毕业设计(论文)-基于BP神经网络的电路故障诊断
基于BP神经网络的模拟电路故障诊断
基于BP神经网络的模拟电路故障诊断【摘要】随着现代化工业的发展，特别是电子技术的高速发展，人工智能技术的发展为模拟电路的故障诊断打开了新的思路和方法，特别是人工神经网络的发展在近几年的研究为模拟电路故障诊断的发展起到了极大的推动作用。
本文将通过研究BP算法的理论基础，分析BP算法的运行机理，研究BP算法在解决模拟电路故障诊断问题的性能，提出新的改进方法，并在Matlab运行环境中实现模拟电路故障诊断问题。
【关键词】模拟电路;故障诊断;人工神经网络;BP算法1.引言随着现代工业，尤其是电子技术的快速发展，电子系统越来越复杂，自动化程度越来越高。
据美方统计，电子电路中的模拟电路占据了40%的份额，即使有一些学者想通过研究完全用数字电路替代模拟电路，但这毕竟是难以实施的。
模拟电路是电子系统中最容易出现故障的环节，根据美国的经验表明，即使80%的电路是数字电路，但是80%的故障是因模拟电路而得。
模拟电路出现故障后，要求能定位故障，维修，调试，更换及时。
因此，模拟电路故障诊断已成为一个重要复杂和艰巨的任务。
模拟系统的测试和诊断这一课题，自从20世纪60年代开始研究以来，进展一直比较缓慢。
究其研究，主要有以下两点原因[1]。
首先，由于集成度较低的仿真系统和传统的模拟电路的规模比较小，所以使用手工测试和维修也能满足实际需要，即没有对工业生产大型数字系统测试提出的迫切需求，因此对于研究模拟电路测试和诊断的发展就缺乏了强劲的研究动力。
其次，测试和诊断工作中，模拟电路比数字系统更加困难，因此，就很少有比较成熟和完善的理论和方法可以应用到实际中。
但是，模拟电子电路故障诊断自1970年以来，在世界上还是取得了一些丰硕的研究成果，逐步形成了较为系统的理论，在网络理论，网络分析，建立了其应有的地位。
与网络分析、网络综合并称网络三大理论。
早期的故障诊断，一般都是依靠测试仪器仪表，借助专家的判断能力来探查电路故障。
但传统的故障诊断方法也有很大的局限性，因此故障的自动诊断就成为一个急需解决的问题。
基于BP神经网络的模拟电路故障诊断
基于BP神经网络的模拟电路故障诊断作者：戴毓彭良玉来源：《现代电子技术》2013年第16期摘要：提出了一种基于小波多层分解和BP神经网络相结合的模拟电路故障诊断方法。
该方法利用了多层小波分解优异的时频特性来提取故障特征参数，进行能量特征提取、归一化，并结合BP网络强大的非线性分类能力和快速的收敛特性构造了一种既能用于诊断单故障，又能诊断多故障的模型。
以ITC’97标准电路中的CTSV滤波电路为诊断实例进行了仿真实验仿真，结果表明该方法比传统BP网络方法的学习收敛速度快得多。
关键词： BP神经网络；模拟电路；故障特征；故障诊断中图分类号： TN911⁃34 文献标识码： A 文章编号： 1004⁃373X（2013）16⁃0009⁃03客观世界信号的本质决定了模拟电路的普遍性和不可替代性。
模拟电路由于故障模型复杂、元件参数的容差、非线性、噪声以及大规模集成化等现象使电路故障信息表现为多特征、高噪声、非线性的数据集，且受到特征信号观测手段、征兆提取方法、状态识别技术、诊断知识完备程度以及诊断经济性的制约，使模拟电路的故障诊断技术滞后于数字电路故障诊断技术而面临巨大的挑战。
而神经网络是对生物神经系统的功能抽象，以分布方式存储信息，有很强的容错能力和自学习能力，能够对网络的输入产生联想输出，具有处理模糊信息的能力[1]，其理论研究和实际应用进入了一个蓬勃发展的时期[2]。
1 BP神经网络1.1 BP网络模型多层网络学习算法训练的神经网络即BP神经网络。
BP网络的信息从输入层流向输出层，因此是一种多层前馈神经网络。
由BP神经元构成的二层网络如图1所示[2]。
由于BP网络神经元采用的传递函数通常是可微函数，所以可以实现输入和输出间的任意非线形映射[3]，因此在诸如模式识别、状态预测等很多方面应用十分广泛。
1.2 BP学习规则BP算法由两部分组成：信息的正向传递与误差的反向传播。
在正向传播过程中，输入信息从输入经过隐含层逐层计算传向输出层，每一层神经元的状态只影响下一层神经元的状态。
探究基于BP神经网络的模拟电路故障诊断
探究基于BP神经网络的模拟电路故障诊断摘要电子设备的种类越来越丰富,其复杂性也越来越高,相关调查显示电子设备中80%以上的故障都来自模拟电路。
本文概括了BP神经网络的模式识别特点和用于模拟电路故障诊断的原理,并应用BP神经网络改进算法进行模拟电路的故障诊断。
关键词模拟电路;BP神经网络;故障诊断随着电子器件复杂性的提高,模拟电路的故障诊断也越来越复杂。
传统的诊断方法已经不能满足要求,人工智能理论的出现使得模拟电路故障诊断成为了一项新的研究领域。
1 基于神经网络的故障诊断原理基于神经网络的故障诊断可以看作模式识别问题,通过对一系列的过程参量的测量,应用神经网络将测量空间映射到故障空间,从而实现故障诊断。
BP神经网络一般指基于误差反向传播算法的多层前馈型神经网络,采用Sigmoid型可微函数,能够实现输入和输出间的任意非线性映射。
