【正文】 在這里，我非常感謝他們對(duì)我的無微不至的栽培。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。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)的非線性映射能力上去深入研究，以此來提高網(wǎng)絡(luò)診斷的性能。其次影響RBF神經(jīng)網(wǎng)絡(luò)的非線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。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。傳統(tǒng)的設(shè)備檢測(cè)已經(jīng)難以滿足這種高設(shè)備高自動(dòng)化的維修需求，我們必須開發(fā)出更加便利更加省心的診斷模擬電路的方法。 % 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)) % 正確分類顯示為1 Percent = sum(Result)/length(Result) % 正確分類率 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。 % 此值越大,需要的神經(jīng)元就越少(默認(rèn)為1) MN = size(xn_train,2)。 % 測(cè)試目標(biāo) P = xn_train。 RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練的部分代碼如下:xn_train = n1。(4)sim()。格式為net=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)練過程的顯示頻率。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)。相反隨著spread變小，函數(shù)的逼近誤差越小，但是其逼近曲線將會(huì)隨著spread的減小變得不再平滑。所以說也是對(duì)RBF神經(jīng)網(wǎng)絡(luò)的不足進(jìn)行改進(jìn)后的網(wǎng)絡(luò)，在對(duì)待樣本訓(xùn)練模式分類上有一定的優(yōu)勢(shì)。（3）概率神經(jīng)網(wǎng)絡(luò)PNN以上介紹了廣義回歸神經(jīng)網(wǎng)絡(luò)是RBF神經(jīng)網(wǎng)絡(luò)的其中一分支，這里要說的它的另一分支。綜合以上因素，我們采用RBF神經(jīng)網(wǎng)絡(luò)再次對(duì)故障電路進(jìn)行診斷。（2）RBF神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的輸入和輸出映射功能，并且理論證明在前向網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)是完成映射功能的最優(yōu)網(wǎng)絡(luò)。再次，BP網(wǎng)絡(luò)隱層的層數(shù)、節(jié)點(diǎn)數(shù)的確定缺乏理論依據(jù)和指導(dǎo)，通過試驗(yàn)和以往的經(jīng)驗(yàn)來選取合適的結(jié)構(gòu)是有效的途徑。目前理論上已經(jīng)得出結(jié)論，認(rèn)為隱含層神經(jīng)元數(shù)越多，網(wǎng)絡(luò)的逼近效果越強(qiáng)。當(dāng)輸入信號(hào)靠近基函數(shù)的中央范嗣時(shí)，隱含層節(jié)點(diǎn)將產(chǎn)生較大的輸出。這樣就得到了20組用于訓(xùn)練和測(cè)試的原始數(shù)據(jù)樣本集。 %訓(xùn)練顯示間隔 = inf。 %測(cè)試輸出 = Epochs。 %訓(xùn)練輸入t1 = dn_train。 %測(cè)試樣本dn_test = x2。traingdm函數(shù)為梯度下降動(dòng)量BP算法函數(shù)。1）learngd該函數(shù)為梯度下降權(quán)值/閾值學(xué)習(xí)函數(shù)，它通過神經(jīng)元的輸入和誤差，以及權(quán)值和閾值的學(xué)習(xí)效率，來計(jì)算權(quán)值或閾值的變化率。調(diào)用格式為：A=logsig（N）info=logsig（code）其中， N：Q個(gè)S維的輸入列向量；A：函數(shù)返回值，位于區(qū)間（0，1）中；（2）tansig該函數(shù)為雙曲正切S型傳遞函數(shù)。 （2）newcf函數(shù)用于創(chuàng)建級(jí)聯(lián)前向BP網(wǎng)絡(luò)，newfftd函數(shù)用于創(chuàng)建一個(gè)存在輸入延遲的前向網(wǎng)絡(luò)。 BP神經(jīng)網(wǎng)絡(luò)的工具箱函數(shù)1. BP網(wǎng)絡(luò)創(chuàng)建函數(shù)（1) newff該函數(shù)用于創(chuàng)建一個(gè)BP網(wǎng)絡(luò)。 a為110之間的常數(shù)。