基于遗传算法和神经网络的模拟电路故障诊断方法研究

摘要

随着电子元器件的制造工艺的不断提升，各种电路的集成度日益加大，尤其模拟电路的结构愈加复杂，因此与模拟电路故障诊断技术相应的研究愈发重要。面对传统的BP神经网络用于电路诊断的诸多缺点，如诊断效率不高、达不到有效收敛。各种BP神经网络改进算法不断出现，如附加动量法、统计算法和竞争BP算法等等。总体上讲，这些算法通过随机选取BP网络的权值和阈值，对学习速率加以改进，虽取得一定的诊断效果，但是没有优化网络结构，随时调整权值和阈值以使得网络达到最佳。因此本文从优化BP神经网络的权值和阈值方向做工作，将遗传算法用于优化BP神经网络来进行模拟电路故障诊断，达到高效率、高精度的诊断目的。本文主要研究内容为以下几点:
　　(1)对模拟电路运用电路仿真设计软件OrCAD进行原理图绘制，再对该电路进行直流灵敏度分析，并根据元器件的直流灵敏度分析结果来构造故障类型。
　　(2)将模拟电路进行蒙特卡洛(MC)分析，得到各种故障状态下的电路参数信息，整合利用这些信息，将其分为训练样本集和测试样本集。
　　(3)用传统的BP神经网络对电路进行故障诊断，观察传统BP神经网络的训练步长、训练曲线误差，记录其故障诊断率。
　　(4)用简单遗传算法(SGA)对BP神经网络进行优化，使得BP神经网络的权值和阈值得到最优值，网络达到全局最优解。然后用该网络对电路进行故障诊断，观察应用该算法对电路的诊断，记录其故障诊断效果。
　　(5)改进简单遗传算法的编码方式，用实数编码及其与之相应一系列的遗传操作算子来对BP神经网络加以优化，并将其用于电路故障诊断，比较改进算法和简单遗传算法的诊断效果，获得改进算法的优点，提出今后工作的方向。

目录

摘要

第1章 绪论

1．1 课题研究背景及意义

1．2 课题国内外研究现状

1．3 本文主要工作及结构

第2章 模拟电路故障诊断概述及方法

2．1 模拟电路故障诊断概述

2．1．1 模拟电路故障诊断的基本概念

2．1．2 模拟电路故障诊断分类

2．2 模拟电路故障诊断方法

2．2．1 故障诊断的定义及故障原因来源

2．2．2 模拟电路故障诊断方法分析

2．2．3 故障类型分类及测试

第3章 BP神经网络用于模拟电路故障诊断

3．1 人工神经网络的发展历史

3．2 人工神经网络概述

3．2．1 神经网络的特点

3．2．2 神经网络的结构

3．2．3 神经网络的分类

3．3 人工神经网络的学习算法

3．3．1 梯度下降算法

3．3．2 牛顿下降算法

3．3．3 模拟退火算法

3．4 BP神经网络

3．4．1 BP网络结构

3．4．2 BP神经网络算法

3．4．3 BP算法出现的问题

3．5 BP神经网络应用诊断实例

3．5．1 灵敏度分析用于故障诊断

3．5．2 诊断实例分析

第4章 基于遗传算法的模拟电路故障诊断研究

4．1 遗传算法概述

4．2 遗传算法的特点

4．3 基本遗传算法

4．3．1 简单遗传算法及算法描述

4．3．2 遗传算法的操作

4．3．3 遗传算法的适应度函数

4．4 遗传算法优化BP神经网络

4．4．1 优化BP神经网络权值和阈值

4．4．2 优化BP神经网络学习规则

4．4．3 优化BP神经网络结构

4．5 改进遗传算法及诊断实例

4．5．1 MATLAB软件及遗传算法工具箱简介

4．5．2 遗传算法的编码及其改进

4．5．3 仿真实例与比较

第5章 总结与展望

参考文献

攻读硕士期间发表的学术论文

致谢

声明