浅谈模拟电路故障诊断的小波方法

浅谈模拟电路故障诊断的小波方法
摘要:从20世纪开始,模拟电路故障诊断的方法已经有许多种。

尽管对这些理论及方法都有不少的成就,但是因为模拟电路的输出与输入响应都以连续量出现,元器件因此也存在离散性。

模拟电路故障诊断自身所出现的问题加上模拟电路中出现的非线性原因等,都为故障诊断带来了阻碍,使其进展缓慢。

微电子技术的不断发展,迫切加快模拟电路故障诊断方法的研究。

在传统方法上,将小波与神经网络相结合,利用小波神经网络法对信号消噪以后,在进行小波变换,取出故障特征向量。

本文首先提出模拟电路故障诊断的小波方法,然后采用小波的新方法对故障进行诊断,最后通过实验证明此方法的可行性。

关键词:模拟电路故障诊断小波变换多小波神经网络
一直以来,模拟电路故障诊断方法在实际的运用中经常存在各种不同的问题,故障诊断方法与理论都不够完善。

目前随着微电子技术的发展使模拟电路故障诊断的研究更为迫切,为了满足技术的需求,怎样突破模拟电路故障诊断的传统方法,利用小波的方法来解决故障诊断中出现的各种问题。

小波神经网络因为小波与神经网络的结合,并拥有小波神经网络自学的能力与特有的性质。

多小波神经网络根据实际的情况,这其领域中得到广泛的应用。

1 小波的变换
小波的变换与傅里叶的变换其实都是属于一种积分的变换。

将小
波上展开的任意空间L2(R)中的函数f(t)的表达式为:
2 小波与神经网络的融合
神经网络在处理时,首先要利用小波和小波包分析将信号分解,放入独立的频带中,每个频带中的能量值都会形成向量,此向量会与故障的不同,而取用不一样的值,因此作为神经网络的输入特征向量。

但是,只要神经网络的输入特征向量确定后,如何选用神经网络与层单元数,以及层数等都要依照以往的经验来确定了。

这样一来采用试验的样本来训练神经网络,对权值进行调整。

建立有用的小波神经网络。

小波神经网络主要有多分辨率与正交基,以及区间与自适应的小波网络。

尺度函数小波函数与尺度函数所构成的神经元使小波分析与神经网络相融合。

当作激励函数或者是尺度函数的作用与感知器,也就是选取的sigmoid函数中的感知器大多都是相似的。

症状至故障空间的映射就是故障诊断的本质性特点,此映射的可以用函数来代替,同时其形成也可以根据函数的角度来说明。

3 故障诊断的小波神经网络方法
选取电路典型的测试点,取得电路故障的信息,并且对特征向量进行提取,小波神经网络的输入空间、识别,由特征向量元件的故障征兆用以故障的类型确定。

首先是提取特征向量和训练样本。

对所测的电路分析其敏捷性,
并找到测试的节点,典型的电路故障要进行小波消噪,提取特征向量的样本,并且将其输入小波神经网络中。

故障分析时,需要对电路采取Monte-Carlo分析,构成所发生的样本,作为训练样本和检验样本。

其次是小波神经网络结构的设计与训练。

再次对分类器的正确性采取样本检验。

最后进行诊断。

总而言之,小波神经网结合了小波分析中对函数的表达,以及对神经网络的学习能力,信号的收取则采用电路的测试节点,先对其消噪后进行小波的变换,然后提取特征向量分析后成为训练样本。

小波神经网络为小波的延伸,使小波神经网络可以分辨出小波变换所不能分辨及错误的故障,因此提高了对电路故障的分辨。

此小波对模拟电路故障诊断通过变换及小波与神经网络融合的分析,用小波神经网络方法故障诊断,其结果分析证明其速度快,并且可以完全诊断出模拟电路故障。

参考文献
[1] 禹旺兵,彭良玉,禹恒州.基于小波分析和神经网络的模拟电
路故障诊断方法[J].微电子学与计算机,2007(7).
[2] 方敏,任子晖,刘薛萍.神经网络技术与小波分析相结合的故障诊断方法[J].制冷空调与电力机械,2006(6).
[3] 于淑芳.模拟电路故障诊断方法展析[J].柳州职业技术学院学报,2005(1).。