太少又會(huì)導(dǎo)致識(shí)別能力過低，所以在構(gòu)造網(wǎng)絡(luò)時(shí)，需要選擇合適的隱層節(jié)點(diǎn)數(shù)。在本課題研究的故障診斷中，因?yàn)檠芯康氖莻€(gè)5維的輸入，故輸入節(jié)點(diǎn)就是5個(gè)。 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)主要包含以下幾部分，主要有輸入層, 隱層, 輸出層，及各層間的傳輸函數(shù)等[10]。從系統(tǒng)整體的角度來說，如果F是一個(gè)獨(dú)立而不受外界干擾的理想封閉系統(tǒng)，X=（x1，x2,...xm）為系統(tǒng)輸入向量，Y=（y1，y2,...,yn)為系統(tǒng)輸出向量，輸入和輸出滿足Y = fX，我們認(rèn)為對(duì)樣本數(shù)據(jù)的擬合度越高，對(duì)系統(tǒng)模擬的越成功[9]。而后對(duì)這些故障一一提取特征值。注意：網(wǎng)絡(luò)權(quán)值和閾值都是可以調(diào)節(jié)的，這是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)特性的基本內(nèi)容之一。Σ ?ab1ω(1,1)ω(1,R)P(1)P(2)P(R) 神經(jīng)元模型，常見的神經(jīng)元模型由下列幾部分組成：1）輸入：代表神經(jīng)元R個(gè)輸入。這樣當(dāng)需進(jìn)行故障診斷時(shí)，只需要將故障電路的特征值進(jìn)行提取，然后在做好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行測(cè)試即可確定故障的類型[7]。 () 按照上述介紹的六種指標(biāo)將數(shù)值提取后，將這20組數(shù)據(jù)的20組指標(biāo)放入同一矩陣中，這樣我們就有了輸入模式，而我取得電路故障是4種情況加一種正常情況共是5種情況，這樣輸入數(shù)據(jù)就是一個(gè)6行100列的矩陣。（3） 平均值（mean）：這里取的是算術(shù)平均值，為第i個(gè)樣本數(shù)據(jù)。n就是nF，k就是k。 SallenKey低通濾波器的元件值及其單故障類型故障代碼故障類別正常值故障值SF0NFSF1C1↑5n10nSF2C1↓5nSF3C2↑5n10nSF4C2↓5nSF5R2↑1k2kSF6R2↓1kSF7R3↑2k6kSF8R3↓2k1k 四運(yùn)放雙二階高通濾波器故障設(shè)定，其截至頻率為10KHz，其電路元件容差的設(shè)定同上例相同。當(dāng)電路中的任何一個(gè)元件高于50%，或低于50％，而其它元件均在50%之內(nèi)浮動(dòng)時(shí)，對(duì)電路進(jìn)行仿真并獲得在某個(gè)特定時(shí)間段的模擬波形，然后記錄下對(duì)應(yīng)波形下的故障值，用multisim軟件對(duì)正常波形也在上述某個(gè)特定時(shí)間段進(jìn)行波形模擬，得出正常情況和故障情況的波形對(duì)比。 兩種診斷電路的故障設(shè)定本文主要研究SallenKey低通濾波器和四運(yùn)放雙二階高通濾波器的故障診斷，所以以下主要對(duì)兩種電路進(jìn)行簡(jiǎn)單的概述。給電路施加脈沖激勵(lì)，進(jìn)行仿真時(shí)，設(shè)定電阻和電容在各自的容差范圍內(nèi)變化，則認(rèn)為電路為無故障狀態(tài)。2 診斷電路和故障特征提取 模擬電路故障設(shè)定的基本思想本文主要針對(duì)電路的一個(gè)故障考慮，不考慮多個(gè)故障同時(shí)出現(xiàn)的情況。第二章 闡述了診斷電路硬件設(shè)計(jì)的基本知識(shí)。并用BP神經(jīng)網(wǎng)絡(luò)以及RBF神經(jīng)網(wǎng)絡(luò)的方法建立sallenKey低通濾波器及四運(yùn)放雙二階高通濾波器的故障診斷系統(tǒng)。2008年，Y．Tan等人提出了應(yīng)用遺傳算法及神經(jīng)網(wǎng)絡(luò)來進(jìn)行故障診斷，但是也要采集多個(gè)測(cè)試點(diǎn)的數(shù)據(jù)，這樣就會(huì)出現(xiàn)獲取樣本數(shù)據(jù)的復(fù)雜難題。2000年，F(xiàn)arzan Aminian等人主要是針對(duì)小波變換的思想，構(gòu)造出模擬電路的輸出信號(hào)，然后對(duì)這些信號(hào)進(jìn)行一系列的預(yù)處理，提取小波處理后的逼近信號(hào)，進(jìn)行主元分析，即PCA和歸一化處理，最后將前面的處理數(shù)據(jù)應(yīng)用到到神經(jīng)網(wǎng)絡(luò)并進(jìn)行故障診斷，這樣的診斷方法正確率可達(dá)到百分之九十五以上[4]。假設(shè)猜測(cè)正確，就可找到對(duì)應(yīng)的故障元器件。這種方法得出的故障分類很準(zhǔn)確，是不錯(cuò)的診斷方法。目前研究的模擬電路故障診斷技術(shù)大體分為兩大類，一個(gè)是以傳統(tǒng)的人力財(cái)力為基礎(chǔ)而進(jìn)行的故障診斷，一個(gè)是以神經(jīng)網(wǎng)絡(luò)為主要的插入手段，將神經(jīng)網(wǎng)絡(luò)引用到模擬電路的故障診斷中，從而獲得準(zhǔn)確率較高的效果。 