專利名稱:基于維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法
技術(shù)領(lǐng)域:
本發(fā)明涉及非線性模擬電路的模式識(shí)別、特征提取方法和故障診斷,具體涉及維納核的提取和神經(jīng)網(wǎng)絡(luò)的建立、訓(xùn)練及非線性模擬電路故障診斷方法。
背景技術(shù):
隨著數(shù)字技術(shù)的發(fā)展和集成技術(shù)的提高,模擬電路在混合電路中的比例越來(lái)越小,但是模擬電路不可取代,與具體過(guò)程相連接的環(huán)節(jié)必需用到模擬電路。模擬電路所占的比例雖然小,但是由模擬電路引起的故障卻遠(yuǎn)遠(yuǎn)高于數(shù)字電路產(chǎn)生的故障。但是,模擬電路,特別是非線性模擬電路的診斷理論尚不完善。因此,急需好的模擬電路的故障診斷方法。本申請(qǐng)的方法正式針對(duì)這種需要而發(fā)明的。
現(xiàn)有的非線性系統(tǒng)的數(shù)學(xué)描述很困難,沒(méi)有統(tǒng)一的描述方法,非線性系統(tǒng)的研究仍然處在近似處理和數(shù)值計(jì)算階段。非線性模擬電路故障診斷的本質(zhì)是模式識(shí)別,構(gòu)造出能反映被測(cè)電路本質(zhì)的的故障特征是診斷的關(guān)鍵。目前,非線性電路用Volterra泛函級(jí)數(shù)進(jìn)行描述的較多,但是,對(duì)于部分非解析的非線性系統(tǒng),不能用Volterra級(jí)數(shù)展開(kāi),并且Volterra級(jí)數(shù)的各項(xiàng)不是相互正交的。
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種非線性模擬電路的故障診斷方法,針對(duì)現(xiàn)有技術(shù)的不足,實(shí)現(xiàn)用常規(guī)的測(cè)量,比較少的計(jì)算等獲得電路特征,并通過(guò)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷的技術(shù),本發(fā)明計(jì)算量較小,準(zhǔn)確度較高。
上述發(fā)明的目的通過(guò)以下的技術(shù)方案實(shí)現(xiàn) 基于維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法 (1)首先確定被測(cè)非線性模擬電路的各種故障狀態(tài),共設(shè)有m種狀態(tài),建立故障狀態(tài)集。
(2)所述的各故障狀態(tài)的被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),并同時(shí)對(duì)輸入、輸出信號(hào)進(jìn)行測(cè)量,得到采樣數(shù)據(jù)序列,經(jīng)過(guò)數(shù)據(jù)處理得到被測(cè)電路的各故障狀態(tài)下對(duì)應(yīng)的前n階維納核。
(3)所述上步得到維納核的階數(shù)n作為神經(jīng)網(wǎng)絡(luò)的輸入神經(jīng)元個(gè)數(shù),取故障狀態(tài)數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸出神經(jīng)元數(shù),建立BP神經(jīng)網(wǎng)絡(luò),用被診斷系統(tǒng)的各狀態(tài)的n階維納核和對(duì)應(yīng)狀態(tài)的編碼作為樣本,以優(yōu)于0.001目標(biāo)精度訓(xùn)練神經(jīng)網(wǎng)絡(luò),完成故障字典檢索網(wǎng)絡(luò)的建立; (4)實(shí)施診斷,向被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),并通過(guò)測(cè)量被診斷的電路的輸入和輸出,求得電路的前n階維納核,并以此核作為神經(jīng)網(wǎng)絡(luò)的輸入,網(wǎng)絡(luò)的輸出即為診斷結(jié)果。
所述的步驟(1)中,確定被測(cè)非線性模擬電路的可能的m種故障狀態(tài),并進(jìn)行編號(hào),其中包括 (a)確定被測(cè)非線性模擬電路全部元器件為標(biāo)稱參數(shù)的情況為正常狀態(tài); (b)確定被測(cè)非線性模擬電路中的元件的實(shí)際值偏大、偏小等軟故障狀態(tài); (c)確定被測(cè)非線性模擬電路中的元件的短路和斷路等硬故障狀態(tài); (d)對(duì)上述的各種狀態(tài)進(jìn)行編號(hào),分別為1,2,…,m,其中,m為自然數(shù)。
