【導(dǎo)讀】和材料，均作了注釋?zhuān)粲胁粚?shí)，后果由本人承擔(dān)。目前電子自動(dòng)化的發(fā)展越來(lái)越成熟，電子設(shè)備功能越來(lái)越多。一個(gè)小小的故障也會(huì)導(dǎo)致財(cái)。鑒于上述原因，本文利用Multisim仿真軟件建立電路模型，進(jìn)行故障設(shè)定，并提取故障特征值。對(duì)這些故障類(lèi)別，根據(jù)神經(jīng)網(wǎng)絡(luò)的基本原理設(shè)計(jì)了BP神經(jīng)網(wǎng)絡(luò)以及RBF神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)結(jié)構(gòu)。結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)及RBF神經(jīng)網(wǎng)絡(luò)的算法能夠有效的應(yīng)用于模擬電路故障診斷。

　　

【正文】 read 變 小，函數(shù)的逼近 誤差越小 ， 但是其 逼近 曲線(xiàn)將會(huì)隨著 spread 的減小變得 不 再 平滑。所以 說(shuō) spread 的值要經(jīng)過(guò)多次嘗試，獲取最好仿真效果的值。 RBF 神經(jīng) 網(wǎng)絡(luò)工具箱函數(shù) MATLAB 的 RBF 網(wǎng)絡(luò)工具箱中包含著多種函數(shù)，正是通過(guò)這些函數(shù)構(gòu)造 RBF 神經(jīng)網(wǎng)，這里介紹幾個(gè)常用的工具箱函數(shù)。 (1)newrbe()。該函數(shù)用于徑向基函數(shù)網(wǎng)絡(luò)的快速構(gòu)建，且使得設(shè)計(jì)誤差為 0，該函數(shù)使徑向基層神經(jīng)元數(shù)目等于輸入向量的個(gè)數(shù)。格式為 =newrbe(P， T,SPREAD)，其中 P 為輸入向量， T 為期望輸出向量 (目標(biāo)值 )， SPREAD 為徑向基層的散步常數(shù)，缺省值為 l。 (2)newrb()。 newrb()能更有效進(jìn)行網(wǎng)絡(luò)設(shè)計(jì)，徑向基函數(shù)網(wǎng)絡(luò)逼近函數(shù)時(shí)， newrb()函數(shù)可以 自 動(dòng)增加網(wǎng)絡(luò)的隱含層神經(jīng)元數(shù)目．直到均方差滿(mǎn)足精度或者神經(jīng)元數(shù)目達(dá)到最大為止。格式為 =newrb(P， T， GOAL， SPREAD， MN， Dn，其中 P,T， SPREAD 變量的意義同 newrbe 0 函數(shù)， GOAL 為訓(xùn)練精度，缺省值為 0， MN 為神經(jīng)元個(gè)數(shù)的最大值， DF 為訓(xùn)練過(guò)程的顯示頻率。 (3)radbas。徑向基傳遞函數(shù)。此函數(shù)是通過(guò)它的網(wǎng)絡(luò)輸入的輕快，從而來(lái)確定神經(jīng)元的輸出。 (4)sim()。神經(jīng)網(wǎng)絡(luò)仿真函數(shù)。格式為 Y=sim(， P)。其中 為神經(jīng)網(wǎng)絡(luò)對(duì)象， P 為網(wǎng)絡(luò)輸入， Y 為網(wǎng)絡(luò)輸出。 RBF 神經(jīng)網(wǎng)絡(luò)訓(xùn)練的部分代碼如下 : xn_train = n1。 % 訓(xùn)練樣本 dn_train = x1。 % 訓(xùn)練目標(biāo) xn_test = n2。 % 測(cè)試樣本 dn_test = x2。 % 測(cè)試目標(biāo) 電子電路故障診斷系統(tǒng)設(shè)計(jì) 26 P = xn_train。 T = dn_train。 goal = 1e8。 % 訓(xùn)練誤差的平方和 (默認(rèn)為 0) spread = 40。 % 此值越大 ,需要的神經(jīng)元就越少 (默認(rèn)為 1) MN = size(xn_train,2)。 % 最大神經(jīng)元數(shù) (默認(rèn)為訓(xùn)練樣本個(gè)數(shù) ) DF = 1。 % 顯示間隔 (默認(rèn)為 25) = newrb(P,T,goal,spread,MN,DF)。 X = sim(,xn_test)。 % 測(cè)試 輸出為預(yù)測(cè)值 X = full(pet(X)) % 競(jìng)爭(zhēng)輸出 Result = ~sum(abs(Xx2)) % 正確分類(lèi)顯示為 1 Percent = sum(Result)/length(Result) % 正確分類(lèi)率 四運(yùn)放雙二階高通濾波器的故障診斷 像上述一樣，由于數(shù)據(jù)龐大，我們選取了其中的 SF0,SF1,SF4,SF5,SF7 進(jìn)行研究。