徐吟瓊

蘇州大學(xué)，江蘇蘇州 215000

探究基于BP神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷

徐吟瓊

蘇州大學(xué)，江蘇蘇州 215000

電子設(shè)備的種類越來越豐富，其復(fù)雜性也越來越高，相關(guān)調(diào)查顯示電子設(shè)備中80%以上的故障都來自模擬電路。本文概括了BP神經(jīng)網(wǎng)絡(luò)的模式識別特點(diǎn)和用于模擬電路故障診斷的原理，并應(yīng)用BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法進(jìn)行模擬電路的故障診斷。

模擬電路；BP神經(jīng)網(wǎng)絡(luò)；故障診斷

隨著電子器件復(fù)雜性的提高，模擬電路的故障診斷也越來越復(fù)雜。傳統(tǒng)的診斷方法已經(jīng)不能滿足要求，人工智能理論的出現(xiàn)使得模擬電路故障診斷成為了一項(xiàng)新的研究領(lǐng)域。

1 基于神經(jīng)網(wǎng)絡(luò)的故障診斷原理

基于神經(jīng)網(wǎng)絡(luò)的故障診斷可以看作模式識別問題，通過對一系列的過程參量的測量，應(yīng)用神經(jīng)網(wǎng)絡(luò)將測量空間映射到故障空間，從而實(shí)現(xiàn)故障診斷。

BP神經(jīng)網(wǎng)絡(luò)一般指基于誤差反向傳播算法的多層前饋型神經(jīng)網(wǎng)絡(luò)，采用Sigmoid型可微函數(shù)，能夠?qū)崿F(xiàn)輸入和輸出間的任意非線性映射。BP網(wǎng)絡(luò)用于模擬電路故障診斷首先要確定電路的待測狀態(tài)集，然后求電路處于其中一種狀態(tài)時(shí)的響應(yīng)必要的預(yù)處理，作為對應(yīng)狀態(tài)類的一個(gè)特征。對狀態(tài)集中的每一類狀態(tài)，都按照同樣的方法獲取大量的特征，從這些特征中選擇有代表性的特征，構(gòu)成訓(xùn)練樣本集。然后，用這些樣本訓(xùn)練與所求問題相對應(yīng)規(guī)模的BP網(wǎng)絡(luò)。訓(xùn)練時(shí)，把狀態(tài)特征輸入到BP網(wǎng)絡(luò)的輸入節(jié)點(diǎn)，要求網(wǎng)絡(luò)的輸出能正確的指出電路狀態(tài)所屬類別。實(shí)際電路診斷時(shí)，將與樣本相同的激勵(lì)施加給被測電路，得到相應(yīng)的特征并輸入到已經(jīng)訓(xùn)練好的BP網(wǎng)絡(luò)，BP網(wǎng)絡(luò)判斷出電路中的故障并進(jìn)行定位。診斷流程：1）提取故障樣本：通過電路仿真軟件對給定的模擬電路進(jìn)行仿真，得出各種狀態(tài)數(shù)據(jù)；2）特征參數(shù)提?。簩顟B(tài)數(shù)據(jù)進(jìn)行特征參數(shù)分析；3）網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化：根據(jù)輸入數(shù)據(jù)的特點(diǎn)和系統(tǒng)需要的結(jié)果顯示形式分別確定輸入層和輸出層的節(jié)點(diǎn)數(shù)；4）訓(xùn)練與識別；訓(xùn)練已知樣本，訓(xùn)練成功后，輸入待識別的故障信號，即可得到識別結(jié)果。

2 診斷實(shí)例

圖1 待測電路圖

表1 模擬電路故障字典

本例應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對模擬電路的部分元件進(jìn)行診斷，圖1為待測電路。電路發(fā)生故障時(shí)，測試點(diǎn)電壓的變化情況能表征出故障特征，表1為建立的模擬電路故障字典。

根據(jù)表1所示的故障字典，可將其轉(zhuǎn)化為前饋神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)（見表2）和輸出節(jié)點(diǎn)（見表3）。其中，前饋網(wǎng)絡(luò)的輸入節(jié)點(diǎn)等于電路的測點(diǎn)數(shù)4，并根據(jù)測點(diǎn)實(shí)際意義確定其取值范圍為[0V，5V]，測點(diǎn)的高低水平按正常情況分別設(shè)為[2.4V，5V]和[0V，0.7V]。網(wǎng)絡(luò)的輸出節(jié)點(diǎn)根據(jù)故障類型確定為3個(gè)，分別用（0 0 0），（0 1 1），（1 1 0），（0 0 1）和（1 0 0）表示各故障類型 ，相鄰兩故障差為3（十進(jìn)制）。根據(jù)輸入、輸出節(jié)點(diǎn)情況，以蒙特卡羅分析方法可構(gòu)造出相應(yīng)的訓(xùn)練樣本集和測試樣本集，分別包括輸入數(shù)據(jù)P和輸出數(shù)據(jù)T。

表2 神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)

表3 神經(jīng)網(wǎng)絡(luò)的輸出節(jié)點(diǎn)

依據(jù)訓(xùn)練和測試樣本集，首先確定BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)n=4和輸出節(jié)點(diǎn)數(shù)l=3。按照有關(guān)設(shè)計(jì)策略，分別在不同隱層節(jié)點(diǎn)m=9,10,11,12,13下設(shè)置對應(yīng)的BP結(jié)構(gòu)，并在相同的訓(xùn)練樣本集和測試樣本集條件下進(jìn)行訓(xùn)練和測試。由于訓(xùn)練方法的隨機(jī)性，在每種結(jié)構(gòu)狀態(tài)下分別訓(xùn)練5次，然后取各個(gè)BP診斷模型的正確識別率的平均值，相應(yīng)的運(yùn)算結(jié)果如下表（表4）所示。

表4 不同參數(shù)的BP模型診斷結(jié)果

分析上表數(shù)據(jù)可得，當(dāng)選取隱層節(jié)點(diǎn)=11時(shí)，測試樣本診斷正確率可達(dá)95%，診斷識別率很高，診斷效果很理想。

3 結(jié)論

將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于電路故障診斷相比傳統(tǒng)方法有更高的正確診斷率，本文中仿真實(shí)驗(yàn)表明，這一方法對模擬電路軟故障的診斷正確率很高。

TN752

A

1674-6708（2010）30-0263-01