【正文】 lopment of electronics industry, the analog circuit fault diagnosis question already aroused the widespread interest, moreover, it is a big difficult problem to the domestic and foreign experts when they design and use the electron system. Some analog circuit diagnosis methods which already existed are only suitable under the special condition, for example, opening, short circuit and so on. it is very difficult to discover the soft fault which causes by electronic device39。系統(tǒng)采用MATALB的GUI編程實現(xiàn)了以下功能：一是特征提取算法的實現(xiàn)，用戶根據需要可以選擇三種特征提取算法提取故障信號特征。診斷結果表明本文提出的方法是快速而有效的。一些已有模擬電路的診斷方法只適用于特定條件下（如開路、短路等）的電路診斷，卻很難發(fā)現(xiàn)由電路中的電子器件的容差變化引起的軟故障。迄今為止，文獻中很少對軟故障即容差電路的故障診斷給出系統(tǒng)而有效的方法，本文將這一問題進行了研究探討。此研究將為復雜模擬電路故障診斷甚至集成電路提供新的理論依據和診斷方法。二是神經網絡參數設置，如設置隱層神經元的個數、學習率的大小等。s tolerance change in electric circuit. Until now, very few literature gives the systematic and effective method to the soft fault, this paper research this question.In view of the traditional limitation of diagnosis technology, we discussed the plan which use neural network to diagnose soft fault of analog circuit, use the ability of wavelet transformation to extract the circuit fault character and neural network which has misalignment mapping characteristic to approaches the failure diagnosis model. In view of the limitation of traditional fault diagnosis method, this paper proposed the concrete fault diagnosis method, studied the neural network diagnosis method which the unit LevenbergMarquardt algorithm and the momentum law, used the concrete example to neural network training simulation. The diagnosis result indicated that the method which the paper proposed is fast and effective and this research will provide the new theory basis and the diagnosis method for the plex analogous circuit failure diagnosis even integrated circuit. In addition, the tradition failure diagnosis expert system exists insufficient which cannot carry on selfstudy, autoadapted, difficult to gain the knowledge, and match conflict when it inference, and so on. This article uses the wavelet analysis and neural network technology as part of the construction of expert system. Use wavelet analysis extract analog circuit fault characteristic, the expert system knowledge gaining part is replaced by neural network39。 