论文部分内容阅读
模拟电路故障诊断理论和方法研究是目前电工电子领域研究热点之一,现代电子技术的发展对模拟电路的测试和故障诊断提出了更高的要求,因此传统的故障诊断理论和方法在实际工程中很难达到预期的效果。而以神经网络、进化计算为代表的智能技术为模拟电路故障诊断提供了新的、有效的途径,受到了学术界的广泛关注。本文分析了模拟电路故障诊断方法的研究现状,讨论了模拟电路故障诊断难点、故障诊断分类方法,对模拟电路故障诊断原理进行了深入研究。针对模拟电路往往有容差,而且不同节点的电压或电流对不同故障敏感的特点,应用PSpice特有的蒙特卡洛分析和灵敏度分析功能对待诊断电路进行了仿真。在此基础上,重点研究了信息熵、最大熵原理、小波变换方法和小波熵方法。基于信息论和小波变换,提出了小波熵方法,分别采用小波变换方法和小波熵提取了待诊断电路的故障特征。径向基函数(Radial Basis Function, RBF)神经网络是一种新颖有效的前馈式神经网络,它具有最佳逼近和全局最优的性能。系统研究了智能优化算法,将量子粒子群优化算法(Quantum Particle Swarm Optimization, QPSO)和自适应量子粒子群优化算法(Adaptive Quantum Particle Swarm Optimization, AQPSO)同神经网络算法相结合,提出了基于径向基函数神经网络和自适应量子粒子群优化算法的模拟电路故障诊断方法。用QPSO和AQPSO训练RBF神经网络。给出了基于Matlab R2008b平台的模拟电路故障诊断系统,设计了故障诊断的各个模块,实现了基于径向基函数神经网络和自适应量子粒子群优化算法相结合的模拟电路故障诊断方法。做了大量的仿真实验,对论文讨论的不同神经网络诊断方法、小波变换和小波熵两种特征提取方法进行了比较。实验结果表明了本文给出的基于QPSORBF和AQPSORBF模拟电路故障诊断方法的优越性。