本文選題：模擬電路 + 故障診斷　； 參考：《計算機工程與應用》2017年19期

【摘要】：提出了一種新的方法來進行模擬電路故障診斷。該方法包括Haar的小波分解,對數(shù)據(jù)的歸一化處理,以及用狼群算法優(yōu)化RBF神經(jīng)網(wǎng)絡。用Haar小波對所得的電路原始故障數(shù)據(jù)集進行變換,然后對變換后的數(shù)據(jù)進行歸一化處理,最終得出RBF神經(jīng)網(wǎng)絡訓練所需的輸入數(shù)據(jù)。針對RBF神經(jīng)網(wǎng)絡中隱層節(jié)點中心、基函數(shù)寬度及權值選取困難問題,使用狼群算法來優(yōu)化訓練RBF神經(jīng)網(wǎng)絡,以提高網(wǎng)絡訓練穩(wěn)定性與診斷成功率。通過兩個電路的診斷實例,來論述這些方法的具體實現(xiàn)過程,驗證用該方法進行模擬電路故障診斷的可行性。
[Abstract]:A new method for analog circuit fault diagnosis is proposed. The method includes wavelet decomposition of Haar, normalization of data, and optimization of RBF neural network with wolf swarm algorithm. The original circuit fault data set is transformed by Haar wavelet, and the transformed data is normalized. Finally, the input data for RBF neural network training is obtained. In order to improve the training stability and diagnostic success rate of RBF neural network, it is difficult to select the center of hidden layer node, the width of basis function and the weight value of the hidden layer node, so as to optimize the training of RBF neural network by using wolf swarm algorithm. Through two examples of circuit diagnosis, this paper discusses the realization process of these methods, and verifies the feasibility of using this method in analog circuit fault diagnosis.
【作者單位】： 桂林電子科技大學CAT實驗室;
【基金】：廣西自然科學基金重點項目(No.2015GXNSFDA139003) 廣西自動檢測技術與儀器重點實驗室基金(No.YQ14115,No.YQ17101)
【分類號】：TN710;TP18

【相似文獻】

相關期刊論文 前10條

1 鄒燕秋;韋忠善;;基于傅麗葉變換——神經(jīng)網(wǎng)絡的模擬電路故障診斷[J];廣西輕工業(yè);2007年12期

2 PaulJ Rose;;靈活的Hopfield神經(jīng)網(wǎng)絡ADC消除噪聲[J];電子設計技術;2008年04期

3 趙凱;;基于神經(jīng)網(wǎng)絡的模擬電路故障診斷方法淺析[J];科技資訊;2008年13期

4 杜建華;張認成;;LVQ神經(jīng)網(wǎng)絡的紅外光譜火災早期預警算法[J];華僑大學學報(自然科學版);2011年06期

5 趙光權;彭喜元;馬勛亮;;基于微分進化神經(jīng)網(wǎng)絡的模擬電路故障診斷[J];測試技術學報;2012年01期

6 王承;葉韻;梁海浪;何進;;基于多頻測試和神經(jīng)網(wǎng)絡的模擬電路故障診斷[J];計算機工程與應用;2013年05期

7 張路;李志華;;優(yōu)化的神經(jīng)網(wǎng)絡在模擬電路故障診斷中的應用[J];信息技術;2013年01期

8 葉伯琦,顧小剛;光折變神經(jīng)網(wǎng)絡(英文)[J];光子學報;1992年04期

9 李志良,松本,酒井,李夢龍,余般梅;神經(jīng)網(wǎng)絡擴展濾波訓練及色氨酸的選擇測定[J];光譜學與光譜分析;1997年03期

10 ;邊緣學科分支最新動向[J];中國無線電電子學文摘;2000年05期

相關會議論文 前8條

1 李明亮;王祖朝;母景琴;李聚光;趙戰(zhàn)明;;基于神經(jīng)網(wǎng)絡的模擬電路故障診斷研究[A];第四屆中國測試學術會議論文集[C];2006年

2 彭勃;聞道秋;喻國榮;閆志躍;;基于BP神經(jīng)網(wǎng)絡的網(wǎng)絡RTK電離層誤差改正模型研究[A];第三屆中國衛(wèi)星導航學術年會電子文集——S01北斗/GNSS導航應用[C];2012年