所述的步驟(2)中,各故障狀態(tài)的前n階維納核通過(guò)下述步驟求得 (a)使被測(cè)非線性模擬電路處于故障狀態(tài)1; (b)對(duì)上述電路施加高斯白噪聲作為輸入信號(hào),并同時(shí)對(duì)輸入、輸出信號(hào)進(jìn)行測(cè)量,得到采樣序列數(shù)據(jù),并利用求多階相關(guān)函數(shù)的方法計(jì)算各階維納核k10,k11,k12,k13…k1n; (c)依次使被測(cè)非線性模擬電路處于故障狀態(tài)2,3,…m,重復(fù)步驟(b),得到各種狀態(tài)的維納核ki0,ki1,ki2,ki3…kin,其中,i=1,2,3,…m。
所述的步驟(3)中,神經(jīng)網(wǎng)絡(luò)按如下方法建立 (a)建立BP神經(jīng)網(wǎng)絡(luò),即誤差反傳(Back Propagation)神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)采用三層結(jié)構(gòu),即輸入層、隱含層和輸出層,輸入層的節(jié)點(diǎn)數(shù)為等于維納核的階數(shù)n,輸出層的節(jié)點(diǎn)數(shù)為故障狀態(tài)數(shù)作m,隱含層的節(jié)點(diǎn)數(shù)取
其中l(wèi)為1-10之間的整數(shù); (b)利用梯度下降法來(lái)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)連接權(quán)的修正,使網(wǎng)絡(luò)輸出與期望輸出之間的均方根誤差(RMSE)最??; (c)本設(shè)計(jì)中神經(jīng)元的激活函數(shù)選取標(biāo)準(zhǔn)Sigmoid型函數(shù); (d)初始權(quán)值取[-1,1]之間的隨機(jī)數(shù),為了加速收斂過(guò)程,本算法根據(jù)網(wǎng)絡(luò)的總誤差自適應(yīng)調(diào)整學(xué)習(xí)速率η,網(wǎng)絡(luò)經(jīng)一批次權(quán)值調(diào)整后,若總誤差E增大,則本次調(diào)整無(wú)效,若總誤差E下降,則調(diào)整有效; (e)用被診斷系統(tǒng)的各狀態(tài)的n階維納核和對(duì)應(yīng)狀態(tài)的編碼作為樣本,以0.01或0.001的目標(biāo)精度訓(xùn)練神經(jīng)網(wǎng)絡(luò),完成故障字典檢索網(wǎng)絡(luò)的建立。
所述的步驟(4)中,診斷時(shí)向被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),通過(guò)測(cè)量被診斷的電路的輸入和輸出計(jì)算得到電路的前n階維納核,對(duì)此核進(jìn)行壓縮處理后作為神經(jīng)網(wǎng)絡(luò)的輸入,用網(wǎng)絡(luò)的輸出作為診斷結(jié)果。
這個(gè)技術(shù)方案有以下有益效果 本發(fā)明方法,采用維納泛函級(jí)數(shù)描述非線性特性未知或者無(wú)法用解析式表達(dá)的非線性電路,彌補(bǔ)了Volterra泛函級(jí)數(shù)對(duì)此類非線性電路描述的不力,并克服了Volterra泛函級(jí)非正交的不足,為此類電路的診斷提供了可靠的特征參數(shù)及實(shí)用算法;用維納核作為故障特征并采用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷,計(jì)算量較小,準(zhǔn)確度高,提高了非線性模擬電路的診斷效率。
對(duì)于非線性特性未知或者無(wú)法用解析式表達(dá)的可以用維納泛函級(jí)數(shù)展開(kāi)法描述,且級(jí)數(shù)的各項(xiàng)是相互正交的。本發(fā)明提出的基于維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法具有較廣的適應(yīng)性。
圖1為整個(gè)方法原理框圖。
圖2Sigmoid型函數(shù)圖。
圖3神經(jīng)網(wǎng)路結(jié)構(gòu)圖。
本發(fā)明的
