基于Treelet變換的模擬電路故障診斷方法研究.pdf

1、隨著電子電路的發(fā)展，電路集成度的不斷提高，人們對模擬電路故障診斷提出了更高的要求。但由于模擬電路本身具有容差、非線性和故障現(xiàn)象多樣性等特點，使得模擬電路故障診斷成為電路發(fā)展的熱點和難點。在模擬電路故障診斷中，故障特征向量的提取和故障模式識別是研究的重點與難點。但模式識別過程中獲得的原始數(shù)據(jù)往往包含大量的冗余信息，會影響故障診斷的效率和準確率。因此，模擬電路故障診斷的一個關(guān)鍵點是如何有效地提取模擬電路的特征向量。本文以模擬電路故障特征向量

2、提取為出發(fā)點，研究了基于Treelet變換和混沌神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法。主要工作如下:
　　(1)介紹了小波分析和層次聚類等故障特征提取方法。重點研究了一種新的模擬電路故障特征提取方法即Treelet變換。Treelet變換是一種將PCA、小波分析和層次聚類結(jié)合在一起的自適應(yīng)的多尺度的數(shù)據(jù)分析方法，特別適用于高維數(shù)據(jù)的降維。通過對這幾種特征提取方法進行研究和對比，證明基于Treelet變換的模擬電路故障診斷率相比其他方法要

3、高。
　　(2)介紹了人工神經(jīng)網(wǎng)絡(luò)的原理及應(yīng)用，對BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、學(xué)習算法進行了研究，針對BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、容易限于局部最小的特點，提出了混沌神經(jīng)網(wǎng)絡(luò)，利用混沌的特性構(gòu)造神經(jīng)網(wǎng)絡(luò)，使神經(jīng)網(wǎng)絡(luò)具有混沌特性，優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)。
　　(3)將Treelet變換與混沌神經(jīng)網(wǎng)絡(luò)結(jié)合應(yīng)用于模擬電路故障診斷，故障診斷結(jié)果與BP神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)方法相比，本文方法在模擬電路故障診斷中比BP網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)診斷精度更高，收斂速度更