李兆宇

摘 要：本文綜合了模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)，在各種測(cè)試信息的基礎(chǔ)之上取得診斷電路受到各種故障損害的可能性，在對(duì)每一種神經(jīng)網(wǎng)絡(luò)的輸出信息的重要性進(jìn)行考慮，在進(jìn)行決策融合的過(guò)程之中使用模糊積分融合的方式，并對(duì)診斷方式的魯棒性、快速性和準(zhǔn)確性進(jìn)行了驗(yàn)證。

關(guān)鍵詞：故障診斷；模擬電路；神經(jīng)網(wǎng)絡(luò)；專(zhuān)家系統(tǒng)

傳統(tǒng)的人工電路診斷技術(shù)已經(jīng)無(wú)法滿(mǎn)足現(xiàn)代電子電路的發(fā)展?fàn)顩r，如何運(yùn)用模擬電路有限的可及點(diǎn)對(duì)于模擬電路內(nèi)部的故障進(jìn)行有效、快速的診斷是亟待解決的問(wèn)題，本文涉及的模擬電路智能故障診斷系統(tǒng)的特點(diǎn)主要表現(xiàn)在診斷的精度高、靈活的診斷形式以及診斷的應(yīng)用適應(yīng)性強(qiáng)的特點(diǎn)。在實(shí)際操作中，不斷總結(jié)經(jīng)驗(yàn)，最后，將各個(gè)子系統(tǒng)融合優(yōu)勢(shì)發(fā)揮到最大，實(shí)現(xiàn)智能故障診斷的高精度、高適應(yīng)性以及高靈活性。

1.模擬電路診斷技術(shù)的現(xiàn)狀

目前，在模擬電路發(fā)生故障后，需要對(duì)所發(fā)生的故障進(jìn)行及時(shí)診斷，這樣做的目的是為了更加高效地進(jìn)行檢修、調(diào)試以及替換，可以大大提高工作效率。不同設(shè)備的模擬電路要求不一樣，對(duì)于某些用于重要設(shè)備的模擬電路，需要進(jìn)行故障的預(yù)測(cè)，也就是在電路進(jìn)行正常工作的過(guò)程中，需要對(duì)正常工作進(jìn)行持續(xù)不斷的檢測(cè)，這樣可以有效確定出一些部分的元件將要失效，這樣可以在設(shè)備發(fā)生故障之前，將將要失效的元件替換掉，可以有效避免故障的發(fā)生。然而，以上所述的內(nèi)容，在人工診斷技術(shù)的層面無(wú)法滿(mǎn)足設(shè)備的需求，所以，目前亟待解決的一個(gè)重要問(wèn)題就是需要對(duì)模擬電路故障的自動(dòng)智能診斷問(wèn)題。

2.模擬電路智能融合診斷模型

BP網(wǎng)絡(luò)具有極強(qiáng)的泛化能力，可以解決和判斷斷路狀態(tài)屬于那種類(lèi)型的故障，因此會(huì)選取BP網(wǎng)絡(luò)進(jìn)行初級(jí)診斷。但是BP網(wǎng)絡(luò)算法卻是按照梯度下降搜索算法，其對(duì)于初始權(quán)向量異常敏感，而且非常容易陷入局部困境之中。BP網(wǎng)絡(luò)算法與傳統(tǒng)的搜索算法進(jìn)行比較，遺傳算法更具有魯棒性，而且會(huì)受到函數(shù)可微與連續(xù)的限制。可以通過(guò)傳統(tǒng)的遺傳算法來(lái)對(duì)BP網(wǎng)絡(luò)進(jìn)行優(yōu)化，從而得到初始化權(quán)值和網(wǎng)絡(luò)分布，這樣便可以比較好的克服BP網(wǎng)絡(luò)存在的問(wèn)題，并且可以有效提高神經(jīng)網(wǎng)絡(luò)的泛化性。我們采用BP網(wǎng)絡(luò)初次診斷時(shí)，需要對(duì)不同的電路故障進(jìn)行分類(lèi)，然后再進(jìn)行深層次的故障診斷檢測(cè)，通過(guò)遺傳的BP網(wǎng)絡(luò)診斷選取訓(xùn)練樣本，其主要是將選取的樣本與網(wǎng)絡(luò)的輸入不同，而且在不同故障進(jìn)行觀測(cè)的時(shí)候，需要有針對(duì)性的進(jìn)行識(shí)別，仔細(xì)辨別不同的網(wǎng)絡(luò)故障之間的重要信息系統(tǒng)差異。

3.模擬電路智能融合故障診斷方法

3.1診斷訓(xùn)練樣本選取

如果在BP網(wǎng)絡(luò)中的某一個(gè)元件出現(xiàn)了軟故障，直接會(huì)導(dǎo)致該故障元件應(yīng)故測(cè)量值與電路中的測(cè)量值存在較大的差異，就算是根據(jù)應(yīng)故障特征訓(xùn)練出的網(wǎng)絡(luò)，其也無(wú)法做到對(duì)軟故障診斷。電路中如果某一元件的所有參數(shù)都符合相應(yīng)的正態(tài)分布，那么根據(jù)隨機(jī)分量線(xiàn)性組合理論，我們可以知道該元件是正態(tài)分布中的隨機(jī)變量。如果電路中出現(xiàn)硬故障，當(dāng)對(duì)容差電路進(jìn)行測(cè)量時(shí)，得到的測(cè)量特征值都是標(biāo)稱(chēng)值特征向量中心子空間。電路中元件每個(gè)狀態(tài)都可以應(yīng)用樣本中心進(jìn)行訓(xùn)練，然后利用神經(jīng)網(wǎng)絡(luò)的容錯(cuò)性，可以在分類(lèi)時(shí)將樣本中心訓(xùn)練點(diǎn)一定范圍集中起來(lái)，并統(tǒng)一的歸納為訓(xùn)練樣本集。模擬電路中的特征參量容易受到容差和軟故障的影響，從而使得神經(jīng)網(wǎng)絡(luò)出現(xiàn)較大的矢量干擾，如果故障元件相同或者容差環(huán)境相同，那么特征參量的規(guī)模越大，那么產(chǎn)生的容差干擾就越小。