BP网络用于模拟电路故障诊断首先要确定电路的待测状态集,然后求电路处于其中一种状态时的响应必要的预处理,作为对应状态类的一个特征。
对状态集中的每一类状态,都按照同样的方法获取大量的特征,从这些特征中选择有代表性的特征,构成训练样本集。
然后,用这些样本训练与所求问题相对应规模的BP网络。
训练时,把状态特征输入到BP网络的输入节点,要求网络的输出能正确的指出电路状态所属类别。
实际电路诊断时,将与样本相同的激励施加给被测电路,得到相应的特征并输入到已经训练好的BP网络,BP网络判断出电路中的故障并进行定位。
诊断流程:1)提取故障样本:通过电路仿真软件对给定的模拟电路进行仿真,得出各种状态数据;2)特征参数提取:对状态数据进行特征参数分析;3)网络结构优化:根据输入数据的特点和系统需要的结果显示形式分别确定输入层和输出层的节点数;4)训练与识别;训练已知样本,训练成功后,输入待识别的故障信号,即可得到识别结果。
2 诊断实例本例应用BP神经网络对模拟电路的部分元件进行诊断,图1为待测电路。
基于BP人工神经网络的电动机故障诊断
科 技 前 沿2013年06(上)TECHNOLOGICAL P IONEERS１科技创业家 TECHNOLOGICAL PIONEERS 1 人工神经网络的结构和特性神经网络是由大量的处理单元（神经元）互相连接而成的网络。
为了模拟大脑的基本特性，在神经科学研究的基础上，提出了神经网络的模型。
但是，实际上神经网络并没有完全反映大脑的功能，只是对生物神经网络进行某种抽象、简化和模拟［１］。
1.1人工神经元结构模型在ＡＮＮ中，人工神经元是基本的计算单元，它模拟了人脑中神经元的基本特征，一般是多输入单输出的非线性单元，信息分散地存储在连接线的权重上。
人工神经网络系统是一种自适应非线性动态系统。
人工神经元的结构如图１所示。
它具有的特征有：每个神经元j 均有一个输出，即状态j y ；神经元i 到神经元j 的作用是通过突触完成的，作用强度以系数ji w 表示，表示第i 个神经元对第j 神经元的加权值；每一个神经元i 都有一个实数阈值j b ，它与输入共同影响神经元的输出；对于每一个神经元j ，它的状态j y 为所有与其相连的神经元i 的状态i y 以及它们之间的连接强度ji w 和神经元j 的阈值j b 的函数，此函数称为激励函数，记作j y ()j ji i b w y F ,,=，最常用的函数形式为()j ji i j b w y F y −∑=，即神经元输出为其输入的线性加权和的函数。
1.2神经网络的特性虽然ＡＮＮ与真正的生物神经网络有差别，但由于它汲取了生物神经网络的部分优点，因此具有一些固有的特性［２］。
（１）ＡＮＮ在结构上与目前的计算机本质不同，它是由很多小的处理单元互相连接而成的，每个处理单元的功能简单，但大量简单的处理单元集体的、并行的活动得到预期的识别、计算的结果，具有较快的速度。
（２）ＡＮＮ具有非常强的容错性，即局部的或部分的神经元损坏后，不会对全局的活动造成很大的影响。
（３）ＡＮＮ记忆的信息是存储在神经元之间的连接权值上，从单个权值中看不出存储信息的内容，因而是分布式的存储方式。
毕业设计(论文)-基于BP神经网络的电路故障诊断
基于BP神经网络的故障诊断方法
基于BP神经网络的故障诊断方法《智能控制基础》研究生课程设计报告题目基于BP神经网络的故障诊断方法学院机械与汽车工程学院专业班级车辆工程学号************学生姓名李跃轩指导教师武晓莉完成日期2016年12月10日目录1 设计概述 (2)1.1研究对象介绍 (2)1.2设计内容及目标 (2)2 设计原理、方法及步骤 (3)2.1基于BP算法的神经网络模型 (3)2.2 神经网络信息融合故障诊断步骤 (4)3 结果及分析 (6)3.1数据仿真 (6)3.2 结果分析 (9)4 设计小结 (10)参考文献 (10)附录程序 (11)1 设计概述1.1研究对象介绍信息融合是多源信息综合处理的一项新技术，是将来自某一目标(或状态)的多源信息加以智能化合成，产生比单一信息源更精确、更完全的估计和判决。
信息融合所处理的多传感器信息具有更为复杂的形式，可以在不同的信息层次上出现。
多传感器信息融合的优点突出地表现在信息的冗余性、容错性、互补性、实时性和低成本性。
神经网络是由大量互联的处理单元连接而成，它是基于现代神经生物学以及认知科学在信息处理领域应用的研究成果。
它具有大规模并行模拟处理、连续时间动力学和网络全局作用等特点，有很强的自适应学习和非线性拟合能力，从而可以替代复杂耗时的传统算法，使信号处理过程更接近人类思维活动。
柴油机故障具有相似性，故障与征兆的关系不明确，具有较强的模糊性，故障特征相互交织，柴油机故障诊断是一个复杂的问题。
综合柴油机故障的特点以及神经网络的优势，采用基于BP神经网络的多传感器信息融合技术对柴油机机械故障进行诊断。
1.2设计内容及目标设计内容：针对传统故障诊断方法存在的诊断准确性不高的问题，提出了BP神经网络信息融合的方法，实现对柴油机的机械故障诊断。
