摘要：本文通過將現(xiàn)代模擬電路故障診斷方法相結(jié)合，通過利用各自方法的優(yōu)勢建立基于遺傳算法、精神網(wǎng)絡(luò)、模糊理論與數(shù)據(jù)融合技術(shù)相結(jié)合的模擬電路診斷新方法。該方法用多類電路測試數(shù)據(jù)解決信息欠缺問題。采用優(yōu)化BP網(wǎng)絡(luò)結(jié)構(gòu)進行初步診斷。用模糊積分融合方法進行決策融合。此方法對模擬電路的多故障與單故障的診斷均使用且故障定位準(zhǔn)確率高。

關(guān)鍵詞：故障定位；神經(jīng)網(wǎng)絡(luò)；模擬算法；數(shù)據(jù)融合

中圖分類號：TM131 文獻標(biāo)識碼：A 文章編號：1674-7712 （2012） 18-0003-01

從20世紀(jì)60年代初，元件可解性問題的提出奠定了模擬電路故障分析的理論基礎(chǔ)，使其成為近代電路理論的前沿。至20世紀(jì)70年代已形成完善的理論體系。但是模擬電路故障的診斷有其自身的困難，主要表現(xiàn)為故障具有多樣性、離散性參數(shù)值多、非線性等特點。模擬電路的故障診斷以人工智能技術(shù)的提出為界限主要分為兩類：經(jīng)典常規(guī)的模擬電路故障診斷方法，二是現(xiàn)代模擬電路故障診斷方法。[1-3]現(xiàn)代模擬電路故障診斷方法主要有精神網(wǎng)絡(luò)、遺傳算法及模糊技術(shù)等。精神網(wǎng)絡(luò)是對人腦功能的模擬，具有非線性、自適應(yīng)性、并行性、容錯性等優(yōu)點，被廣泛用于模式識別、信號處理判識決策、組合優(yōu)化等領(lǐng)域。該方法自1943年提出以后迅速發(fā)展在較短的時間內(nèi)就發(fā)展成為人工智能技術(shù)的一個重要分支。它以其諸多優(yōu)點，如并行分布處理、自適應(yīng)、聯(lián)想記憶等，在模擬電路故障診斷中受到廣泛重視，顯示出巨大的潛力，并為智能故障診斷的研究開辟了一條新途徑。模糊故障診斷方法是依據(jù)專家經(jīng)驗在故障的特征空間和故障原因區(qū)域之內(nèi)建立起模糊關(guān)系矩陣，再將其進行組合并根據(jù)一定的閥值識別故障元件。隨著模糊理論的發(fā)展，其優(yōu)點逐漸被重視，模糊理論可適應(yīng)不確定性問題，其模糊知識庫使用的語言更接近人的表達習(xí)慣；對于遇到的故障使用模糊理論可以得到多個解決方案，并根據(jù)這些方案的模糊度的高低進行優(yōu)先程度排序等。但模糊系統(tǒng)也有其自身的缺陷，模糊系統(tǒng)在推理時需要對知識庫內(nèi)的規(guī)則集進行搜索才能得出診斷結(jié)論，當(dāng)系統(tǒng)較大時搜索速度和診斷速度都會減慢。另外，模糊系統(tǒng)也不具備學(xué)習(xí)能力。遺傳算法是一種新發(fā)展起來的全局優(yōu)化算法，已成為人們用來解決高度復(fù)雜問題的一個新思路和新方法可以加快推理速度。本文結(jié)合精神網(wǎng)絡(luò)、遺傳算法及模糊技術(shù)的各自優(yōu)勢，將各類方法融合進行故障診斷。

首先通過優(yōu)選激勵和測試節(jié)點以及增加測試信息等方法提高模擬電路可靠性。如果是理想的拓撲結(jié)構(gòu)只需要少量的測試點就可進行故障診斷，但實際情況往往是拓撲結(jié)構(gòu)不理想，使得無論怎樣選擇節(jié)點仍有大量的支路故障不可測。通過優(yōu)選機理對測試節(jié)點進行彌補，如為頻域分析則主要選擇具有特征的頻率反映電路故障。如為時域分析則選擇噪聲信號以激勵被測電路。增加測試信息也是提高電路可測行的有效手段。可以有效的避免誤診斷，獲取大量的故障特征而對電路故障作出準(zhǔn)確判斷。

