基于高阶累积量和改进BP神经网络的模拟电路故障诊断  

The analog circuit fault diagnose based on higher order cumulant and improved BP neural network

作　　者：谢涛[1] 何怡刚[2] 姚建刚[3] 

机构地区：[1]湖南科技大学计算机科学与工程学院,湖南湘潭411201 [2]合肥工业大学电气与自动化工程学院,安徽合肥230009 [3]湖南大学电气与信息工程学院,湖南长沙410082

出　　处：《电路与系统学报》2012年第4期18-22,共5页Journal of Circuits and Systems

基　　金：国家杰出青年科学基金(50925727);国家自然科学基金项目(60876022);国家863计划(2006AA04A104);湖南省科技计划项目(2008Gk2022);湖南省教育厅科研项目(08C513);广东省教育部产学研项目(2009B090300196)资助

摘　　要：提出了基于信号处理领域的高阶累积量诊断模拟电路故障的方法。从待测电路的输出终端提取原始信号,求出其峰度和斜度作为故障特征向量,然后输入给改进的BP神经网络进行故障诊断。对于故障特征向量的构造,相对于一般的以二阶统计量为基础的主元分析方法(PCA),高阶累积量的引入更多的考虑了被PCA所忽略的信息。诊断实例表明该方法生成的故障特征向量,具有高的识别率,诊断精度大大提高。Methods of diagnosing analog circuit fault based on high order cumulants in signal processing domain are proposed. We extract original signal from the output terminal of testing circuit, and calculate its kurtosis and skewness as fault feature vector. Then they are input to the improved BP neural network for fault diagnose. As for the structure of fault feature vector, introduction of high order cumulants relative to the general principal component analysis （PCA） based on second order Statistics pays more consideration to information neglected by PCA. Diagnosis example shows that the fault feature vector produced by this method has high recognition rate, and the diagnostic accuracy is greatly improved.

关 键 词：模拟电路 故障诊断 高阶累积量 神经网络 

分 类 号：TN707[电子电信—电路与系统]