由多个传感器采集信号，分别经过快速傅里叶变换后获得故障频域特征值，再经BP神经网络对柴油机进行故障局部诊断，能够对相应传感器的不同故障类型做出一个准确地分类，最终完成对汽轮机机械故障的准确诊断。
【精品】基于神经网络的电力电子装置故障检测与诊断研究毕业论文设计
基于神经网络的电力电子装置故障检测与诊断研究摘要：提出采用基于波形直接分析的神经网络故障诊断方法实现电力电子电路在线故障诊断,以三相整流电路为例,选用BP 网络对其进行了有效故障诊断。
仿真和实验表明,其方法是有效的。
电力电子电路模型具有很强的非线性，通常对其进行在线故障诊断比较困难，文章利用神经网络非线性映射特性，由神经网络来学习及存储电力电子电路的故障特征信号和故障类型（或原因）之间的映射关系，并将其用于在线诊断，从而达到对电力电子电路进行在线自动故障诊断的目的。
关键词：神经网络；电力电子；电路故障；诊断；故障诊断Abstract：Based on neural network theory ,a new online fault diagnosis method for power electronic circuits is presented. A neural BP network is founded ,which is able to diagnosis faults of three phase rectifier ef fectively. The method is verified by both simulation and experiment.The circuit model for electronic of electric power is with strong nonline arity, it is usually difficult to diagnose the accident online, by the mapping features of nonline arity on the nerve net, the essay will study and store the mapping relationship between the accident signs and accident types(causes) about the circuit for electronic of electric power, and put it into the diagnose online, which will be used to diagnose the accident automatically to the circuit of electronic of electric power.Keywords: nerve net’electronic of electric power; circuit accident; diagnose; fault diagnosis毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。
本科毕业设计---基于神经网络的电子线路故障诊断
1 绪论随着现代化大生产的发展，电子线路故障诊断技术的研究越来越重要。
根据电子线路的特点可将电子线路故障诊断分为模拟电路的故障诊断和数字电路的故障诊断。
在现代电子设备中，绝大部分电子设备故障是由于模拟电路故障导致的，可以说，模拟电路的可靠性几乎决定了电子设备的可靠性。
1.1 模拟电路故障诊断的背景意义目前，模拟电路在航天、通信、自动控制、家用电器等许多方面得到广泛地应用。
随着电子技术的发展,模拟电路的集成程度越来越高,规模越来越大。
因此，对模拟电路的工作的有效性、可靠性、可维修性等提出了更高的要求。
在模拟电路故障发生后,要求能及时将导致故障的原因诊断出来,以便检修和替换。
对模拟电路的生产部门来说,同样也要求能及时诊断出故障，以便改进工艺,提高产品的合格率。
对于某些重要设备中的模拟电路，还要求进行故障的预测，即对正常工作中的模拟电路进行不断的检测，在元件发生故障前就进行替换，以避免故障的发生。
根据电子技术的发展状况，由以下三点说明模拟电路故障诊断技术的紧迫性:第一，微电子学时代的到来,电子线路的复杂性和密集性明显增加, 成千上万个电路元器件集成在一个小芯片上,而对这些电路元器件的测试仅限于为数有限的引出端子之上，如此,通常的测量，微调的手段将不再实用甚至无济于事。
第二，在无线电电子系统中, 数字电路不能完全取代模拟电路，数字电路的故障诊断方法也不能取代模拟电路的故障诊断方法。
第三，现代电子系统复杂度的增加,系统的可靠性显得更为重要,因此,必须提高电子系统的可靠性。
综上所述,工业生产对模拟电路提出了新的要求,微电子技术的快速发展对模拟电路的测试和诊断也提出迫切的要求,这就使得科技人员不得不进一步探索模拟电路的测试和诊断上的新理论和新方法,研发新的测试和诊断设备以适应时代的需求。
所以，开展模拟电路故障诊断的研究是一项非常有意义的课题。