其次，當(dāng)確定了測試方案后將各類的測試數(shù)據(jù)進行優(yōu)化處理得到不同類型的輸入特征參量。然后將這些輸入特征參量輸入一個獨立的精神網(wǎng)絡(luò)，用此方法可對電路進行初級故障診斷。BP網(wǎng)絡(luò)具有良好泛化能力，廣泛的用于電路故障類型分類。通過遺傳BP網(wǎng)絡(luò)的初級診斷后，可以得到電路故障狀態(tài)的可能性。然而，由于各個遺傳BP網(wǎng)絡(luò)訓(xùn)練樣本與網(wǎng)絡(luò)輸入的不同，且不同的故障在不同的測試信息上體現(xiàn)程度的強弱也有差異，因而每一遺傳BP網(wǎng)絡(luò)故障分類器對不同故障的識別正確程度也有較大的差異?？赏ㄟ^遺傳算法優(yōu)化BP網(wǎng)絡(luò)，遺傳算法具有全局性搜索的特點，可較好的尋找適合的網(wǎng)絡(luò)連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu)。

完成電路故障的初級診斷后用模糊積分的方法在精神網(wǎng)絡(luò)所輸出的重要信息程度基礎(chǔ)上進行決策融合。使得融合效率與診斷方法更加適應(yīng)，準(zhǔn)確定位故障。模糊積分方法是利用模糊集合知識綜合考慮客觀證據(jù)與主觀評價的一種決策層融合方法。次方法適用于處理不確定性信息。[4-5]使用模糊幾分對多分類器記性融合時，不同的模糊測度對應(yīng)不同的融合函數(shù)。如模糊測度值選擇適當(dāng)，融合后的分類性能比最優(yōu)的單個分類器性能好。構(gòu)造模糊測度，需先獲取模糊密度。模糊密度是信息源對系統(tǒng)最終決策的重要程度，對于診斷系統(tǒng)，模糊密度值可認為是各遺傳神經(jīng)網(wǎng)絡(luò)對故障診斷的重要性評價。通過將訓(xùn)練好的遺傳神經(jīng)網(wǎng)絡(luò)分類器，分別獨立進行在不同故障下的樣本識別檢驗，利用每個遺傳神經(jīng)網(wǎng)絡(luò)對各個故障的正確識別率作為該網(wǎng)絡(luò)對各故障的分類信息的重要程度。

人工智能診斷方法在實際的生產(chǎn)實踐中具有廣泛的應(yīng)用前景。不同的方法都有其各自的優(yōu)勢也存在不可避免的缺陷，將不同方法有機結(jié)合取長補短，可以進一步推動模擬電路故障診斷理論和方法的發(fā)展，使其更加完善，能更好的投入到大規(guī)模模擬電路的故障診斷中。

參考文獻：

[1]He Y，Sun Y.Neural network-based L1-norm optimisation approach for fault diagnosis of nonlinear circuits with tolerance[J].IEE Proceedings G-Circuits，Devices and Systems，2001，148（4）：223-228.

[2]Catelani M，F(xiàn)ort A.Soft fault detection and isolation in analog circuits：some results and a comparison between a fuzzy approach and radial basis function networks[J].IEEE Transactions on Instrumentation and Measurement，2002，51（2）：196-202.

[3]Aminian M，Aminian F.Neural-network based analog-circuit fault diagnosis using wavelet transform as preprocessor[J].IEEE Transactions on Circuits and Systems II：Analog and Digital Signal Processing，2000，47（2）：151-156.

[4]劉汝杰，袁保宗，唐曉芳.用遺傳算法實現(xiàn)模糊測度賦值的一種多分類器融合算法[J].電子學(xué)報，2002，30（1）：145-147.

[5]何平，楊保華，王本利.模糊數(shù)據(jù)融合技術(shù)在系統(tǒng)故障診斷中的應(yīng)用[J].電機與控制學(xué)報，2004，8（1）：51-55.