基于信息融合的模拟电路故障诊断系统的研究

摘要

随着电子技术的发展，现代设备复杂化程度在不断增加，电子电路的后期维护就显得非常重要。在实际应用中，由于模拟电路具有非线性、易受外界干扰等特点，使得模拟电路的故障在设备总故障中占有较大比例。因此，对模拟电路的故障诊断技术的深入研究具有重大意义。
　　首先，本文综述了模拟电路故障诊断技术的发展，详细介绍了特征提取方法、神经网络方法与信息融合技术。针对传统信息融合系统的不足，本文将多种特征提取方法、神经网络与信息融合中D-S证据理论相结合，构建了基于三级信息融合技术的系统模型。
　　其次，系统以小波包分析与PCA融合的方法提取特征信息，输入至BP神经网络中进行初步诊断，诊断结果为D-S证据理论的最终诊断提供证据体信息，从而实现了特征/特征、特征/决策与决策/决策三个层次的融合。
　　接着，将信息融合技术应用于模拟电路故障诊断中，通过对具体电路的仿真，详细介绍了系统故障的诊断过程，并输出BP神经网络的初步诊断信息，以及D-S证据理论融合决策的最终结果。仿真结果表明，基于信息融合技术的系统不仅有更好的故障诊断精度，而且拥有更快的诊断速率。
　　最后，在实际的雷达故障诊断中实现了基于三级信息融合技术的故障诊断系统，并构建了系统的结构总图。同时，以具体的实例详细介绍了雷达故障诊断软件的运行，体现出了人性化、智能化的设计。

目录

声明

摘要

第一章 绪论

1．1 选题背景与研究意义

1．2 模拟电路故障诊断技术的发展及其趋势

1．2．1 模拟电路故障诊断技术的发展过程

1．2．2 模拟电路故障诊断技术的发展现状

1．3 信息融合技术的发展及其现状

1．3．1 信息融合技术的发展过程

1．3．2 信息融合技术的发展现状

1．4 本文的主要内容和章节安排

第二章 基于信息融合的模拟电路故障诊断系统

2．1 基于信息融合的模拟电路故障诊断方法

2．1．1 信息融合技术概述

2．1．2 传统信息融合系统介绍及改进

2．2 信息融合故障诊断系统的基本模块介绍

2．2．1 系统故障特征的选择及提取模块

2．2．2 系统样本集的构造模块

2．2．3 神经网络初步决策模块

2．2．4 系统基于D-S证据融合决策模块

2．3 本章小结

第三章 模拟电路故障诊断的神经网络方法

3．1 神经网络概述

3．2 BP神经网络

3．2．1 BP神经网络模型

3．2．2 BP神经网络的学习算法

3．2．3 BP神经网络的改进

3．3 RBF神经网络

3．3．1 RBF神经网络模型

3．3．2 RBF神经网络的学习算法

3．4 实例分析

3．4．1 待诊断电路模型及诊断过程

3．4．2 神经网络结构设计及结果分析

3．5 本章小结

第四章 模拟电路的特征提取方法

4．1 特征提取方法的概述

4．2 主元分析法

4．3 小波分析方法

4．3．1 小波变换

4．3．2 小波包分析

4．4 小波包分析与主元分析法的融合

4．4．1 小波包分析融合主元分析法应用于故障诊断

4．4．2 小波包分析融合主元分析法的特征提取

4．4．3 实例分析

4．5 本章小结

第五章 信息融合技术在模拟电路故障诊断系统中的应用

5．1 基于信息融合技术的故障诊断系统

5．1．1 D-S证据理论介绍

5．1．2 基于信息融合的故障诊断系统结构

5．2 模拟电路故障诊断系统应用实例一

5．2．1 电路故障诊断情况分析

5．2．2 诊断结果

5．2．3 信息融合前后诊断结果比较与分析

5．3 模拟电路故障诊断系统应用实例二

5．3．1 待诊电路模型

5．3．2 电路故障诊断情况分析

5．3．3 信息融合前后诊断结果比较与分析

5．4 本章小结

第六章 基于信息融合的故障诊断系统在雷达故障诊断中的实现

6．1 传统的雷达故障诊断系统及其不足

6．2 基于信息融合的雷达故障诊断系统

6．2．1 雷达故障诊断系统结构

6．2．2 雷达故障诊断系统实现

6．3 本章小结

第七章 总结与展望

7．1 总结

7．2 展望

致谢

参考文献

攻读硕士学位期间发表的论文