基于BP神经网络的模拟电路故障诊断及实现

摘要

模拟电路的结构越来越复杂，而相应的模拟电路故障诊断技术研究成为了当今的热点。本文采用了BP神经网络的模拟电路故障诊断方法，结合了多分辨分析和因子分析故障特征提取方法。研究内容包括以下几方面:
　　 1)利用电子电路仿真分析软件ORCAD完成原理图绘制，并用PSPICE对电路进行直流灵敏度分析仿真，列出关键性的元件，并根据元器件的参数构造故障字典和故障类型。
　　 2)同时将电路进行蒙特卡洛分析，获得正常模式和各种故障模式下的信息，并将其分为训练样本集和测试样本集。
　　 3)对摄取的复杂的原始故障信息进行故障特征提取，本文采用了两种方法，一是运用多分辨分析法，二是统计学方法--因子分析法，两种不同的方法分别提取故障特征，进行故障信息的预处理，处理后的数据信息作为新的训练样本集和测试样本集输入到神经网络，将两种信息处理方法进行比较。
　　 4)对BP神经网络都统一为单隐层网络，相同的期望误差，分别用上述方法提取的故障特征向量训练网络并仿真。
　　 5)多分辨分析特征提取法训练的神经网络能够较好的实现故障诊断，因子分析法相对较差，但是可以得到更好的改进，达到预期的目的。

目录

摘要

第1章 绪论

1．1 课题研究意义

1．2 模拟电路故障诊断概述

1．2．1 模拟电路故障诊断的发展历史

1．2．2 模拟电路故障诊断国内外研究现状

1．3 本文主要工作及结构

第2章 模拟电路故障诊断原理

2．1 引言

2．2 模拟电路故障诊断的基本知识

2．2．1 故障诊断的定义

2．2．2 故障产生的原因

2．2．3 故障类型和故障测试

2．2．4 模拟电路测试的主要任务

2．3 故障诊断方法

第3章 BP神经网络

3．1 神经网络发展历史

3．2 神经网络的基本结构

3．3 神经网络的分类

3．4 BP神经网络

3．5 BP学习规则

3．6 BP网络在故障诊断中的应用

3．6．1 基于神经网络的故障诊断方法

3．6．2 BP神经网络的实际应用

第4章 故障特征提取方法——多分辨分析

4．1 故障特征提取的原理

4．2 小波分析法

4．2．1 小波变换的基本理论

4．2．2 连续小波变换

4．3 多分辨分析

4．3．1 多分辨分析提取故障特征的步骤

4．3．2 MATLAB简介

4．4 实验仿真

第5章 故障特征提取方法——因子分析

5．1 SPSS软件介绍

5．2 因子分析的概念

5．3 因子分析的基本步骤

5．4 实验仿真

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