thirdly, neural network training and fault diagnosis.This system makes up the flaw which traditional expert system could not selfstudy, the autoadapted, overes the insufficiency of the traditional electric circuit fault diagnosis method, and enhances the diagnosis automation and the intellectualized level.Keywords　analog circuit, fault diagnosis, neural network, wavelet transform, expert system不要刪除行尾的分節(jié)符，此行不會被打印67 / 74目錄摘 要 IAbstract II第1章 緒論 1 課題研究背景、目的及意義 1 模擬電路故障診斷的發(fā)展及研究現(xiàn)狀 2 模擬電路軟故障診斷發(fā)展現(xiàn)狀 3 人工神經網絡發(fā)展現(xiàn)狀 4 小波變換理論發(fā)展現(xiàn)狀 5 專家系統(tǒng)發(fā)展現(xiàn)狀 6 神經網絡專家系統(tǒng) 8 神經網絡與專家系統(tǒng)結合的可行性 8 神經網絡專家系統(tǒng)出現(xiàn)的必要性 9 模擬電路故障診斷系統(tǒng)的結構和功能 9 本文的工作 10第2章 人工神經網絡和小波分析基本理論 12 神經網絡的基本原理 12 BP網絡的結構 13 模型結構 13 BP算法 14 小波變換基本理論 18 多分辨分析 22 小波包分析 23 本章小結 28第3章 基于小波變換的神經網絡診斷方法的研究 29 診斷系統(tǒng)概述 29 診斷系統(tǒng)各單元具體實現(xiàn) 30 小波變換 30 特征提取 32 神經網絡的設計 33 輔助工具PSpice 36 本章小結 37第4章 故障診斷實例 38 實驗仿真與分析 38 低通濾波器電路及基本診斷思路 38 多分辨分析—BP網絡的診斷方法實現(xiàn) 39 小波包分析—BP網絡的診斷方法實現(xiàn) 45 診斷結果分析 48 本章小結 48第5章 基于神經網絡的模擬電路故障診斷專家系統(tǒng)設計 49 專家系統(tǒng)的結構及特點 49 神經網絡專家系統(tǒng)的工作原理 50 神經網絡專家系統(tǒng)的組建 52 知識庫的建立 52 推理機 52 解釋機制 53 神經網絡專家系統(tǒng)在濾波器電路故障診斷中的應用 54 模擬電路故障診斷軟件平臺 54 診斷測試 57 本章小結 59總結與展望 60參考文獻 61攻讀學位期間發(fā)表的學術論文 64致謝 65千萬不要刪除行尾的分節(jié)符，此行不會被打印。迄今為止，很少有文獻對軟故障即容差電路的診斷給出系統(tǒng)而有效的方法。 課題研究背景、目的及意義電路故障診斷研究始于20世紀60年代初的軍事領域。電路故障可分為兩類：一是硬故障，指元件的參數突然發(fā)生大的變化，如元器件的開路、短路、毀壞、失效等；另一類稱為軟故障，元件的參數值隨時間或環(huán)境條件而老化，偏離至不能允許的程度，也就是超過該元件參數的容差范圍，致使元件性能下降。模擬電路的輸入輸出關系很復雜，即使是線性電路，其輸出響應與各個元件參量之間的關系也往往是非線性的，更何況許多實際電路中還存在著非線性元件；具體電路中元件的實際值會在其設計值上下作隨機性的波動；此外，測試過程中難免出現(xiàn)的測試誤差等，也會給診斷帶來意想不到的困難。但是這些方法可以付諸實踐的還很少。目前，非線性系統(tǒng)的故障診斷方法主要包括基于數學模型方法、基于信號處理方法和基于知識的方法。綜上所述，研究一種能夠進行電路元器件的自動故障診斷的模擬電路故障診斷方法，特別是軟故障診斷方法，無論對器件的使用部門還是對器件的生產部門都是一項非常有應用前途的工作。但是神經網絡的輸入量無法直接獲得，需要特征提取技術從原始數據中提取能反映其特征的若干特征量作為神經網絡的輸入。針對模擬電路故障診斷方法所涉及的研究領域，現(xiàn)從模擬電路故障診斷方法、小波分析理論、神經網絡和專家系統(tǒng)等幾個方面來分析本課題的研究現(xiàn)狀和發(fā)展趨勢，并在此基礎上確定課題研究的思路及主要研究內容。