淺談小波神經網路應用於類比電路故障診斷的進展論文
論文摘要：分析了類比電路故障診斷的重要性和目前存在的困難，對基於小渡分析理論和神經網路理論的類比電路故障診斷方法進行了綜述．指出了小波神經網路應用於類比電路故障診斷存在的問題和未來的應用前景。
論文關鍵詞：類比電路；故障診斷；小波神經網路
類比電路故障診斷在理論上可概括為:在已知網路拓撲結構、輸人激勵和故障響應或可能已知部分元件引數的情況下，求故障元件的引數和位置。
儘管目前類比電路故障診斷理論和方法都取得了不少成就，提出了很多故障診斷方法，如故障字典法、故障引數識別法、故障驗證法等。但是由於類比電路測試和診斷有其自身困難，進展比較緩慢。其主要困難有:類比電路中的故障模型比較複雜，難以作簡單的量化;類比電路中元件引數具有容差，增加了故障診斷的難度;在類比電路中廣泛存在著非線性問題，為故障的定位診斷增加了難度;在一個實用的類比電路中，幾乎無一例外地存在著反饋迴路，模擬時需要大量的複雜計算;實際的類比電路中可測電壓的節點數非常有限.導致可用於作故障診斷的資訊量不夠充分，造成故障定位的不確定性和模糊性。
因此，以往對類比電路故障診斷的研究主要停留在中小規模線性無容差或小容差的情況，有些方法也已成功地應用於工程實際。但如何有效地解決類比電路的容差和非線性問題，如何解決故障診斷的模糊性和不確定性等是今後迫切需要解決的問題。小波神經網路則因其利於模擬人類處理問題的過程、容易顧及人的經驗且具有一定的學習能力等特點，所以在這一領域得到了廣泛應用。
1小波分析理論在類比電路故障診斷中的應用現狀分析
簡單地講，小波就是一個有始有終的小的“波浪”小波分析源於訊號分析，源於函式的伸縮和平移，是Fourier分析、Gabor分析和短時Fourier分析發展的直接結果。小波分析的基木原理是透過小波母函式在尺度上的伸縮和時域上的平移來分析訊號，適當選擇母函式.可以使擴張函式具有較好的區域性性，小波分析是對訊號在低頻段進行有效的逐層分解，而小波包分析是對小波分析的一種改進，它為訊號提供了一種更加精細的分析方法，對訊號在全頻段進行逐層有效的分解，更有利於提取訊號的特徵。因此，它是一種時頻分析方法。在時頻域具有良好的區域性化效能並具有多分辨分析的特性，非常適合非平穩訊號的奇異性分析。如:利用連續小波變換可以檢測訊號的奇異性，區分訊號突變和噪聲，利用離散小波變換可以檢測隨機訊號頻率結構的突變。
小波變換故障診斷機理包括:利用觀測器訊號的奇異性進行故障診斷以及利用觀測器訊號頻率結構的變化進行故障診斷。小波變換具有不需要系統的'數學模型、故障檢測靈敏準確、運算量小、對噪聲的抑制能力強和對輸入訊號要求低的優點。但在大尺度下由於濾波器的時域寬度較大，檢測時會產生時間延遲，且不同小波基的選取對診斷結果也有影響。在類比電路故障診斷中，小波變換被有效地用來提取故障特徵資訊即小波預處理器之後，再將這些故障特徵資訊送人故障分類處理器進行故障診斷。小波分析理論的應用一般被限制在小規模的範圍內，其主要原因是大規模的應用對小波基的構造和儲存需要的花費較大。
2神經網路理論在類比電路故障診斷中的應用分析