具體實(shí)施例方式 實(shí)施例1 本發(fā)明的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法的步驟 (1)首先確定被測(cè)非線性模擬電路的各種故障狀態(tài),設(shè)共有m種狀態(tài),建立故障狀態(tài)集; (2)然后依次向處于上述各故障狀態(tài)的被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),并同時(shí)對(duì)輸入、輸出信號(hào)進(jìn)行測(cè)量,得到采樣數(shù)據(jù)序列,經(jīng)過(guò)數(shù)據(jù)處理得到被測(cè)電路的各故障狀態(tài)下對(duì)應(yīng)的前n階維納核; (3)取上步得到的維納核的階數(shù)n作為神經(jīng)網(wǎng)絡(luò)的輸入神經(jīng)元個(gè)數(shù),取故障狀態(tài)數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸出神經(jīng)元數(shù),建立BP神經(jīng)網(wǎng)絡(luò),用被診斷系統(tǒng)的各狀態(tài)的n階維納核和對(duì)應(yīng)狀態(tài)的編碼作為樣本,以一定的目標(biāo)精度(可優(yōu)于0.001)訓(xùn)練神經(jīng)網(wǎng)絡(luò),完成故障字典檢索網(wǎng)絡(luò)的建立; (4)實(shí)施診斷,向被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),并通過(guò)測(cè)量被診斷的電路的輸入和輸出,求得電路的前n階維納核,并以此核作為神經(jīng)網(wǎng)絡(luò)的輸入,網(wǎng)絡(luò)的輸出即為診斷結(jié)果。
實(shí)施例2 實(shí)施例1所述的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,步驟(1)中,確定被測(cè)非線性模擬電路的可能的m種故障狀態(tài),并進(jìn)行編號(hào),其中包括 (a)確定被測(cè)非線性模擬電路全部元器件為標(biāo)稱參數(shù)的情況為正常狀態(tài); (b)確定被測(cè)非線性模擬電路中的元件的實(shí)際值偏大、偏小等軟故障狀態(tài); (c)確定被測(cè)非線性模擬電路中的元件的短路和斷路等硬故障狀態(tài); (d)對(duì)上述的各種狀態(tài)進(jìn)行編號(hào),分別為1,2,…,m,其中,m為自然數(shù)。
實(shí)施例3 實(shí)施例1或2的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,步驟(2)中,各故障狀態(tài)的前n階維納核通過(guò)下述步驟求得 (a)使被測(cè)非線性模擬電路處于故障狀態(tài)1; (b)對(duì)上述電路施加高斯白噪聲作為輸入信號(hào),并同時(shí)對(duì)輸入、輸出信號(hào)進(jìn)行測(cè)量,得到采樣序列數(shù)據(jù),并利用求多階相關(guān)函數(shù)的方法計(jì)算各階維納核k10,k11,k12,k13…k1n,具體計(jì)算公式如下 對(duì)于非線性系統(tǒng)當(dāng)輸入x(t)為高斯白噪聲時(shí),輸出y(t)可以展開(kāi)成維納級(jí)數(shù)形式 i=0,1,2,… 其中Gi是維納級(jí)數(shù)的項(xiàng),它是x(t)和維納核ki(τ1,τ2,…τn)的函數(shù)。其前四項(xiàng)為 G0[k0;x(t)]=k0
其中,A為x(t)的功率譜密度。
零階核 k0=E[y(t)] 為y(t)的均值。一階核 即為x(t)與y0(t)的相關(guān)函數(shù)除以x(t)的功率譜密度。其中y0(t)=y(tǒng)(t)-k0二階核 其中,E[y1(t)x(t-τ1)x(t-τ2)]為y1(t),x(t-τ1),x(t-τ2)的三階互相關(guān)函數(shù);y1(t)為 y1(t)=y(tǒng)(t)-G0[k0;x(t)]-G1[k1;x(t)] 三階核
其中,E[y2(t)x(t-τ1)x(t-τ2)x(t-τ3)]為y2(t),x(t-τ1),x(t-τ2),x(t-τ3)的四階互相關(guān)函數(shù);y2(t)為 y2(t)=y(tǒng)(t)-G0[k0;x(t)]-G1[k1;x(t)]-G2[k2;x(t)] 其n階核 其中 (c)依次使被測(cè)非線性模擬電路處于故障狀態(tài)2,3,…m,重復(fù)步驟(b),得到各種狀態(tài)的維納核ki0,ki1,ki2,ki3…kin,其中,i=1,2,3,…m。
