论文部分内容阅读
该文主要研究用模糊神经网络来诊断大规模电路的故障.其思想是在将大规模电路分解为一系列规模较小的独立的子网络的基础上,将大规模电路的故障诊断转变为一系列规模较小的子电路(子网络)的诊断,并利用模糊神经网络来诊断较小规模的子网络的故障.论文的第一章包含5个小部分,具体讨论了模拟电路故障诊断的目的和意义,结合当前模拟电路故障诊断的发展趋势和所存在的问题,捉出了模拟电路故障诊断的研究方向,以及该文所作的工作.论文的第二章则简单介绍了模糊集合的定义及表示,在具体介绍利用模糊逻辑进行故障诊断的基础上讨论了利用模糊逻辑诊断所存在的问题.第三章介绍了人工神经网络基本单元的神经元模型、基本网络模型和人工神经网络的各种学习方法、学习算法,以及人工神经网络的特点、分类,同时在介绍人工神经网络进行故障诊断的基础上分析了人工神经网络诊断所存在的缺陷.第四章在第二章和第三章的基础上结合模糊逻辑诊断和人工神经网络诊断的优缺点,提出用模糊神经网络进行故障诊断.在第四章,详细介绍了三种基本的模糊神经元,对模糊神经网络进行了粗略的分类,以及模糊神经网络所用的各种学习算法.第五章在前四章的基础上具体讨论了如何诊断一个大规模电路的故障.在这一章,具体介绍了电流控制电压(CCVS)模型及如何利用CCVS模型对大规模电路进行等效分解,以及用模糊神经网络进行大规模电路故障诊断的原理,并以一个改进型模糊神经网络为例,讨论了故障诊断过程中改进型模糊神经网络的结构及建模,在讨论改进型模糊神经网络结构及学习算法的基础上对模糊神经网络的学习算法通过加动量项和使用自适应学习速率的方法进行了优化.具体结合所诊断电路为实例,讨论了样本的选取及处理,并结合样本找到模糊规则和在找到模糊规则的基础上建立模糊神经网络的模型.该文选用 MATLAB语言编制仿真程序,以一个具体的电路为例进行了训练和仿真实验,通过大量的计算机仿真测试,可以验证该方法在故障诊断方面有很高的准确识别率,能较好的解决电路的各种故障组合数多的问题、容差问题和故障的传递问题及黑箱子网络问题等.