【摘要】：隨著電子技術的進步,模擬電路向著大規(guī)模、集成化方向發(fā)展,電路元件發(fā)生故障的幾率大大增加,個別元件發(fā)生故障往往會影響到整個系統(tǒng)的正常工作�？萍嫉陌l(fā)展對模擬電路故障的測試和診斷提出了更加嚴格的要求,使得對模擬電路故障領域的研究顯得尤為重要,一些傳統(tǒng)的故障診斷方法不再適用于現(xiàn)在的電路。隨著以神經(jīng)網(wǎng)絡為代表的人工智能技術以及小波理論、混沌、粒子群等新方法不斷融合到故障診斷領域中,這些新方法為模擬電路故障診斷開辟了新的思路,使模擬電路故障診斷方法的研究趨于多樣化與實用化。進行高效的故障診斷方法研究是發(fā)展的趨勢。本論文探討了模擬電路故障診斷,研究了基于神經(jīng)網(wǎng)絡及混沌神經(jīng)網(wǎng)絡的模擬電路故障診斷方法,主要內(nèi)容由以下幾部分構成:(1)詳細闡述了神經(jīng)網(wǎng)絡理論,對神經(jīng)網(wǎng)絡的靈活應用特性及有效分類性能進行了研究,并應用小波神經(jīng)網(wǎng)絡進行模擬電路故障診斷。(2)在故障特征提取環(huán)節(jié)中,提出一種小波分解與模糊聚類相結合進行預處理的故障特征提取方法,濾除冗余及噪聲分量,有效提取故障特征,實現(xiàn)降低故障信息維數(shù),優(yōu)化神經(jīng)網(wǎng)絡的輸入量。(3)提出一種基于混沌神經(jīng)網(wǎng)絡的模擬電路故障診斷方法,把混沌的遍歷性、隨機性和對初值的敏感性等特點與神經(jīng)網(wǎng)絡的學習、映射能力相結合,使神經(jīng)網(wǎng)絡具有混沌特性,改善了神經(jīng)網(wǎng)絡的收斂速度,提高了網(wǎng)絡的學習、泛化能力,提高故障診斷效率。(4)為了驗證文中所提方法的正確性,使用ORCAD10.5、MATLAB軟件對實際電路進行編程仿真;仿真結果表明,本文所提出的方法能夠進一步提高模擬電路故障診斷的效率,對軟故障具有很好的故障定位能力。
[Abstract]:With the development of electronic technology, analog circuits are developing towards large scale and integration. The probability of circuit components failure is greatly increased, and the failure of individual components will often affect the normal operation of the whole system. With the development of science and technology, more strict requirements are put forward for the fault testing and diagnosis of analog circuits, which makes the research on the fault field of analog circuits more important. Some traditional fault diagnosis methods are no longer suitable for the current circuits. With the artificial intelligence technology represented by neural network and wavelet theory, chaos, particle swarm optimization and other new methods merging into the field of fault diagnosis, these new methods open a new way for analog circuit fault diagnosis. The research on fault diagnosis of analog circuits tends to be diversified and practical. It is a developing trend to study the efficient fault diagnosis method. This paper discusses the fault diagnosis of analog circuit, and studies the fault diagnosis method of analog circuit based on neural network and chaotic neural network. The main contents are as follows: (1) the theory of neural network is expounded in detail. The flexible application characteristic and effective classification performance of neural network are studied, and the fault diagnosis of analog circuit is carried out by using wavelet neural network. (2) in fault feature extraction, A fault feature extraction method combining wavelet decomposition and fuzzy clustering is proposed to filter out redundant and noise components, extract fault features effectively and reduce the dimension of fault information. (3) an analog circuit fault diagnosis method based on chaotic neural network is proposed. The characteristics of chaos ergodicity, randomness and sensitivity to initial values are combined with the learning and mapping ability of neural network. The neural network has chaotic characteristics, improves the convergence speed of neural network, improves the learning and generalization ability of neural network, and improves the efficiency of fault diagnosis. (4) in order to verify the correctness of the proposed method, ORCAD10.5, is used. The actual circuit is simulated by MATLAB software. Simulation results show that the proposed method can further improve the efficiency of analog circuit fault diagnosis and has a good fault location ability for soft faults.
【學位授予單位】：湖南師范大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN710;TP183