1.2 模拟电路故障诊断的发展与现状相对于数字电路故障诊断而言，模拟电路故障诊断的发展较为缓慢，其中主要原因有以下六点：1）故障状态的多样性。
基于BP神经网络的电子电路故障诊断技术
Ｋｅ ｒ ｓ Ｂ ｅ ｒｌｎ ｔ ｒ ｙ ｗｏ ｄ ： Ｐ ｎ ｕ ａ ｅｗｏ ｋ；ｅｅ ｔ ｉ ｃｒ ｕ ｔ ａ ｌ ｄ ａ ｏ ｉ ｌｃ ｍｎ ｃ ｉ ｉ ；ｆｕ ｔ ｉｇ ｓｓ ｃ ｎ
０ 引 言
在 电子 电路 系 统 中 ， 就某 一 特 定 元 器 件来 说 ， 当 系统正 常工 作时 ， 关 键 点 的 电压 应 是 稳 定 的 ； 工 其 在 作环境 温度 一定 的情况 下 ， 芯 片温度 值也 是一 个稳 其 定值 。当 电路 中的元器件 发 生故 障时 ， 这些 元器 件 的 关 键点 的 电压 将会 偏离正 常 范围 ， 温度信 号也 会 发生 变化 。通过 对 这 些 关 键 点 的 电 压 、 度 等 变 化 的分 温 析 ， 以对 电子 电路 发 生 的故 障 做 出诊 断 。然 而 ， 可 这 种诊 断方 法要求 诊 断者必 须具 备丰 富 的经验 知识 ； 另 方面 ， 随着 电子 电路 规 模 的 不 断扩 大 ， 即使 是 具 备
一
据 之 间 的非线 性 映射关 系 ， 而 实现 类似人 脑 的不 确 从 定 性 推理 功能 。这使 人 们 利 用 计 算 机 来 实 现 电子 电
路 诊 断成为 可能 。 为此 ， 过收集一些 故障诊 断 的数据 ， 以用 神经 通 可 网络去学习数据 中的“ 知识” 然后用 掌握 了故障诊断知 ，
２ Ｄｅ ａｔ ｎ ｆＡｃｏ ｎｉｇ，Ｍａ ａ ｅ ｎ ｃ ｏｌ ｉａ ｉｅｓｔ ，Ｇｕ ｎ ｚ ｏ ６ ２，Ｃ ｉａ ． ｐｒ ｍｅ ｔ ｃ ｕ ｔ ｏ ｎ ｎ ｇ ｍｅ ｔ ｈ ｏ ，Ｊｎ ｎＵｎｖ ｒｉ Ｓ ｙ ａ ｇ ｈ ｕ５ ３ １ ０ ｈｎ ）
Ａｂ ｔ ａ ｔ Ｔ ｅ ｂ ｓ ｃ ｉ ｅ ｎ ｔｐ ｉ ｈ ｗ ｔ ｓ Ｐ ｎ ｕ ａ ｅｗｏ ｋ ｆ ｒｅｅ ｔｏ ｉ ｉ ｕｔｄ ａ ｎ ｓｓ ａｅ ｐ ｅ ｅ ｔｄ Ｔ ｅ ｖ ｌ ｉ ｓ ｒ ｃ ： ｈ ａ ｉ ｄ ａ ａ ｄ ｓｅ ｓ Ｏｌ ｏ ｏ ｕ ｅ Ｂ ｅ ｒ ｎ ｔ ｒ ｏ ｌｃｒ ｎ ｃ ｃ ｒ ｉ ｉｇ ｏ ｉ ｒ ｒ ｓ ｎｅ ． ｈ ａ ｉ ｔ ｌ ｃ ｄｙ ａ ｄ ｔ ｅ ｆａ ｉ ｉ ｔ ｏ ｅ ｔ ｃ ｎ ｌｇ ｒ ｒ ｖ ｄ ｂ ｓｎ ＴＬ ｏ ｔ ａ ｅ ｔ ｉ ｌｔ ｈ ｏｕ ｉｎ ｏ ｒ ｃｉ ａ ｘ ｍｐ ｅ ｎ ｈ ｓｂｌ ｙ ｆｔ ｅ ｈ ｏｏ ｙ ａ ｅ ｐ ｅ ｙ ｕ ｉｇ ＭＡ ＡＢ ｓ ｆ ｒ ｏ ｓ ｅ ｉ ｈ ｏ ｗ ｍｕａｅ ｔｅ ｓ ｌｔ ｆ ｐ ａ ｔ ｌｅ ａ ｌ ・ ｏ ａ ｃ
基于BP神经网络的故障诊断研究
基于BP神经网络的故障诊断研究故障诊断是工业生产中的重要环节，能够有效地保障生产设备的运转，减少设备的损坏和停机时间，提高工业生产效率和经济效益。
近年来，随着神经网络技术的发展和应用，基于BP神经网络的故障诊断方法受到了广泛关注和研究。
本文将从问题阐述、方法研究和应用展望三个方面来探讨基于BP神经网络的故障诊断研究。
一、问题阐述故障诊断是指在生产设备日常运作过程中，通过对设备的监测、检测和分析，及时、准确地判断设备状态，发现和分析故障根源，提出改进措施，防止和减少故障的发生和影响。
故障诊断包括多种方法和技术，如信号处理、统计分析、机器学习等。
其中，基于BP神经网络的故障诊断方法备受重视。
BP神经网络是一种基于误差逆传播算法的多层前馈网络，适合于非线性、强耦合、复杂的系统建模和预测。
在故障诊断中，BP神经网络可以通过监测信号的输入和输出，建立故障诊断模型，判断设备的健康状况和故障类型，提高故障诊断的准确性和可靠性。
然而，BP神经网络的应用也存在一些问题和挑战，如训练样本的获取和处理、网络结构的优化和选择等。
因此，基于BP神经网络的故障诊断研究面临着如何建立有效的模型、如何提高诊断准确性、如何提高网络可靠性等问题和挑战。
二、方法研究基于BP神经网络的故障诊断方法主要由三个步骤构成：数据采集与预处理、网络模型建立与训练、故障诊断与分析。
其中，数据采集与预处理是基础，网络模型建立与训练是关键，故障诊断与分析是应用。
下面将对这三个步骤进行详细介绍。
1. 数据采集与预处理数据采集是获取设备监测信号的过程，通常使用传感器和数据采集卡等设备来完成。
收集到的数据包括设备的各种信号，如电流、电压、温度、振动等。
预处理是对所采集到的数据进行滤波、降采样、归一化和特征提取等处理，目的是消除干扰和噪声、降低数据维度、提高特征有效性和区分度。
2. 网络模型建立与训练网络模型建立是指根据所采集到的数据，利用BP神经网络建立故障诊断模型。
基于BP算法的模拟电路故障诊断
电
ＥＩＥＣＴＲ ＵＮ １ Ｃ
子
测
量
技 术
ＴＥＣＨ Ｎ０ＬｏＧＹ
第 ２卷 第 ６ ９ 期
２０ ０ ６年 １ 月 ２
基于 Ｂ Ｐ算 法 的模 拟 电路 故 障诊 断
王玉德。 许 振 方 陈春廷