實(shí)施例4 實(shí)施例1、2或3的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,步驟(3)中,神經(jīng)網(wǎng)絡(luò)按如下方法建立 (a)建立BP神經(jīng)網(wǎng)絡(luò),即誤差反傳(Back Propagation)神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)采用三層結(jié)構(gòu),即輸入層、隱含層和輸出層,輸入層的節(jié)點(diǎn)數(shù)為等于維納核的階數(shù)n,輸出層的節(jié)點(diǎn)數(shù)為故障狀態(tài)數(shù)作m,隱含層的節(jié)點(diǎn)數(shù)取
其中l(wèi)為1-10之間的整數(shù), (b)利用梯度下降法來(lái)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)連接權(quán)的修正,使網(wǎng)絡(luò)輸出與期望輸出之間的均方根誤差(RMSE)最??; (c)本設(shè)計(jì)中神經(jīng)元的激活函數(shù)選取標(biāo)準(zhǔn)Sigmoid型函數(shù),表達(dá)式為 式中,xi表示神經(jīng)元的輸入,ωi為連接強(qiáng)度,即連接權(quán)值,θ為閾值。y為神經(jīng)元的輸出; (d)初始權(quán)值取[-1,1]之間的隨機(jī)數(shù),為了加速收斂過(guò)程,本算法根據(jù)網(wǎng)絡(luò)的總誤差自適應(yīng)調(diào)整學(xué)習(xí)速率η。網(wǎng)絡(luò)經(jīng)一批次權(quán)值調(diào)整后,若總誤差E增大,則本次調(diào)整無(wú)效,有 η=μ·η,0<μ<1 式中,
為第n時(shí)刻從第k層神經(jīng)元j到第k-1層神經(jīng)元i的連接權(quán)值;
是第n時(shí)刻在樣本p下第k層第j個(gè)神經(jīng)元的誤差;
表示n時(shí)刻在樣本p下第k-1層第j個(gè)神經(jīng)元額定輸出。
若總誤差E下降,則調(diào)整有效,有 η=ρη,ρ>1 (e)用被診斷系統(tǒng)的各狀態(tài)的n階維納核和對(duì)應(yīng)狀態(tài)的編碼作為樣本,以0.01或0.001的目標(biāo)精度訓(xùn)練神經(jīng)網(wǎng)絡(luò),完成故障字典檢索網(wǎng)絡(luò)的建立; 實(shí)施例5 實(shí)施例1、2、3、或4的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,步驟(4)中,診斷時(shí)向被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),通過(guò)測(cè)量被診斷的電路的輸入和輸出計(jì)算得到電路的前n階維納核,對(duì)此核進(jìn)行壓縮處理后作為神經(jīng)網(wǎng)絡(luò)的輸入,用網(wǎng)絡(luò)的輸出作為診斷結(jié)果。
權(quán)利要求
1.基于維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,其特征是
(1)首先確定被測(cè)非線性模擬電路的各種故障狀態(tài),共設(shè)有m種狀態(tài),建立故障狀態(tài)集。
(2)所述的各故障狀態(tài)的被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),并同時(shí)對(duì)輸入、輸出信號(hào)進(jìn)行測(cè)量,得到采樣數(shù)據(jù)序列,經(jīng)過(guò)數(shù)據(jù)處理得到被測(cè)電路的各故障狀態(tài)下對(duì)應(yīng)的前n階維納核。
(3)所述上步得到維納核的階數(shù)n作為神經(jīng)網(wǎng)絡(luò)的輸入神經(jīng)元個(gè)數(shù),取故障狀態(tài)數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸出神經(jīng)元數(shù),建立BP神經(jīng)網(wǎng)絡(luò),用被診斷系統(tǒng)的各狀態(tài)的n階維納核和對(duì)應(yīng)狀態(tài)的編碼作為樣本,按目標(biāo)精度訓(xùn)練神經(jīng)網(wǎng)絡(luò),完成故障字典檢索網(wǎng)絡(luò)的建立;