做法同 ，按照分析的方法提取故障特征的平均值（ mean）、最大值（ max）、最小值（ min）、方差（ var）、偏度（ skewness）、峭度（ kurtosis），同樣 我們把得到的數(shù)據(jù)進(jìn)行分組，分別把上述幾個(gè)故障的前 10 組進(jìn)行訓(xùn)練，后 10 組進(jìn)行測(cè)試。 同樣，我們經(jīng)過(guò) matlab 的訓(xùn)練調(diào)整，分類(lèi)率在 90%以上的訓(xùn)練誤差曲線(xiàn)如圖 所示，表 和表 分別是實(shí)際輸出值與期望輸出值。 表 實(shí)際輸出值 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 寧波大學(xué)科學(xué)技術(shù)學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 27 表 期望輸出值 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 電子電路故障診斷系統(tǒng)設(shè)計(jì) 28 5 總結(jié)與展望 社會(huì)在進(jìn)步，科技也伴隨著同時(shí)進(jìn)步，而電日常所用電子設(shè)備及生活電子設(shè)備也更加的先進(jìn)，這就要求我們對(duì)這些電子設(shè)備的維護(hù)更加的用心用力。傳統(tǒng)的設(shè)備檢測(cè)已經(jīng)難以滿(mǎn)足這種高設(shè)備高自動(dòng)化的維修需求，我們必須開(kāi)發(fā)出更加便利更加省心的診斷模擬 電路的方法。傳統(tǒng)的模擬電路故障診斷的方法常常是限定在一個(gè)電路中只出現(xiàn)一個(gè)故障的情形，我們，而且也不太準(zhǔn)確，投入的財(cái)力及物力更就要求更多。除此之外，一個(gè)元器件或者多個(gè)元器件的損壞很可能導(dǎo)致電路癱瘓或者更嚴(yán)重的人員傷亡。因此模擬電路故障診斷已經(jīng)發(fā)展為亟需解決的熱門(mén)課題。 在本次畢業(yè)設(shè)計(jì)中，我主要研究基于 BP 神經(jīng)網(wǎng)絡(luò)及基于 RBF 神經(jīng)網(wǎng)絡(luò)的故障診斷。而且在我本次進(jìn)行畢業(yè)設(shè)計(jì)的過(guò)程中，我的收獲主要有以下幾個(gè)方面： （ 1） 了解了神經(jīng)網(wǎng)絡(luò)的基本理論， BP 神經(jīng)網(wǎng)絡(luò)及 RBF 神經(jīng)網(wǎng)絡(luò)模型的建立； （ 2） 了解 模擬電路故障類(lèi)型和分類(lèi)，以及特征 提??； （ 3）了解了 BP 神經(jīng)網(wǎng)絡(luò)以及 RBF 神經(jīng)網(wǎng)絡(luò)的故障診斷理論； （ 4） 通過(guò)本文的研究我認(rèn)為其還可以應(yīng)用到其他的領(lǐng)域，同時(shí)可為其他相關(guān)的故障診斷提供了以上方法的參考。 本課題是主要是通過(guò)運(yùn)用 BP 以及 RBF 神經(jīng)網(wǎng)絡(luò)的基本知識(shí)，以 SallenKey 低通濾波器及四運(yùn)放雙二階高通濾波器為例，為此建立實(shí)時(shí)診斷系統(tǒng)，從而進(jìn)一步幫助相關(guān)的工作人員快速、準(zhǔn)確地找到故障并排除故障，由此可看出，這種方法也已改變了以往只靠經(jīng)驗(yàn)、查手冊(cè)的笨拙的方法，此外也為工廠(chǎng)的生產(chǎn)節(jié)約了大量的財(cái)力物力。 有待改進(jìn)的地方：首先，在理論上 BP 神 經(jīng)網(wǎng)絡(luò)的算法還有許多問(wèn)題需要解決， BP 網(wǎng)絡(luò)的 學(xué)習(xí)速率是不變的，即每一次訓(xùn)練權(quán)值的變化量是固定不變的，往往使得網(wǎng)絡(luò)的訓(xùn)練時(shí)間很長(zhǎng)，甚至有時(shí)選取了較小的學(xué)習(xí)速率，已經(jīng)達(dá)到了訓(xùn)練步長(zhǎng)數(shù)，而網(wǎng)絡(luò)還沒(méi)有收斂，后來(lái)出現(xiàn)了很多改進(jìn)的 BP 算法，其中有改進(jìn)的自適應(yīng)學(xué)習(xí)速率算法等。其次影響 RBF 神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性映射能力的因素主要是由隱層基函數(shù)決定，但基函數(shù)的特性是由基函數(shù)的中心決定，這樣就會(huì)導(dǎo)致其不能提取出準(zhǔn)確的數(shù)據(jù)去構(gòu)造 RBF 神經(jīng)網(wǎng)絡(luò)，顯然，其性能也不能達(dá)到預(yù)想的效果 。 