（． １ 曲阜师范大学物理工程 学院 曲阜 ２ ３ ６ ；．河南工业大 学 郑 州 ３ ６ ７ ； ７ １ ５２ １４ ５
ｕ ａ ｌ ｄｃｉｎ ｒ ．Ｔｈ ｈ ｒａ ｅ ｏ Ｐ ｎ ｔ ｒ ｎ ｄａ ｎ ｓｎ ａ ｌ ｉ ｏｎ ｅ ｕ ｎ ｒ ｕ ｈ ｐ ｓ ｌ ｔ ｎ Ｔｈｓ ｐ ｆｕｔ ｉｔ ａ ｙ ｏ ｅ ｓ ｏ ｔｇ ｆ Ｂ ｅｗｏ ｋ ｉ ｉ ｏ ｉｇ ｆｕ ｔ ｓ ｐ ｉｔ ｏ ｔ ａ ｄ ｂ ｏ ｇ ｔｕ ｕｉ ． ｇ ｄ ｏ ｏ ｉ ｏ ｕｉ ｔｏ ｓ ｌｔ ｎｍｅｈ ｄ ｉ ｒ ｖ ｓｔ ｅａ ｔｍａｉｎｄ ｇ ｅ ｏ ｅｔｂ ｉｈｄａ ｎ ｓｉ ｍｏ ｅ ｎ ｈ ｃ ｕ ａ ｙｏ ｕ ｄａ ｎ ｓｓ ｏ ｍｐ ｏ ｅ ｈ ｕｏ ｔ ｅ ｒｅｔ ｓａ ｌ ｉｇ ｏ ｔ ｄ ｌ ｄ ｔ ａ ｃ ｒｃ ｆｆ ｈ ｉｇ ｏ ｉ．Ｔｈ ｏ ｓ ｃ ａ ｅ ａ ｅ
ｒ ｓ ｌ ｉ ｅ ｔ ｒａ ｄ ｖ ｌ ｅ ｂ ｉ ｕ ａ ｉ ｎ ｅ ｕ ｔ ｓｂ ｔｅ ｎ ａ ｕ ｙ ｓｍ ｌ ｔ ． ｏ Ｋｅ ｗ ｒ ｓ ａ ａ ｏ ｉ ｕ ｔ ｆ ｕ ｔｄａ ｎ ｓｓ ｇ ｎ ｒ ｌ ａ ｉｎ；ＢＰ ａ ｇ ｒｔ ｙ ｏ ｄ ： ｎ ｌ ｇ ｃｒ ｉ； ａ ｌ ｉ ｏ ｉ ； ｅ ｅ ａ ｉ ｔ ｃ ｇ ｚ ｏ ｌｏ ｉ ｍ ｈ
Ｆａ ｌ ｉ ｇ ｓ ｓ ｏ ｎａ ｏ ｉ ｃ ｉ ａ ｅ ｎ ＢＰ ｌ ｏ ｉｈ ｕ ｔ ｄ ａ ｎｏ ｉ ｆａ ｌ ｇ ｃ ｒ ｕ ｔ ｂ ｓ ｄ ｏ ａ ｇ ｒｔ ｍ
基于组合优化BP神经网络的模拟电路故障诊断
误差信号 ， 此误差信号即作为修正各单元权值的依
收稿 日期 ： ２ ０ １ ２ － ０ ４ — １ ５ 基 金项 目： 国家 自然科学基金 （ ６ １ ０ ０ １ ０ ２ ３ 、 ６ １ １ ０ １ ０ ０ ４ ） 、 国家重点 基础研 究发展 计划 （ ９ ７ ３计 划 ） 、 航空科学基金 （ ２ ０ １ ０ Ｚ Ｄ ５ ３ ０ ３ ９ ） 与陕西省 自然科学基础研究计划 （ ２ ０ １ ０ Ｊ Ｑ ８ ０ ０ ５ ） 资助 作者简介 ： 郭 明阳（ １ ９ ７ ８ 一） ， 西北工业大学 副教授 ， 主要从事故障诊断 、 系统 可靠性设计 等的研究 。
第１ 期
郭 阳明等 ： 基于组合优化 Ｂ Ｐ神经 网络 的模拟 电路故 障诊 断
据 。这种信号正 向传播与误差反向传播 的各层权值 不断调整的过程 ， 就是 Ｂ Ｐ神经 网络 的学习训练过 程 。该 过程 一直 进行 到 网络输 出的误差 减少 到 可接
受 的程 度 ， 或预先 设 定 的学 习次数 为止 。 Ｂ Ｐ神 经 网络把 １组 样 本 的 Ｉ ／ Ｏ 问题 变 为 一 个
２ ０ １ ３年 ２月
西 北 工 业 大 学 学 报
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｎｏ ｒ ｔ ｈ ｗｅ ｓ ｔ ｅ ｒ ｎ Ｐ ｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｃ ａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
Ｆ ｅ ｂ ． ２ ０ １ ３ Ｖｏ １ ． ３ １ Ｎｏ ． １
神经 网络存 在 着 收敛 速 度 缓 慢 、 容 易 陷入 局 部 极 小 值、 难 以确定 隐层数 和 隐层节 点个 数 、 学 习结果对 初 始权 值 向量 敏感 等 不 足 Ｊ ， 影 响了 Ｂ Ｐ神 经 网络 在
基于BP神经网络的故障诊断系统的设计与实现
基于BP神经网络的故障诊断系统的设计与实现近年来，随着科技的不断进步和应用场景的不断扩大，基于BP神经网络的故障诊断系统在工业控制、机器人、航空航天等领域的应用越来越广泛，具有重要的研究价值和应用前景。
本文将从故障诊断系统的概念、BP神经网络的基本原理、系统设计的实现等方面详细介绍基于BP神经网络的故障诊断系统的设计与实现。
一、故障诊断系统的概念故障诊断系统是一种通过对设备或系统的功能、性能等方面的监测和分析，识别和判断设备或系统存在的故障，从而实现对故障的自动诊断和维护的系统。
故障诊断系统主要包括故障预测、故障诊断和故障处理三个部分。
其中故障预测是指在设备或系统运行过程中，通过对数据的采集、分析和比较等手段，预测故障可能出现的时间和地点；故障诊断是指在设备或系统出现故障后，通过对设备或系统的运行状态、测试数据等进行分析和判断，确定故障的类型、位置和原因；故障处理是在故障诊断的基础上，对故障进行处理和维修的过程，包括故障原因的排除、设备的修理或更换等。
二、BP神经网络的基本原理BP神经网络是一种常用的人工神经网络模型，在故障诊断系统中广泛应用。
BP神经网络是一种多层前馈型神经网络，由输入层、隐层和输出层组成，其中各层的神经元通过连接权重相关联。
BP神经网络的学习过程是一种误差反向传播的过程，即将模型产生的误差反向传播回前面的神经元，按照一定规则，调整各连结权值，使误差逐步减小，最终得到满足精度要求的网络模型。
