基于脊波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷研究.pdf

1、現(xiàn)代電子技術(shù)的高速發(fā)展和工業(yè)生產(chǎn)的迫切需要給模擬電路故障診斷提出了新的更具挑戰(zhàn)性的要求。當(dāng)前,以神經(jīng)網(wǎng)絡(luò)為代表的現(xiàn)代智能信息處理技術(shù)為模擬電路故障診斷提供了一條新的有效的途徑,受到了廣大學(xué)者和實(shí)踐人員的廣泛關(guān)注。
　　 本論文以核主元分析和脊波理論為基礎(chǔ),深入研究了基于新型特征提取方法的神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)和新型脊波神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)。本文的主要研究?jī)?nèi)容如下:
　　 (1)詳細(xì)研究了一種基于最大類別分離度的核主元分析(

2、KPCA)的神經(jīng)網(wǎng)絡(luò)故障診斷方法。這種新型的KPCA是將傳統(tǒng)KPCA和最大類別分離度的方法進(jìn)行結(jié)合,從而構(gòu)成了一個(gè)具有最大分離度的改進(jìn)型KPCA。這種方法能夠使得樣本數(shù)據(jù)的類內(nèi)距離最小,類間距離最大,同傳統(tǒng)的PCA和KPCA相比,它不但能夠提取最有效的和最小數(shù)量的特征,而且能夠使得神經(jīng)網(wǎng)絡(luò)分類器具有更小的結(jié)構(gòu)和更高故障診斷正確率。
　　 (2)研究了脊波神經(jīng)網(wǎng)絡(luò)應(yīng)用于模擬電路故障診斷的一般方法和過程,并給出了基于最速梯度下降法的

3、詳細(xì)訓(xùn)練算法。這種脊波神經(jīng)網(wǎng)絡(luò)是將脊波函數(shù)替代BP神經(jīng)網(wǎng)絡(luò)中的隱層激勵(lì)函數(shù)構(gòu)成的一個(gè)三層神經(jīng)網(wǎng)絡(luò)。這種脊波神經(jīng)網(wǎng)絡(luò)模擬故障診斷系統(tǒng)同BP神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)相比,具有更小的網(wǎng)絡(luò)結(jié)構(gòu)、更快的收斂速率和更高故障診斷精確率的特點(diǎn)。
　　 (3)提出了基于小波分形分析的故障特征提取方法和基于主元分析(PCA)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇方法,這是對(duì)脊波神經(jīng)網(wǎng)絡(luò)的進(jìn)一步研究。小波分形分析能夠提取更具判別性的故障特征信息,使得后續(xù)的分類器很好地

4、實(shí)施故障診斷;基于PCA的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇方法僅需要進(jìn)行簡(jiǎn)單的線性代數(shù)運(yùn)算,具有計(jì)算量小和實(shí)施簡(jiǎn)單的特點(diǎn)。這些方法減少了脊波神經(jīng)網(wǎng)絡(luò)的隱層脊波元的個(gè)數(shù),降低了網(wǎng)絡(luò)的運(yùn)行時(shí)間和計(jì)算工作量,并提高了故障診斷正確率。
　　 (4)提出了一種線性脊波神經(jīng)網(wǎng)絡(luò)的體系結(jié)構(gòu)及其相應(yīng)的訓(xùn)練算法。它是對(duì)脊波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的進(jìn)一步改進(jìn),通過增加一個(gè)線性項(xiàng)構(gòu)成一個(gè)新型的神經(jīng)網(wǎng)絡(luò)來實(shí)施模擬電路的故障診斷。同脊波網(wǎng)絡(luò)和小波網(wǎng)絡(luò)進(jìn)行比較,這種線性脊波神經(jīng)網(wǎng)絡(luò)