系統(tǒng)的建模與辨識(shí)。模擬電路故障的多樣性使得神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)量增加，BP網(wǎng)絡(luò)結(jié)構(gòu)趨于復(fù)雜，訓(xùn)練速度降低。針對(duì)反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)學(xué)習(xí)收斂速度慢、易陷入局部極小值等問(wèn)題，提出了基于主成分分析(PCA)與概率神經(jīng)網(wǎng)絡(luò)(PNN)相結(jié)合的模擬電路故障診斷方法。 傳統(tǒng)的概率神經(jīng)網(wǎng)絡(luò)(PNN)是一種建立在徑向基函數(shù)網(wǎng)絡(luò)(

3、RBF)基礎(chǔ)之上的、簡(jiǎn)單的、廣泛應(yīng)用的分類網(wǎng)絡(luò)。與傳統(tǒng)的BP網(wǎng)絡(luò)比較，它有三大優(yōu)點(diǎn)：網(wǎng)絡(luò)學(xué)習(xí)過(guò)程簡(jiǎn)單，訓(xùn)練速度快；網(wǎng)絡(luò)的容錯(cuò)性好，模式分類能力強(qiáng)，收斂性較好；網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)靈活方便。 本文的主要工作內(nèi)容如下： 1.研究了模擬電路故障特征提取方法。利用主成分分析模擬電路節(jié)點(diǎn)電壓響應(yīng)的特征參數(shù)，從而簡(jiǎn)化了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)并提高了網(wǎng)絡(luò)訓(xùn)練速度，提高了診斷效率。 2.研究了基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的一般方法和診斷步驟，探

4、討了PNN網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)、訓(xùn)練算法以及用于故障診斷的優(yōu)勢(shì)。 3.選取了一個(gè)典型純電阻電路，結(jié)合主成分分析法和概率神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，使用PSPICE和MATLAB軟件對(duì)故障診斷過(guò)程進(jìn)行了具體的仿真實(shí)現(xiàn)。 實(shí)驗(yàn)結(jié)果表明，概率神經(jīng)網(wǎng)絡(luò)能夠有效的對(duì)故障特征進(jìn)行分類和識(shí)別，可以達(dá)到故障快速定位和診斷的目的，且診斷率高。 總之，基于概率神經(jīng)網(wǎng)絡(luò)的方法，通過(guò)主成分分析提取模擬電路的故障特征，對(duì)于解決模擬電路的故障數(shù)據(jù)冗余、故障診