但此法對容差電路診斷時，運用“被屏蔽支路集求交集”的方法，由于故障因素與容差因素的相互交疊，因而易出現(xiàn)模糊故障集，文獻[12]對該法在容差情況下的應用進行了較深入的探討，在建立故障字典與實施故障隔離時，充分考慮了容差對端口特性的影響，用模糊故障字典來取代傳統(tǒng)的故障字典。近年來，一個值得重視的現(xiàn)象是神經網絡與專家系統(tǒng)、模糊控制、遺傳算法和小波分析等智能診斷技術相結合應用于模擬電路的故障診斷領域的研究。1949年，心理學家Hebb提出了神經元的學習規(guī)則，使神經網絡具有了可塑性，這為學習算法奠定了基礎。20世紀60年代經歷了一個低潮期，80年代后又掀起了研究和開發(fā)及應用神經網絡的熱潮。而神經網絡故障字典法由于神經網絡的泛化能力和魯棒性，可以診斷容差模擬電路，而且對軟故障情況也有很好的應用前景。目前對神經網絡故障字典法的研究主要集中在上述兩個方面。小波分析與神經網絡的結合是一個十分活躍的研究領域。又如神經網絡與模糊邏輯理論相結合，即所謂的“模糊神經網絡”用于模擬電路的故障診斷，其基本思想是在BP神經網絡的輸入層與輸出層中間增加1到2層模糊層構造模糊神經網絡，利用神經網絡處理低層感知數據，利用模糊邏輯描述高層的邏輯框架，其對模擬電路軟故障的診斷效果優(yōu)于單一的神經網絡分類器[22,23]。推理結果需進行融合處理，以提高診斷的可靠性，再根據融合結果檢索操作指導數據庫得到指導信息，最后得到診斷結論以期將模糊技術，神經網絡技術和專家系統(tǒng)技術進行優(yōu)勢互補。由于小波變換具有很好的時頻局域化特性，其對高頻突變信號和低頻緩變信號的分析有著獨特的優(yōu)點，可以利用信號在小波變換的多尺度刻劃下所表現(xiàn)行為的不同特點來檢測出突變的故障信號。在故障診斷中，例如，電力系統(tǒng)故障、腦電圖、心電圖中的異常等，都對應于測試信號的突變點，因而對突變點的檢測在故障診斷中有著非常重要的意義。 專家系統(tǒng)發(fā)展現(xiàn)狀關于專家系統(tǒng)（Expert System，簡寫為ES），目前尚無公認的嚴格定義。人工智能的早期研究是從具體問題入手的，1956年有兩項具有重要意義的突破：一是紐厄爾和西蒙合作研制的邏輯理論機LT。1965年費根鮑姆在研究以往人工智能系統(tǒng)成功與失敗的經驗和教訓的基礎上，、。到了70年代中期，一批卓有成效的專家系統(tǒng)開始出現(xiàn)，這些系統(tǒng)涉及醫(yī)藥、自然語言處理、數學、教學、地質等多個應用領域，其中對專家系統(tǒng)技術的發(fā)展做出突出貢獻的典型專家系統(tǒng)有：MYCIN、CASNET、HEARSAY、PROSPECTOR等。同時，人們在開發(fā)專家系統(tǒng)的實踐中發(fā)現(xiàn)，專家系統(tǒng)的“瓶頸”問題是知識獲取，并由此提出建設專家系統(tǒng)的中心任務是知識獲取，并且先后研制出一批用于建造和維護專家系統(tǒng)的工具系統(tǒng)。因此專家系統(tǒng)可以像一位具有極高水平的某領域的專家一樣，對所求問題迅速做出正確的判斷和結論。換句話說，此時該專家系統(tǒng)的功能強弱主要決定于知識庫的完善程度。此外知識庫中的知識和有關問題的征兆往往也有一定的模糊性或不完全確定。知識的獲取一直是專家系統(tǒng)的瓶頸問題，其途徑大致分為兩種：人工知識獲取和機器學習。目前一般的專家系統(tǒng)只能在比較窄的專業(yè)知識領域內求解專門的問題。專家系統(tǒng)的本質特性是基于規(guī)則的推理思維，然而迄今的邏輯理論仍然很不完善，推理速度慢、效率低、容易出現(xiàn)“匹配沖突”、“組合爆炸”及“無窮遞歸”等問題。這是與知識的表示方法有關的困難。但在方法上它們是不同的，專家系統(tǒng)是一種演繹推理的方法，它需要知識與實例；而神經網絡是一種歸納推理的方法，是由數據推動的。另一方面專家系統(tǒng)可以幫助神經網絡解決知識表示、符號推理等問題；可以協(xié)助神經網絡確定網絡的隱層數目、連接初始權值、最優(yōu)的網絡結構、訓練數據等。近幾年神經網絡專家系統(tǒng)迅速興起，它模擬人的思維，易于表達不完全的和環(huán)境不明確的知識，學習能力強。因此，神經網絡同專家系統(tǒng)的結合是一條新的進行故障診斷的途徑。圖11 模擬電路故障診斷系統(tǒng)的結構圖Figure 11 System structure of analog circuit fault diagnosis通過對節(jié)點電壓特征量的分析和處理是能夠達到診斷電路故障的目的。經過學習后，將待診斷樣本輸入給神經網絡，其輸出即為對應的故障。 本文的工作本文的研究工作分為三部分：第一部分提出基于小波變換的神經網絡診斷模擬電路故障的理論和實現(xiàn)方法。第三部分在前兩部分基于神經網絡的診斷方法實現(xiàn)的基礎上，對基于神經網絡的模擬