基于BP神經網絡的模擬電路診斷系統研究

摘要：以現代測試技術、信號處理、信息融合等理論為基礎，以神經網絡在模擬電路故障診斷中的應用為主線，詳細討論BP神經網絡在模擬電路故障診斷中的應用和故障特征提取方法。采用多頻組合法建立了故障樣本集。對選定的待測電路在元件存在容差的條件下，仿真驗證了BP神經網絡應用于模擬電路故障診斷的可行性。
關鍵詞：故障診斷；模擬電路；BP神經網絡；故障特征提取

O 引 言
隨著電子工業的發展，電子設備越來越復雜，其中的模擬器件和電路不可缺少。理論分析和實際應用表明，這些設備中的模擬電路比數字電路更容易發生故障。對這種設備的維護和保養十分復雜，需耗費大量的精力和財力。另外，隨著超大規模模擬電路的發展和電子器件復雜性的提高，傳統的人工故障診斷方法已經無法滿足要求，這就迫使科技人員進一步探索新的測試理論和方法，研制新的測試設備以適應社會的需求。

l BP網絡簡介
1．1 BP網絡模型
圖1為一個三層前饋網絡模型，由輸入層、輸出層和隱層3部分組成。根據需要，可以有多個隱層。每一層的每個神經元(結點)的輸出經連接權值加權求和作為下一層每個神經元的輸入，層與層之間沒有反饋。

1．2 BP網絡用于故障診斷的基本思想
BP網絡用于模擬電路故障診斷的基本思想為：確定了電路的待測狀態集后，求電路處于其中一種狀態時的響應(通常是測試點的電壓)必要的預處理，作為對應狀態類的一個特征。對狀態集中的每一類狀態，都按上述方法獲取大量特征，并從中篩選出具有代表性的特征構造訓練樣本集。然后，用這些樣本訓練與所求問題相對應規模的BP網絡。BP網絡的輸入節點數應與特征向量的維數相同。輸出節點的維數等于待測故障狀態的類別數。在訓練時，把狀態特征輸入到BP網絡的輸入節點，要求網絡的輸出能正確指出電路狀態所屬類別。在做實際電路診斷時，對被測電路施加與產生樣本時相同的激勵和工作條件，取得相應特征，將此特征輸入到已訓練好的BP網絡。由BP網絡的輸出判斷電路中是否有故障；如有，則定位故障。
為了從最大程度上隔離和識別故障，采用多頻測試的方法。這時，從哪些頻率點提取故障特征成為首要問題，測試頻率選擇的好壞直接影響到對故障的分辨能力和診斷效果及樣本選擇。
1．3 BP故障特征提取
提取故障特征是模擬電路故障診斷的關鍵，也是構造樣本集的基礎。
基于神經網絡的模擬電路故障診斷系統，主要包括兩個過程：學習(訓練)過程，診斷(測試)過程。其中每個過程都包括數據預處理和特征提取2部分。整個故障診斷系統的過程如圖2所示。

如何有效提取優質的模擬電路故障特征，是進行電路故障診斷和測試的難點所在。在設計模擬電路故障診斷系統時，能夠快速、有效地提取反映電路的故障信息的特征是進行故障診斷的關鍵所在。