三、系统设计的实现在基于BP神经网络的故障诊断系统的设计中，需要根据具体的应用场景和目标，选择适当的数据采集方式和监测点，获取系统或设备的运行状态数据，通过数据预处理和特征提取等方法，将数据转换为适合BP神经网络处理的特征向量。
然后，根据BP神经网络的结构和学习算法，设计和训练网络模型，建立系统的故障识别模型和诊断规则。
在实际应用中，基于BP神经网络的故障诊断系统需要考虑以下几个问题：首先，需要对系统或设备的运行状态数据进行分析和挖掘，选择合适的特征向量和模型结构，以充分挖掘数据的信息，提高诊断准确度和实时性；其次，需要对诊断模型进行不断的修正和调整，以适应不同的故障类型和变化的运行环境；最后，在设计系统时要注意系统的可靠性、可操作性和可扩展性，以满足不同应用场景的需求。
基于BP神经网络的模拟电路故障诊断研究
基于BP神经网络的模拟电路故障诊断研究朱秀娥【摘要】本文介绍BP神经网络在模拟电路故障诊断中的应用,对电路中的软故障进行诊断.对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性.【期刊名称】《吉林工程技术师范学院学报》【年(卷),期】2013(029)007【总页数】3页(P73-75)【关键词】故障诊断;BP神经网络;模拟电路【作者】朱秀娥【作者单位】福建师范大学协和学院信息技术系,福建福州350117【正文语种】中文【中图分类】TN707随着电子技术的发展，电子设备的复杂程度和集成化程度越来越高，其中模拟电子电路是必不可少的一部分。
数字电路由于数字电子器件自身的稳定性，出现故障的几率比较低，而这些设备中80%以上的故障来自模拟电路，但是模拟电路故障诊断由于本身的复杂性，如元件容差和非线性等因素，一直是集成电路工业发展过程中的一个难点。
自上世纪70年代以来人工智能技术一直是国际学术界研究的热门课题。
以神经网络为代表的人工智能技术为模拟电路故障诊断提供了一条有效的新途径，对于难以建立数学模型的电路故障，可实现故障的快速、准确定位，使检修人员对问题的认识更具全面性、有效性和针对性。
其中，BP网络有较强的模式识别能力，而且结构简单、实现容易、工作状态稳定，在模拟电路故障诊断领域具有广阔的前景。
1 模拟电路故障分类模拟电路中的故障可分为两类:硬故障和软故障;按故障数目又可分为单故障和多故障。
其中硬故障是指元件的参数突然发生大的变化，如器件失效、短路或断路等;软故障是指元件的参数值偏离了其目标值，但没有完全失效，超过了该元件参数的容差范围，引起系统的性能异常或恶化，这种故障一般由元件容差、元件老化，环境变化等因素造成。
一般单故障发生的概率是比较多，多故障发生的概率则相对较少。
本文主要研究在不同频率的交流激励信号作用下对模拟电子电路的单故障、软故障的诊断情况。
2 神经网络的故障诊断方法神经网络的故障诊断问题可以看作是模式识别，通过一系列过程参量进行测量，获得测试数据，用神经网络从测量空间映射到故障空间，实现故障诊断。
基于BP神经网络数控机床主轴电气故障诊断
基于BP神经网络数控机床主轴电气故障诊断摘要：电气控制系统是保证数控机床正常运行的重要组成部分，如果发生故障，会导致数控机床出现各种异常问题，导致企业难以在规定的时间内完成生产目标，企业最终获得的经济收入将不断下降。
因此，必须高度重视电气控制系统的故障诊断和维护。
关键词：BP神经网络；数控机床；电气故障诊断引言随着我国智能制造不断发展，数控机床作为制造的最终端，在生产加工中的作用日益增强。
数控机床机械结构复杂，控制精度极高，若其发生故障，不仅会威胁生产人员的生命安全，还会对加工零件和机床本身造成损坏。
因此，研发人员在设计产品时有以下两方面的目标：首先，要保证数控机床安全稳定运行，尽量降低设备的故障率；其次，有在故障发生后快速判断故障类型的智能方法。
实现智能检测是企业亟需实现一项重大功能，同时也是实现智能制造的重要途径。
当前，常见的智能诊断方法有以下几种：模糊控制、专家系统、人工神经网络、基于向量机、故障树分析法、小波分析、粗集理论等，本文主要使用BP神经网络进行故障诊断。
1电气控制系统故障原因通常，系统发生地环故障状态大致分为以下几项。
(1)黑社会性质组织的应用现状。
当系统没有发出相应的命令时，坐标轴应始终保持不动。
坐标轴位置环发生故障后，在没有收到相应指令的情况下，将会有自运行等状态类别。
这种现象的主要原因是速度和位置环连接不正确，出现异常的连接断路状态同样是故障的原因之一。
(2)系统坐标搜索功能处于异常状态，难以合理实现零点搜索操作。
这种故障状态主要是由复位开关和栅零点标记造成的，如果零点被证明不符合零方向，这将在系统中产生这种故障状态。
(3)位置环故障警报。
出现这种问题的主要原因是对测量组件的损坏，如果系统中的组件损坏，将导致信号失衡，并使第一时间内的连接工作更加困难。
(4)系统出现零件状态，导致产品质量上浮频率较明显，此类问题的发生通常是由机械传动系统和导轨润滑不良造成的。
