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)