BP 神經(jīng)網(wǎng)絡(luò)的展望：目前，國(guó)內(nèi)外很多學(xué)者已經(jīng)研究出很多 改進(jìn)型的。 BP 網(wǎng)絡(luò)算法，但是這也僅僅能對(duì)一些特定的問(wèn)題進(jìn)行較好的求解，而且即使對(duì)相同題目的求解也會(huì)出現(xiàn)反復(fù)的無(wú)常性，從而使之缺乏通用性。因此，未來(lái)的 BP 算法應(yīng)在收斂速度、尋找全局最優(yōu)寧波大學(xué)科學(xué)技術(shù)學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 29 點(diǎn)和系統(tǒng)穩(wěn)定性上力求取得更大的突破。 RBF 神經(jīng)網(wǎng)絡(luò)的展望：在今后的研究中可能會(huì)朝著改進(jìn) RBF 網(wǎng)絡(luò)的非線(xiàn)性映射能力上去深入研究，以此來(lái)提高網(wǎng)絡(luò)診斷的性能。 電子電路故障診斷系統(tǒng)設(shè)計(jì) 30 參考文獻(xiàn) [1] 楊士元．模擬系統(tǒng)的故障診斷與可靠性設(shè)計(jì) [Z].北京：清華大學(xué)出版社， 1993． [2] 譚陽(yáng)紅．基于小波和神經(jīng)網(wǎng)絡(luò)的大規(guī)模模擬電路故障診斷研究 [D]： [博士學(xué)位論文 ]．長(zhǎng)沙：湖南大學(xué)， 20xx． [3] 虞何濟(jì) . 基于神經(jīng)網(wǎng)絡(luò)故障診斷 [Z].北京工業(yè)出版社 .20xx 年 10 月 . [4] 胡世玲 .基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷 [M].哈爾濱： 哈爾濱理工大學(xué)出版社 .20xx. [5] 韓立群 .人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用 [M].北京：化學(xué)工業(yè)出版社 .20xx:5354. [6] 劉洪海 ,陳晨 .基于 BP 神經(jīng)網(wǎng)絡(luò)的故障診斷 [J].科技資訊報(bào) .（ 2).200 [7] 趙國(guó)南．模擬電路故障診斷 [M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社， 20xx： 2428． [8] 胡亦農(nóng)等．基于神經(jīng)網(wǎng)絡(luò)模型的知識(shí)獲取方法與故障診斷 [J].華中理工大學(xué)學(xué)報(bào)，1995， 23（ 2）： 3034 [9] Taylor amp。 Francis. Criterion Function for BrokenBar Fault Diagnosis .IEEE Power :220– 234, 20xx [10] ． Rencher． Methods of multivariate analysis． New York： Wiley， 1995． [11] 朱彥卿，何怡剛．一 種基于模糊神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法 [M]．計(jì)算機(jī)科學(xué)，20xx,37(12)： 280282 [12] ong R． Park， and Chung Chen． Predicting sunspots using a layered perceptron neural work． IEEE Trans． Neural works， 1996， 7(2)：501505． 寧波大學(xué)科學(xué)技術(shù)學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 31 致謝 在此論文完成之際，我由衷地感謝那些直接或間接為本文作出貢獻(xiàn)，或給與作者關(guān)懷和幫助的人們。 衷心感 謝我的導(dǎo)師陳勇旗副教授， 他的嚴(yán)格要求和在研究方法上對(duì)我的指導(dǎo)，使我能夠完成這篇論文。陳老師給我的輔導(dǎo)很多，只要不會(huì)或者不懂他都會(huì)耐心的給我講解，然后舉例幫助我去理解，態(tài)度嚴(yán)謹(jǐn)是一名優(yōu)秀的人民教師 。嚴(yán)格要求我去完成畢業(yè)論文，而且能夠督促我并幫助我完成畢業(yè)論文的設(shè)計(jì)，我感到很榮幸，讓我遇到這么淵博的的導(dǎo)師。 最后深深感謝父親、母親以及眾多親友多年來(lái)始終如一地給予我的關(guān)心和支持。他們的理解以及不斷地相信我讓我讀滿(mǎn)了四年的大學(xué)，讓我的視野更加開(kāi)闊，心胸更加寬廣。在這里，我非常感謝他們對(duì)我的無(wú)微不至的栽培。謹(jǐn)以此文獻(xiàn) 給他們！ 電子電路故障診斷系統(tǒng)設(shè)計(jì) 32