2BP神经网络人工神经网络简称神经网络，它是一种通过模仿动物神经网络行为从而建立分布式信息并行运算的数学模型。
基于BP神经网络的模拟电路故障诊断
基于BP神经网络的模拟电路故障诊断吴永新;池阿妮;徐晓辉;王治学【摘要】模拟电路的可靠性决定了电子设备的可靠性.针对目前BP网络在模拟电路故障诊断中存在的容差和非线性等问题,提出多频组合法,对电路中的软故障进行诊断.通过在电路输入端施加3 V的正弦激励,选取不同的测试频率,对测试点进行测试,得到各待测元件的故障值.该系统解决了模拟电路中的容差问题,提高了诊断率,并在仿真中得以证明.【期刊名称】《现代电子技术》【年(卷),期】2009(032)013【总页数】3页(P18-20)【关键词】模拟电路;故障诊断;容差电路;BP神经网络【作者】吴永新;池阿妮;徐晓辉;王治学【作者单位】河北工业大学,信息工程学院,天津,300401;河北工业大学,信息工程学院,天津,300401;河北工业大学,信息工程学院,天津,300401;河北工业大学,信息工程学院,天津,300401【正文语种】中文【中图分类】TN1830 引言随着电子工业的飞速发展，电子设备的复杂性越来越高，其中模拟器件和电路不可缺少。
据有关资料报道，这些设备中80%以上的故障都来自模拟电路[1]，但是模拟电路故障诊断由于本身的复杂性，如元件容差和非线性等因素，一直是集成电路工业中的一个“瓶颈”问题。
以神经网络为代表的人工智能技术为模拟电路故障诊断提供了一条有效途径，自20世纪70年代以来一直是国际学术界研究的热门课题，许多学者相继提出了大量有效的基于神经网络的模拟电路故障诊断方法[2-9]。
其中，BP网络有较强的模式识别能力，而且结构简单，工作状态稳定，易于硬件实现，在模拟电路故障诊断领域具有广阔的应用前景。
1 模拟电路故障诊断分类模拟电路中的故障按故障造成的影响，可分为硬故障(hard faults)和软故障(soft faults)；按故障数目又可分为单故障(single fault)和多故障(multiple faults)。
软故障是指元件的参数值偏离了其目标值，但没有完全失效，引起系统的性能异常或恶化，这种故障一般由元件容差、元件老化、环境变化等因素造成。
基于BP神经网络的轨道电路故障诊断
基于BP神经网络的轨道电路故障诊断曹雲梦;边冰;张天奇【摘要】针对高压脉冲轨道电路的故障预测问题,利用BP神经网络模型结构简单、非线性拟合能力强、容错性能良好等特点,构造了一种基于BP神经网络的高压脉冲轨道电路的故障诊断系统.该系统将直接构造出轨道电路发码器电压波峰峰值等相关参量与轨道电路相关故障的非线性映射关系,继而实现对轨道电路有关故障的识别分类.经分析研究表明,采取BP神经网络模型处理轨道电路故障,相比传统预测故障的方法不仅切实可行而且更加高率.【期刊名称】《河北联合大学学报（自然科学版）》【年(卷),期】2018(040)001【总页数】5页(P78-82)【关键词】轨道电路;BP神经网络;故障诊断【作者】曹雲梦;边冰;张天奇【作者单位】华北理工大学电气工程学院,河北唐山 063210;华北理工大学电气工程学院,河北唐山 063210;华北理工大学电气工程学院,河北唐山 063210【正文语种】中文【中图分类】TP212.9在铁路信号系统中，轨道电路故障不仅会给系统运输效率造成严重的影响，甚至可能引发铁路行车事故。
以铁路线路的2条钢轨作为导体，在钢轨的两端加以电气绝缘，用引接线连接其他设备，构成电气回路。
当列车在线路上时，2条钢轨轨道被列车的轮对所短路，在车站的计算机显示终端会显示为红色，为轨道电路的分路状态，指示车辆位置。
轨道电路故障分为红光带故障和分路不良2类。
红光带故障是指铁路线路上没有列车行驶、停靠，但车站计算机显示终端显示线路有车，即车站显示终端相应轨道区段出现红色光带；分路不良是指铁路线路上有列车行驶、停靠，但车站的显示终端相应的轨道区段并没有出现表示列车占用的红色光带或未可靠显示，即红光带未出现。
高压脉冲轨道电路基本原理是将不对称的脉冲信号周期性地送至轨道电路，利用高压击穿钢轨表面因锈蚀、油污、撒沙等原因造成的不良导电层，轨道电路正常分路。
因此，高压脉冲轨道电路比其他类型轨道电路能更好地预防解决分路不良问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
插图清单
图2-1神经元模型………………………………………………………………6
图2-2 BP网络结构………………………………………………………………8
图2-3 BP算法流程图…………………………………………………………13
