基于神经网络的电路故障诊断的研究与实现

【摘要】：目前,以神经网络为代表的智能诊断技术为电路故障诊断提供了一条有效的途径。针对XX自动综合测试诊断平台的测试程序开发中存在的不足,本文应用小波分析和遗传算法对BP神经网络故障诊断方法进行优化,即运用小波分析作为电路故障特征提取手段,遗传算法优化BP神经网络权值和阈值。主要工作如下: 研究了人工神经网络应用于电路故障模式识别的原理,详细阐述了BP神经网络的原理及其结构,并提出了基于神经网络的电路故障诊断的模型。 在电路故障诊断中,如果提取有限点采样信号,则不能很好的体现出各种故障模式的特征,从而不能将所有的故障模式分开。因此,本文应用一种基于小波包分解的“能量—故障”方法,即用小波变换对电路输出信号进行分解,提取故障信号的能量特征,归一化处理后,作为训练样本送给BP神经网络进行训练。该方法提高了BP神经网络辨识故障类别的能力。 BP神经网络经过训练后,可以根据当前测量数据确定故障的类型。但是在训练过程中BP神经网络的寻优不具有唯一性,容易陷入局部极小值,从而可能造成误判。遗传算法可以对目标函数空间进行并行搜索,同时对多个可行解进行检查,可以在解空间中搜索到全局最优或次优解,具有极佳的全局搜索能力。但与BP神经网络相比,在局部搜索方面显得不足。为了克服各自的缺陷,本文将两者有效结合,形成一种杂交混合算法,达到优化网络的目的。训练时先由遗传算法进行BP神经网络权值和阈值的寻优,将搜索范围缩小后,再用BP神经网络进行训练。 最后将该方法应用于WJ8615P设备的故障诊断中,将该方法与改进前方法进行对比,结果表明本文的方法具有故障诊断覆盖率高、测试步骤少、准确率高的优点,为电路故障诊断提供了一种新的思路和方法。