【共引文獻】

相關期刊論文 前10條

1 倪志偉;;BP網(wǎng)絡中激活函數(shù)的深入研究[J];安徽大學學報(自然科學版);1997年03期

2 王瑞梅;傅澤田;何有緣;;基于神經(jīng)網(wǎng)絡的模糊系統(tǒng)池塘淡水養(yǎng)殖溶解氧預測模型[J];安徽農(nóng)業(yè)科學;2010年33期

3 于智恒;寇立娟;王鋼鋼;;農(nóng)田水位及環(huán)境因素對小麥生理指標的影響預測[J];安徽農(nóng)業(yè)科學;2010年34期

4 張麗;白雪蓮;王悅鈺;安可君;;灰色神經(jīng)網(wǎng)絡耦合模型在河套灌區(qū)引黃水量預測中的應用[J];安徽農(nóng)業(yè)科學;2012年01期

5 于洪梅,朱曉明,陳剛;人工神經(jīng)網(wǎng)絡光度法同時測定鋯和鈦[J];鞍山科技大學學報;2003年01期

6 張志紅;;基于隨機初始中心的FCM算法及其應用[J];安徽水利水電職業(yè)技術學院學報;2008年01期

7 梁艷;靳東明;;基于CMOS模擬電路的徑向基函數(shù)神經(jīng)網(wǎng)絡[J];半導體學報;2008年02期

8 蔡躍明，，沈永朝;基于人工神經(jīng)網(wǎng)絡的A／D轉換器[J];半導體雜志;1995年03期

9 倪代恒;神經(jīng)網(wǎng)絡在公路交通中的應用──汽車轉向仿真[J];北方交通大學學報;1995年S1期

10 王曉芳,孫尚民,余祖俊,史紅梅;用于振動噪聲分析的模糊神經(jīng)網(wǎng)絡故障診斷測試儀的研制[J];北方交通大學學報;1998年04期

相關博士學位論文 前10條

1 高曉陽;甘肅河西大麥麥芽干燥控制系統(tǒng)研究[D];甘肅農(nóng)業(yè)大學;2010年

2 張克俊;基因表達式編程理論及其監(jiān)督機器學習模型研究[D];浙江大學;2010年

3 劉波平;近紅外光譜技術在多組分檢測及模式識別中的應用研究[D];南京理工大學;2011年

4 張樂平;干細胞表達譜的生物信息學與系統(tǒng)生物學分析[D];復旦大學;2011年

5 葉宗彬;大功率提升機三電平雙饋調(diào)速關鍵技術研究[D];中國礦業(yè)大學;2010年

6 彭志威;基于計算流體力學的虹吸式流道形狀優(yōu)化設計[D];湖南大學;2009年

7 戴雄奇;供水管網(wǎng)重大漏損事故模擬、定位與控制技術[D];天津大學;2010年

8 謝宜學;民營醫(yī)院醫(yī)療虛擬團隊的組織管理研究[D];天津大學;2011年

9 曾俊;圖像邊緣檢測技術及其應用研究[D];華中科技大學;2011年

10 荊騰;葉輪式心臟泵的仿生控制研究[D];江蘇大學;2011年

相關碩士學位論文 前10條

1 閻明;蒸汽發(fā)生器故障預報方法研究[D];哈爾濱工程大學;2010年

2 楊克強;LVQ神經(jīng)網(wǎng)絡在齒輪箱故障診斷中的研究[D];安徽農(nóng)業(yè)大學;2010年

3 沈艷超;車輛特征提取和分類方法的研究[D];長沙理工大學;2010年

4 王賢明;基于橢球集員估計理論的神經(jīng)網(wǎng)絡學習算法研究[D];長沙理工大學;2010年

5 陳小強;神經(jīng)網(wǎng)絡方法在灌區(qū)需水量預測中的應用研究[D];新疆農(nóng)業(yè)大學;2010年

6 李霜;農(nóng)用柴油機潤滑油中磨粒分析及濃度趨勢預測[D];昆明理工大學;2008年

7 汪輝;神經(jīng)網(wǎng)絡在數(shù)字化卷煙配方優(yōu)化中的應用研究[D];昆明理工大學;2010年

8 黃子良;Pb-Al復合電極材料制備技術及性能的研究[D];昆明理工大學;2009年

9 董紅;利用餐飲廢油制取生物柴油的工藝研究[D];石河子大學;2010年

10 王慧萍;基于BP神經(jīng)網(wǎng)絡的第三方物流企業(yè)競爭力評價研究[D];武漢理工大學;2010年

本文編號：2423009