论文部分内容阅读
模拟电路故障诊断从70年代提出以来得到了很大的关注,尤其是随着芯片模拟电路的逐渐系统集成化,使其故障诊断研究领域也成为了研究热点领域。但由于模拟电路自身容差、非线性、缺乏简单诊断模型等条件的制约,尽管在该方向已经有了上千篇研究成果发表,但至今没有一种成熟的方法在实际中得到广泛的应用。从人工神经网络提出开始,就陆续在各种领域有所应用,受到了广泛的关注,这也给模拟电路故障诊断开辟了一种新的解决途径。本文主要是针对模拟电路的软故障进行故障诊断,引入了RBF神经网络,同时针对RBF神经网络中隐层节点中心、基函数宽度、权值及训练数据输入选取困难问题和故障显示问题,提出了一种WPA-RBF神经网络模拟电路故障诊断的新方法。 本研究主要内容包括:⑴对RBF神经网络训练数据输入选择困难进行研究。在经PSpice提取出故障数据的基础上,研究Haar小波分解和重组,最终对故障数据进行小波分解,得出的值再进行归一化处理,得出神经网络训练所需要的故障特征向量。⑵针对RBF神经网络中隐层节点中心、基函数宽度、权值选择困难问题,用狼群算法(wolf pack algorithm,WPA)对RBF神经网络以上三个值同时进行优化,以提高网络训练稳定性与诊断成功率。通过对狼群算法的研究,用其与遗传算法优化相比较,显示该算法较好的鲁棒性和全局收敛性。在分别将两种算法用在优化RBF神经网络后,找取实例电路对其进行故障诊断,通过故障诊断率,显示狼群算法较好的优化效果,同时证明该方法进行模拟电路故障诊断的可行性。⑶结合LabVIEW方便、美观的显示界面,为了更好的显示所得故障结果,引入了LabVIEW虚拟化仪器。通过它与matlab强大的数值处理能力结合,用其Matlabscript脚本函数与相关控件,最终设计出了LabVIEW的显示界面,该界面具有方便、快捷、美观的优点。