基于神经网络的模拟电路故障诊断方法  

Fault Diagnosis Method of Analog Circuit Based on Neural Network

作　　者：郝春燕 魏海坤[1] 张侃健[1] 葛健[1] 

机构地区：[1]东南大学自动化学院,江苏南京210096

出　　处：《工业控制计算机》2018年第6期63-65,共3页Industrial Control Computer

摘　　要：模拟电路的软故障是指电路元件值发生变化,超出容差允许范围的情况。针对软故障会导致系统性能变差,但功能并未丧失的情形,提出小波神经网络结合电路健康状态评估的模拟电路故障诊断方法,利用小波包理论对模拟电路故障状态进行特征提取,采用BP神经网络对故障元件识别定位,并通过特征样本的加权马氏距离估算元件软故障程度和故障发生概率。仿真实验结果表明,该方法对模拟电路单个软故障的识别定位有较高的准确率,对电路的健康状态进行评估时,能够准确真实地反映电路的实际物理状态。This paper combines with wavelet neural network method combined with circuit health assessment for analog circuit fault diagnosis method,using the wavelet packet theory to extract the feature of the analog circuit fault state,using BP neural network identifies and locates the faulty component,and estimates the degree of soft fault and the probability of fault by the weighted Mahalanobis distance of the characteristic sample.

关 键 词：神经网络 故障诊断 小波包理论 马氏距离 

分 类 号：TN710[电子电信—电路与系统] TP183[自动化与计算机技术—控制理论与控制工程]