By introducing the basic principles of standard BP neural network, a method and design steps basis on improved BP neural network algorithm is described in this paper to solve the problem of fault diagnosis for simulation circuit. The improved algorithm could adapt the learning efficiency automatically and accelerate the network convergence process according to the network total error. The fault of the measured circuit can be classified effectively and accurately owing to the algorithm application to the circuit fault diagnose. Taking the mode of available value measurement circuit of broken line as an example, we design a simulation circuit fault diagnosis system based on the improving BP neural network algorithm. After networks study and train by actual test data as training specimen, using other actual measurement data for diagnosis, we can get correct results. The results show that this method is effective.
表4-2故障对应目标输出………………………………………………………19
表4-3各种算法的目标精度比较……………………………………………27
表4-4实际待检验的频率域参数………………………………………………28
引
随着电子工业的发展，电子设备越来越复杂，其中的模拟器件和电路不可缺少。理论分析和实际应用表明，这些设备中的模拟电路比数字电路更容易发生故障。对这种设备的维护和保养十分复杂，需耗费大量的精力和财力。另外，随着超大规模模拟电路的发展和电子器件复杂性的提高，传统的人工故障诊断方法已经无法满足要求，这就迫使科技人员进一步探索新的测试理论和方法，研制新的测试设备以适应社会的需求。
现代社会中，电子设备或系统广泛应用于各个科学技术领域、工业生产部门以及人们的日常生活中，电子设备的可靠性直接影响着生产的效率、系统、设备及人类的生命安全。随着电子设备使用的日趋广泛，不论是在设备的生产阶段还是应用阶段，都对电路的故障诊断提出了迫切的要求，要求人们研究新的有效的诊断技术，进一步提高电子设备的可靠性，设备诊断技术引入生产现场已三十多年。最初，设备较为简单，维修人员主要靠感觉器官、简单仪表和个人经验就能胜任故障的诊断和排除工作，即为传统的诊断技术。随着科学技术的不断发展，动力机械设备越来越复杂化、精密化、系统化和自动化，同时价格也越来越昂贵，设备在现代工业生产中的作用和影响越来越大，生产的主体也逐渐由人力向设备转移，与设备有关的费用越来越高，传统的诊断方法已远远不能适应。机器运行中发生的任何故障或失效不仅会引起严重后果，造成重大的经济损失，甚至还可能导致灾难性的人员伤亡和恶劣的社会影响。
基于神经网络的电路故障诊断
摘要
电路的故障诊断和神经网络是当今学术界的两大热点问题。本文主要是以模拟电路的故障诊断为例进行研究。目的在于将模拟电路故障诊断与神经网络方面的最新成果相结合，探索解决模拟电路故障诊断的一条新的途径。
在简要介绍标准BP神经网络基本原理的基础上，详细说明了基于改进BP神经网络算法的模拟电路故障诊断方法和设计步骤，根据网络总误差来自适应调节网络的学习率，加速网络的收敛过程。此算法应用于电路的故障诊断，能够对被测电路的故障进行有效并且精确的分类。以折线式有效值测量电路为例，设计了基于改进BP神经网络算法的模拟电路故障诊断系统，以实际测试数据作为训练样本进行学习训练后，对其它实际测量数据进行诊断，结果正确，验证了算法的有效性。
图4-1实际输出的误差逼近曲线………………………………………………21
图4-2各种算法的误差曲线……………………………………………………27
图4-3故障模式的仿真输出结果………………………………………………29
表格清单
表2-1几种典型的神经元传递函数形式…………………………………………7
表4-1故障状态参数……………………………………………………………18
关键词:神经网络；故障诊断；模拟电路
Fault Diagnosis of Circuits Based on Neural Network
Abstract
Circuit fault diagnosis and neural network are now two hot issues in the current a research take the analogouscircuit fault diagnosis as the example.