模擬電路故障診斷方法的研究現(xiàn)狀模擬電路故障診斷的研究是從1970年開始的，到迄今也有幾十年的歷史，而電路的診斷技術(shù)也越來越成熟，方法也演變的多種多樣。但是往往維護(hù)又是一項(xiàng)巨大的難題，也是亟需解決的問題，我們必須要開發(fā)出一項(xiàng)優(yōu)越的診斷方法去面對(duì)故障診斷的研究，這樣才能保證設(shè)備系統(tǒng)功能的完整性與可靠性。 tested目　錄1 緒論 1 1 模擬電路故障診斷方法的研究現(xiàn)狀 1 本文主要的研究?jī)?nèi)容與結(jié)構(gòu)安排 3 本文主要的研究?jī)?nèi)容 3 本文主要的結(jié)構(gòu)安排 32 診斷電路和故障特征提取 4 模擬電路故障設(shè)定的基本思想 4 兩種診斷電路的故障設(shè)定 4 SallenKey低通濾波器的故障設(shè)定 5 四運(yùn)放雙二階高通濾波器的故障設(shè)定 8 診斷電路特征向量的提取 113 基于BP神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷 13 神經(jīng)網(wǎng)絡(luò)的故障診斷 13 神經(jīng)網(wǎng)絡(luò)基本原理 13 BP網(wǎng)絡(luò)用于故障診斷的基本思想 15 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì) 15 訓(xùn)練樣本的獲取及輸入輸出模式的確定 16 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì) 16 BP神經(jīng)網(wǎng)絡(luò)的工具箱函數(shù) 18 SallenKey低通濾波器的故障診斷 204 基于RBF神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷 24 RBF神經(jīng)網(wǎng)絡(luò)的基本知識(shí)概述 24 RBF神經(jīng)網(wǎng)絡(luò)的基本原理 24 RBF神經(jīng)網(wǎng)絡(luò)用于故障診斷的優(yōu)勢(shì) 24 RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì) 25 網(wǎng)絡(luò)的設(shè)計(jì) 25 RBF神經(jīng)網(wǎng)絡(luò)工具箱函數(shù) 26 275總結(jié)與展望 29參考文獻(xiàn) 31致謝 321 緒論 模擬電路故障診斷研究的背景與意義隨著電子行業(yè)的興盛，智能手機(jī)、筆記本電腦等一些高集成電路產(chǎn)品出現(xiàn)在我們的生活中，而且戚戚相關(guān)，難以離舍。針對(duì)這些故障類別，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)。本科畢業(yè)設(shè)計(jì)（論文） 電子電路故障診斷系統(tǒng)設(shè)計(jì)Design of fault diagnosis system for electronic circuit摘　要【摘要】目前電子自動(dòng)化的發(fā)展越來越成熟，電子設(shè)備功能越來越多。然后用MATLAB對(duì)樣本進(jìn)行訓(xùn)練與測(cè)試，并在實(shí)驗(yàn)室進(jìn)行調(diào)試，得到的誤差變化曲線基本上符合提出的期望。很明顯，這只是電子技術(shù)革新的開始，目前電子自動(dòng)化的發(fā)展越來越成熟，電子設(shè)備功能越來越多，其電路集成度也變得更高，這就會(huì)出現(xiàn)運(yùn)行時(shí)一個(gè)小小的故障也會(huì)導(dǎo)致財(cái)產(chǎn)的巨大損失以及我們生命的危險(xiǎn)。所以今日我們的模擬電路的故障診斷絕不能局限于人力，顯然人力也已經(jīng)難以或無法解決模擬電路的故障診斷這一難題。目前模擬電路故障診斷的主要任務(wù)有：在已知網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，輸入激勵(lì)信號(hào)，及由此獲得的故障響應(yīng)，從而來確定模擬電路故障發(fā)生的位置以及元器件的重要參數(shù)。（1）傳統(tǒng)故障診斷技術(shù)傳統(tǒng)的故障診斷技術(shù)主要分為下述幾種：故障字典法，故障參數(shù)識(shí)別法，故障驗(yàn)證法等幾類[2]。故障參數(shù)識(shí)別法是根據(jù)網(wǎng)絡(luò)的拓?fù)潢P(guān)系，輸入激勵(lì)和輸出響應(yīng)，估出網(wǎng)絡(luò)中的所有參數(shù)，或參數(shù)偏離標(biāo)稱值的偏差，最后對(duì)比容差范圍確定故障器件，該方法尤其適用于診斷軟故障。這種方法要求模擬電路滿足可測(cè)的條件。然而上述方法僅僅利用了分解信號(hào)后的低頻部分并不能全部顯示，這樣也就出現(xiàn)了部分故障難以診