论文部分内容阅读
模拟集成电路的广泛应用、电路元器件的易损性及模拟电路故障诊断技术发展的缓慢性,促使世界各国对这项技术进行不懈的研究。神经网络所具有的学习与认识、信息加工等能力使得它在故障识别技术中独领风骚。LabVIEW是一种图形化的开发环境,由于它独特的优势被应用于故障诊断技术中。本论文的工作就是基于以上三个方面进行的,设计了一套基于LabVIEW及BP神经网络的模拟电路故障诊断系统。本文所做的主要工作及取得的研究成果主要包括以下几个方面:(1)研究了传统BP及其改进的神经网络算法,提出了在LabVIEW平台上标准BP算法的程序实现步骤,完成了程序的编写,并以BP神经网络在模式识别中的应用验证了该程序的有效性。该方法是利用了LabVIEW图形化编程特点的优势,采用LabVIEW提供丰富的控件及函数来实现BP算法,且通过对一个模拟电路产生的单故障及硬故障进行识别,验证了该图形化程序的有效性。(2)提出了利用LabVIEW与Matlab混合编程实现BP改进算法程序,并以BP改进算法在函数逼近领域中的应用验证了该程序的有效性。该方法是利用LabVIEW所提供的与Matlab应用程序的接口,即Matlab Script节点来实现BP改进算法。因为通过Matlab Script节点,我们不仅可以利用到Matlab强大的矩阵运算能力,而且可以利用Matlab的神经网络工具箱所指定的建立神经网络的一些基本函数,大大提高我们的效率。(3)设计了基于LabVIEW及BP神经网络的模拟电路故障诊断系统,并对两个电路出现的多软故障及单硬故障分别进行了有效诊断,验证了系统的高效性。其中对故障进行分类显示时采用了VI子程序来实现。与传统的故障诊断输出结果相比,该系统对网络的输出结果进行了分析,实现了对故障类型的分类识别,并将结果通过简单直观的界面显示出来,这样即使是非故障诊断工作人员,也可以一目了然判断故障的类型,大大降低了故障诊断人员工作的难度,具有实用价值。