WPA-RBF神經網絡模擬電路故障診斷研究.pdf

1、模擬電路故障診斷從70年代提出以來得到了很大的關注，尤其是隨著芯片模擬電路的逐漸系統(tǒng)集成化，使其故障診斷研究領域也成為了研究熱點領域。但由于模擬電路自身容差、非線性、缺乏簡單診斷模型等條件的制約，盡管在該方向已經有了上千篇研究成果發(fā)表，但至今沒有一種成熟的方法在實際中得到廣泛的應用。從人工神經網絡提出開始，就陸續(xù)在各種領域有所應用，受到了廣泛的關注，這也給模擬電路故障診斷開辟了一種新的解決途徑。本文主要是針對模擬電路的軟故障進行故障診斷

2、，引入了RBF神經網絡，同時針對RBF神經網絡中隱層節(jié)點中心、基函數寬度、權值及訓練數據輸入選取困難問題和故障顯示問題，提出了一種WPA-RBF神經網絡模擬電路故障診斷的新方法。
　　本研究主要內容包括：⑴對RBF神經網絡訓練數據輸入選擇困難進行研究。在經PSpice提取出故障數據的基礎上，研究Haar小波分解和重組，最終對故障數據進行小波分解，得出的值再進行歸一化處理，得出神經網絡訓練所需要的故障特征向量。⑵針對RBF神經網絡中

3、隱層節(jié)點中心、基函數寬度、權值選擇困難問題，用狼群算法（wolf pack algorithm，WPA）對RBF神經網絡以上三個值同時進行優(yōu)化，以提高網絡訓練穩(wěn)定性與診斷成功率。通過對狼群算法的研究，用其與遺傳算法優(yōu)化相比較，顯示該算法較好的魯棒性和全局收斂性。在分別將兩種算法用在優(yōu)化RBF神經網絡后，找取實例電路對其進行故障診斷，通過故障診斷率，顯示狼群算法較好的優(yōu)化效果，同時證明該方法進行模擬電路故障診斷的可行性。⑶結合LabVIE