(4)實(shí)施診斷,向被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),并通過(guò)測(cè)量被診斷的電路的輸入和輸出,求得電路的前n階維納核,并以此核作為神經(jīng)網(wǎng)絡(luò)的輸入,網(wǎng)絡(luò)的輸出即為診斷結(jié)果。
2.根據(jù)權(quán)利要求1所述的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,其特征是
所述的步驟(1)中,確定被測(cè)非線性模擬電路的可能的m種故障狀態(tài),并進(jìn)行編號(hào),其中包括
(a)確定被測(cè)非線性模擬電路全部元器件為標(biāo)稱參數(shù)的情況為正常狀態(tài);
(b)確定被測(cè)非線性模擬電路中的元件的實(shí)際值偏大、偏小等軟故障狀態(tài);
(c)確定被測(cè)非線性模擬電路中的元件的短路和斷路等硬故障狀態(tài);
(d)對(duì)上述的各種狀態(tài)進(jìn)行編號(hào),分別為1,2,…,m,其中,m為自然數(shù)。
3.根據(jù)權(quán)利要求1或2所述的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,其特征是
所述的步驟(2)中,各故障狀態(tài)的前n階維納核通過(guò)下述步驟求得
(a)使被測(cè)非線性模擬電路處于故障狀態(tài)1;
(b)對(duì)上述電路施加高斯白噪聲作為輸入信號(hào),并同時(shí)對(duì)輸入、輸出信號(hào)進(jìn)行測(cè)量,得到采樣序列數(shù)據(jù),并利用求多階相關(guān)函數(shù)的方法計(jì)算各階維納核k10,k11,k12,k13…k1n;
(c)依次使被測(cè)非線性模擬電路處于故障狀態(tài)2,3,…m,重復(fù)步驟(b),得到各種狀態(tài)的維納核ki0,ki1,ki2,ki3…kin,其中,i=1,2,3,…m。
4.根據(jù)權(quán)利要求1或2所述的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,其特征是
所述的步驟(3)中,神經(jīng)網(wǎng)絡(luò)按如下方法建立
(a)建立BP神經(jīng)網(wǎng)絡(luò),即誤差反傳(Back Propagation)神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)采用三層結(jié)構(gòu),即輸入層、隱含層和輸出層,輸入層的節(jié)點(diǎn)數(shù)等于維納核的階數(shù)n,輸出層的節(jié)點(diǎn)數(shù)為故障狀態(tài)數(shù)作m,隱含層的節(jié)點(diǎn)數(shù)取
其中l(wèi)為1-10之間的整數(shù);
(b)利用梯度下降法來(lái)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)連接權(quán)的修正,使網(wǎng)絡(luò)輸出與期望輸出之間的均方根誤差(RMSE)最?。?br>
(c)本設(shè)計(jì)中神經(jīng)元的激活函數(shù)選取標(biāo)準(zhǔn)Sigmoid型函數(shù);
(d)初始權(quán)值取[-1,1]之間的隨機(jī)數(shù),為了加速收斂過(guò)程,本算法根據(jù)網(wǎng)絡(luò)的總誤差自適應(yīng)調(diào)整學(xué)習(xí)速率η,網(wǎng)絡(luò)經(jīng)一批次權(quán)值調(diào)整后,若總誤差E增大,則本次調(diào)整無(wú)效,若總誤差E下降,則調(diào)整有效;
(e)用被診斷系統(tǒng)的各狀態(tài)的n階維納核和對(duì)應(yīng)狀態(tài)的編碼作為樣本,以0.01或0.001的目標(biāo)精度訓(xùn)練神經(jīng)網(wǎng)絡(luò),完成故障字典檢索網(wǎng)絡(luò)的建立。
5.根據(jù)權(quán)利要求3所述的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,其特征是
所述的步驟(3)中,神經(jīng)網(wǎng)絡(luò)按如下方法建立
(a)建立BP神經(jīng)網(wǎng)絡(luò),即誤差反傳(Back Propagation)神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)采用三層結(jié)構(gòu),即輸入層、隱含層和輸出層,輸入層的節(jié)點(diǎn)數(shù)為等于維納核的階數(shù)n,輸出層的節(jié)點(diǎn)數(shù)為故障狀態(tài)數(shù)作m,隱含層的節(jié)點(diǎn)數(shù)取
