基于信息融合的非線性模擬電路故障診斷研究.pdf

1、隨著近代電路學(xué)的發(fā)展，模擬電路的故障診斷越來越成為學(xué)者們關(guān)注的焦點(diǎn)之一，從上個(gè)世紀(jì)60年代初開始到發(fā)展成為如今網(wǎng)絡(luò)理論中公認(rèn)的第三個(gè)分支只用了很短的時(shí)間。而其中很大一部分模擬電路的信號(hào)是非線性的，這就使得非線性模擬電路的故障診斷成為故障診斷理論中極為重要的組成部分，到目前為止已經(jīng)針對(duì)非線性模擬電路的故障診斷方法做了大量的研究。然而，隨著集成化技術(shù)的不斷發(fā)展，應(yīng)用電路已經(jīng)進(jìn)入了高集成化時(shí)代，電路系統(tǒng)的規(guī)模越來越大，可及節(jié)點(diǎn)卻越來越少，致使

2、有些電路故障的某種特征相似，用單一的特征已經(jīng)很難分辨。
　　本文針對(duì)非線性模擬電路的故障診斷中單來源特征不夠充分的難題，采用了基于雙Wiener核的信息智能優(yōu)化融合的故障診斷方法，該方法首先利用高斯白噪聲作為激勵(lì)，采樣后利用離散Wiener核獲取方法獲得電路和電源的兩個(gè)Wiener核，再基于改進(jìn)的粒子群退火算法，將特征選擇提取和融合有機(jī)結(jié)合為一個(gè)優(yōu)化問題，以電路各狀態(tài)矢量的集總歐氏距離作為目標(biāo)函數(shù)進(jìn)行優(yōu)化，最后提出了基于集總歐式距

3、離權(quán)重分配的信息融合方法，使不同信息有機(jī)融合，并利用BP神經(jīng)網(wǎng)絡(luò)完成智能診斷。
　　在進(jìn)行理論研究的同時(shí)，本文還設(shè)計(jì)了基于ATmega128單片機(jī)的模擬電路故障診斷系統(tǒng)，其硬件主要包括高斯白噪聲發(fā)生和診斷兩大部分。同時(shí)設(shè)計(jì)了應(yīng)用于診斷的上位機(jī)軟件，可以實(shí)現(xiàn)獲取電路和電源的Wiener核、兩個(gè)Wiener核的特征選擇提取和優(yōu)化融合以及神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)等功能。利用已設(shè)計(jì)完成的系統(tǒng)，對(duì)電路故障進(jìn)行了實(shí)際測(cè)量，實(shí)驗(yàn)表明可以比較直觀的診斷出