基于Volterra级数、小波分析与神经网络的非线性网络故障诊断方法的研究

【摘要】：模拟电路故障诊断的研究经过三十多年的发展,形成了一系列的诊断理论和方法,但由于模拟电路诊断问题本身的复杂性和困难,这些理论和方法存在各自的局限性和实用性不强等缺点。特别是对非线性电路的故障诊断,由于元件的非线性,不存在一种普遍适用的非线性网络模型,缺乏通用的非线性电路仿真程序,导致电路的故障特性无统一的分析计算方法。随着小波理论的出现和发展,神经网络理论和方法的日益成熟,利用小波进行故障信号的分析和处理以及用神经网络来进行故障诊断,已成为热门的研究课题。大量的研究成果表明,它们为模拟电路的故障诊断提供了新的途径。 本文主要研究了将Volterra泛函级数理论应用于非线性模拟电路故障响应的分析计算,以及用小波分析和神经网络对电路故障实施诊断与识别的方法,其主要内容:研究并得出了一大类非线性动态网络模型的Volterra级数解的离散计算递推算式,为分析计算非线性网络故障响应提供了简捷的数值计算方法,便于编程仿真得到响应曲线;提出将Volterra级数与方波脉冲函数变换相结合,得到了一大类非线性动态网络混合模型的辨识方法;基于混合模型,提出了多模型预置的故障诊断方法;研究并提出了以非线性网络模型的Volterra级数解的频域核为特征的频域故障字典诊断方法;给出了建立以网络故障标志量为未知量的非线性电阻电路故障诊断方程以及采用神经网络求解的故障定位方法;文章对具有时频局部化特性、紧支撑和零调和性的HAAR小波的分解和重构进行了阐述,并将其用于非线性模拟电路的故障响应特征的提取,利用HAAR小波对电路故障响应进行预处理后得到的故障特征作为神经网络的输入,对故障类别进行辨识,该方法减少了神经网络的输入数目,简化其结构和减少训练时间,提高故障辨识能力;文中讨论了BPNN和RBF网络的学习与构造,并探讨了模糊理论与神经网络相结合,用于模拟电路的故障诊断。 通过对举例电路的仿真表明,利用所提出的方法,能较好地分析非线性模拟电路的故障响应,较准确地完成非线性模拟电路的故障诊断,并且具有良好的可行性。