(b)利用梯度下降法來(lái)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)連接權(quán)的修正,使網(wǎng)絡(luò)輸出與期望輸出之間的均方根誤差(RMSE)最?。?br>
(c)本設(shè)計(jì)中神經(jīng)元的激活函數(shù)選取標(biāo)準(zhǔn)Sigmoid型函數(shù);
(d)初始權(quán)值取[-1,1]之間的隨機(jī)數(shù),為了加速收斂過(guò)程,本算法根據(jù)網(wǎng)絡(luò)的總誤差自適應(yīng)調(diào)整學(xué)習(xí)速率η,網(wǎng)絡(luò)經(jīng)一批次權(quán)值調(diào)整后,若總誤差E增大,則本次調(diào)整無(wú)效,若總誤差E下降,則調(diào)整有效;
(e)用被診斷系統(tǒng)的各狀態(tài)的n階維納核和對(duì)應(yīng)狀態(tài)的編碼作為樣本,以0.01或0.001的目標(biāo)精度訓(xùn)練神經(jīng)網(wǎng)絡(luò),完成故障字典檢索網(wǎng)絡(luò)的建立。
6.根據(jù)權(quán)利要求1或2或5所述的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,其特征是所述的步驟(4)中,診斷時(shí)向被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),通過(guò)測(cè)量被診斷的電路的輸入和輸出計(jì)算得到電路的前n階維納核,對(duì)此核進(jìn)行壓縮處理后作為神經(jīng)網(wǎng)絡(luò)的輸入,用網(wǎng)絡(luò)的輸出作為診斷結(jié)果。
7.根據(jù)權(quán)利要求3所述的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,其特征是所述的步驟(4)中,診斷時(shí)向被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),通過(guò)測(cè)量被診斷的電路的輸入和輸出計(jì)算得到電路的前n階維納核,對(duì)此核進(jìn)行壓縮處理后作為神經(jīng)網(wǎng)絡(luò)的輸入,用網(wǎng)絡(luò)的輸出作為診斷結(jié)果。
8.根據(jù)權(quán)利要求4所述的維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法,其特征是所述的步驟(4)中,診斷時(shí)向被測(cè)非線性模擬電路施加高斯白噪聲作為輸入信號(hào),通過(guò)測(cè)量被診斷的電路的輸入和輸出計(jì)算得到電路的前n階維納核,對(duì)此核進(jìn)行壓縮處理后作為神經(jīng)網(wǎng)絡(luò)的輸入,用網(wǎng)絡(luò)的輸出作為診斷結(jié)果。
全文摘要
基于維納核和神經(jīng)網(wǎng)絡(luò)的非線性模擬電路故障診斷方法。現(xiàn)有的非線性系統(tǒng)的數(shù)學(xué)描述很困難,沒(méi)有統(tǒng)一的描述方法。本發(fā)明涉及非線性模擬電路的特征提取、模式識(shí)別和故障診斷技術(shù),確定被測(cè)非線性模擬電路的故障狀態(tài)集;依次求得各故障狀態(tài)的前n階維納核;建立BP神經(jīng)網(wǎng)絡(luò),用各狀態(tài)編碼及對(duì)應(yīng)的n階維納核訓(xùn)練神經(jīng)網(wǎng)絡(luò);求待診斷電路的前n階維納核,此核作為神經(jīng)網(wǎng)絡(luò)的輸入,網(wǎng)絡(luò)的輸出即為診斷結(jié)果。本發(fā)明可提取Volterra級(jí)數(shù)不能描述的一部分非線性電路的特征,且輸出展開(kāi)級(jí)數(shù)項(xiàng)之間相互正交,特征提取和數(shù)據(jù)處理較簡(jiǎn)單,診斷系統(tǒng)泛化能力強(qiáng),準(zhǔn)確性高,實(shí)用性強(qiáng)。本發(fā)明用于電子線路的故障診斷。
文檔編號(hào)G06N3/08GK101813747SQ20091007233
公開(kāi)日2010年8月25日 申請(qǐng)日期2009年6月19日 優(yōu)先權(quán)日2009年6月19日
發(fā)明者林海軍 申請(qǐng)人:哈爾濱理工大學(xué)