人工神經網路(ANN)是在現代神經科學研究成果的基礎上提出來的，是一種抽象的數學模型，是對人腦功能的模擬。經過十幾年的發展，人工神經網路已形成了數十種網路，包括多層感知器Kohomen自組織特徵對映、Hopfield網路、自適應共振理論、ART網路、RBF網路、機率神經網路等。這些網路由於結構不同，應用範圍也各不相同。由於人工神經網路本身不僅具有非線性、自適應性、並行性、容錯性等優點以及分辨故障原因、故障型別的能力外，而且訓練過的神經網路能儲存有關過程的知識，能直接從定量的、歷史故障資訊中學習。所以在20世紀80年代末期，它已開始應用於類比電路故障診斷。隨著人工神經網路的不斷成熟及大量應用，將神經網路廣泛用於類比電路的故障診斷已是發展趨勢。BY神經網路由於具有良好的模式分類能力，尤其適用於類比電路故障診斷領域，因而在類比電路故障診斷系統中具有廣泛的應用前景，也是目前類比電路故障診斷中用得較多而且較為有效的一種神經網路。
3小波神經網路的應用進展分析
3,1小波分析理論與神經網路理論結合的必要性
在神經網路理論應用於類比電路故障診斷的過程中，神經網路對於隱層神經元節點數的確定、各種引數的初始化和神經網路結構的構造等缺乏更有效的理論性指導方法，而這些都將直接影響神經網路的實際應用效果。小波分析在時域和頻域同時具有良好的區域性化特性，而神經網路則具有自學習、並行處理、自適應、容錯性和推廣能力二因此把小波分析和神經網路兩者的優點結合起來應用於故障診斷是客觀實際的需要。
目前小波分析與神經網路的結合有兩種形式，一種是先利用小波變換對訊號進行預處理，提取訊號的特徵向量作為神經網路的輸人，另一種則是採用小波函式和尺度函式形成神經元，達到小波分析和神經網路的直接融合第一種結合方式是小波神經網路的鬆散型結合，第二種結合方式是小波神經網路的緊緻型結合。
3.2小波分析理論與神經網路理論的結合形式
小波與神經網路的鬆散型結合，即:用小波分析或小波包分析作為神經網路的前置處理手段，為神經網路提供輸人特徵向魚具體來說就是利用小波分析或小波包分析，把訊號分解到相互獨立的頻帶之內，各頻帶內的能童值形成一個向覺，該向童對不同的故障對應不同的值，從而可作為神經網路的輸入特徵向量一旦確定神經網路的輸入特徵向童，再根據經驗確定採用哪種神經網路及隱層數和隱層單元數等，就可以利用試驗樣本對神經網路進行訓練，調整權值，從而建立起所需的小波神經網路模型。
小波與神經網路的緊緻型結合，即:用小波函式和尺度函式形成神經元，達到小波分析和神經網路的直接融合，稱為狹義上的小波神經網路，這也是常說的小波神經網路。它是以小波函式或尺度函式作為激勵函式，其作用機理和採用Sigmoid函式的多層感知器基本相同。故障診斷的實質是要實現症狀空間到故障空間的對映，這種對映也可以用函式逼近來表示。小波神經網路的形成也可以從函式逼近的角度加以說明。常見的小波神經網路有:利用尺度函式作為神經網路中神經元激勵函式的正交基小波網路、自適應小波神經網路、多解析度小波網路、區間小波網路等。
3.3小波分析理論與神經網路理論結合的優點
小波神經網路具有以下優點:一是可以避免MLY等神經網路結構設計的育目性;二是具有逼近能力強、網路學習收斂速度快、引數的選取有理論指導、有效避免區域性最小值問題等優點。
在類比電路故障診斷領域，小波神經網路還是一個嶄新的、很有前途的應用研究方向。隨著小波分析理論和神經網路理論的不斷髮展，小波神經網路應用於類比電路故障診斷領域將日益成熟。
4結語
小波分析理論和神經網路理論在類比電路故障診斷領域具有廣闊的應用前景。小波神經理論的應用將進一步推動類比電路故障診斷理論和方法的發展，使其更趨完善和更具廣泛適用性，為實現複雜的大規模電路的故障診斷提供更為有效、更具實用價值的方法，是今後類比電路故障診斷的發展方向。
【淺談小波神經網路應用於類比電路故障診斷的進展論文】相關文章：