3 趙新龍;譚永紅;;基于遲滯算子的壓電執(zhí)行器遲滯非線性的神經(jīng)網(wǎng)絡動態(tài)模型[A];第二十九屆中國控制會議論文集[C];2010年

4 薛志強;李毅;曹燕;;改進的BP神經(jīng)網(wǎng)絡在模擬電路故障診斷中的應用研究[A];2011下一代自動測試系統(tǒng)學術研討會論文集[C];2011年

5 楊中東;雷玉堂;;基于神經(jīng)網(wǎng)絡與光電檢測的方法識別鈔票真假的研究[A];中國光學學會2006年學術大會論文摘要集[C];2006年

6 墻威;曹陽;鄢媛媛;高洵;;神經(jīng)網(wǎng)絡在SoC高層次功耗估計中的應用[A];2005中國通信集成電路技術與應用研討會論文集[C];2005年

7 楊志剛;楊衛(wèi)東;錢俊磊;;基于FPGA的RBF神經(jīng)網(wǎng)絡硬件實現(xiàn)[A];冶金企業(yè)自動化、信息化與創(chuàng)新——全國冶金自動化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

8 潘中良;;一種電路測試的最優(yōu)神經(jīng)網(wǎng)絡與遺傳進化方法[A];中國儀器儀表學會第三屆青年學術會議論文集（上）[C];2001年

相關博士學位論文 前10條

1 閆淑霞;基于神經(jīng)網(wǎng)絡的微波射頻器件建模[D];天津大學;2015年

2 李建碩;微波加熱過程熱點與熱均勻性控制與優(yōu)化研究[D];重慶大學;2016年

3 祝文姬;模擬電路故障診斷的神經(jīng)網(wǎng)絡方法及其應用[D];湖南大學;2011年

4 張維強;小波和神經(jīng)網(wǎng)絡在模擬電路故障診斷中的應用研究[D];西安電子科技大學;2006年

5 謝濤;基于（多）小波（包）、神經(jīng)網(wǎng)絡及優(yōu)化的模擬電路故障診斷研究[D];湖南大學;2011年

6 方葛豐;模擬電路故障診斷優(yōu)化理論與方法的研究[D];湖南大學;2013年

7 劉美容;基于遺傳算法、小波與神經(jīng)網(wǎng)絡的模擬電路故障診斷方法[D];湖南大學;2009年

8 譚陽紅;基于小波和神經(jīng)網(wǎng)絡的大規(guī)模模擬電路故障診斷研究[D];湖南大學;2005年

9 李晴;基于優(yōu)化機器學習算法的模擬電路故障診斷研究[D];湖南大學;2013年

10 李壽林;基于神經(jīng)網(wǎng)絡的微波射頻MOSFET器件建模[D];華東師范大學;2011年

相關碩士學位論文 前10條

1 王含;兩類神經(jīng)網(wǎng)絡的CMOS模擬電路設計與研究[D];湘潭大學;2015年

2 江明;基于構造性神經(jīng)網(wǎng)絡的模擬電路故障診斷研究[D];安徽師范大學;2015年

3 葛均輝;憶阻神經(jīng)網(wǎng)絡聯(lián)想學習電路設計與分析[D];重慶大學;2015年

4 余子健;基于FPGA的卷積神經(jīng)網(wǎng)絡加速器[D];浙江大學;2016年

5 魏江濤;憶阻神經(jīng)網(wǎng)絡在有源電力濾波器中的應用[D];太原科技大學;2015年

6 羅永遙;基于級聯(lián)神經(jīng)網(wǎng)絡的預失真器設計[D];電子科技大學;2016年

7 伏龍;SPI接口在神經(jīng)網(wǎng)絡加速器芯片中的設計與應用[D];遼寧大學;2016年

8 趙德贊;基于神經(jīng)網(wǎng)絡的模擬電路故障診斷方法的研究[D];大連工業(yè)大學;2016年

9 高明;基于神經(jīng)網(wǎng)絡的FPGA架構探索[D];天津大學;2014年

10 歐陽星辰;基于卷積神經(jīng)網(wǎng)絡的MPPSK信號解調(diào)器[D];東南大學;2016年

，

本文編號：1917026