3.2智能診斷方法的融合

首先，通過(guò)優(yōu)選激勵(lì)和測(cè)試節(jié)點(diǎn)以及增加測(cè)試信息等方法提高模擬電路可靠性。如果是理想的拓?fù)浣Y(jié)構(gòu)只需要少量的測(cè)試點(diǎn)就可進(jìn)行故障診斷，但實(shí)際情況往往是拓?fù)浣Y(jié)構(gòu)不理想，使得無(wú)論怎樣選擇節(jié)點(diǎn)仍有大量的支路故障不可測(cè)。通過(guò)優(yōu)選機(jī)理對(duì)測(cè)試節(jié)點(diǎn)進(jìn)行彌補(bǔ)，如為頻域分析則主要選擇具有特征的頻率反映電路故障。如為時(shí)域分析則選擇噪聲信號(hào)以激勵(lì)被測(cè)電路。增加測(cè)試信息也是提高電路可測(cè)行的有效手段?？梢杂行У谋苊庹`診斷，獲取大量的故障特征而對(duì)電路故障做出準(zhǔn)確判斷。其次，當(dāng)確定了測(cè)試方案后將各類(lèi)的測(cè)試數(shù)據(jù)進(jìn)行優(yōu)化處理得到不同類(lèi)型的輸入特征參量。然后將這些輸入特征參量輸入一個(gè)獨(dú)立的精神網(wǎng)絡(luò)，用此方法可對(duì)電路進(jìn)行初級(jí)故障診斷。BP網(wǎng)絡(luò)具有良好泛化能力，廣泛的用于電路故障類(lèi)型分類(lèi)。通過(guò)遺傳BP網(wǎng)絡(luò)的初級(jí)診斷后，可以得到電路故障狀態(tài)的可能性。然而，由于各個(gè)遺傳BP網(wǎng)絡(luò)訓(xùn)練樣本與網(wǎng)絡(luò)輸入的不同，且不同的故障在不同的測(cè)試信息上體現(xiàn)程度的強(qiáng)弱也有差異，因而每一遺傳BP網(wǎng)絡(luò)故障分類(lèi)器對(duì)不同故障的識(shí)別正確程度也有較大的差異?？赏ㄟ^(guò)遺傳算法優(yōu)化BP網(wǎng)絡(luò)，遺傳算法具有全局性搜索的特點(diǎn)，可較好的尋找適合的網(wǎng)絡(luò)連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu)。完成電路故障的初級(jí)診斷后用模糊積分的方法在精神網(wǎng)絡(luò)所輸出的重要信息程度基礎(chǔ)上進(jìn)行決策融合。使得融合效率與診斷方法更加適應(yīng)，準(zhǔn)確定位故障。模糊積分方法是利用模糊集合知識(shí)綜合考慮客觀證據(jù)與主觀評(píng)價(jià)的一種決策層融合方法。此方法適用于處理不確定性信息。使用模糊幾分對(duì)多分類(lèi)器記性融合時(shí)，不同的模糊測(cè)度對(duì)應(yīng)不同的融合函數(shù)。如模糊測(cè)度值選擇適當(dāng)，融合后的分類(lèi)性能比最優(yōu)的單個(gè)分類(lèi)器性能好。構(gòu)造模糊測(cè)度，需先獲取模糊密度。模糊密度是信息源對(duì)系統(tǒng)最終決策的重要程度，對(duì)于診斷系統(tǒng)，模糊密度值可認(rèn)為是各遺傳神經(jīng)網(wǎng)絡(luò)對(duì)故障診斷的重要性評(píng)價(jià)。通過(guò)將訓(xùn)練好的遺傳神經(jīng)網(wǎng)絡(luò)分類(lèi)器，分別獨(dú)立進(jìn)行在不同故障下的樣本識(shí)別檢驗(yàn)，利用每個(gè)遺傳神經(jīng)網(wǎng)絡(luò)對(duì)各個(gè)故障的正確識(shí)別率作為該網(wǎng)絡(luò)對(duì)各故障的分類(lèi)信息的重要程度。

4.結(jié)束語(yǔ)

對(duì)于模擬電路的故障問(wèn)題研究日益深入，尤其是當(dāng)前模糊理論、BP網(wǎng)絡(luò)以及遺傳算法等在模擬電路中的廣泛使用，使得這些對(duì)于模擬電路的故障診斷存在著較強(qiáng)的魯棒性，如此便可以提高故障定位的準(zhǔn)確率。尤其是對(duì)于這種大規(guī)模和超大規(guī)模的模擬診斷電路來(lái)說(shuō)，其更加顯得優(yōu)越性。本文主要針對(duì)模擬電力的故障診斷模型、智能融合診斷的方法進(jìn)行介紹，希望能夠獲取對(duì)模擬電力故障診斷更加優(yōu)越的對(duì)策。

參考文獻(xiàn)：

[1]楊士元.模擬系統(tǒng)的故障診斷與可靠性設(shè)計(jì)[J].科技與企業(yè)，2014

[2]申華.集成電路可測(cè)性設(shè)計(jì)中網(wǎng)表的解析與實(shí)現(xiàn)[J].中國(guó)集成電路，2013