论文部分内容阅读
模拟电路广泛应用于民用,军工,航天等领域,现代电子系统设备复杂程度不断增加,电子电路后期的维护至关重要。模拟电路由于自身非线性,易受环境干扰等原因,在系统中故障率较高而且故障类型复杂多样,其故障诊断技术一直以来是一个难题制约着现代电子技术的发展。随着模拟电路向多功能和大规模的方向发展,传统的诊断方法已经难以适用,探索更为智能的自动测试和诊断方法日益迫切。神经网络良好的学习能力和逼近性能,以及小波分析良好的时频局部化特性为解决模拟电路故障诊断传统方法中的诸多难题提供了新方向。本文正是针对模拟电路故障诊断的小波分析和神经网络方法的关键理论和技术进行深入研究。 首先综述了国内外研究发展现状,介绍了神经网络的基本原理及其算法,通过建立仿真模型实例验证了神经网络方法的有效性。然后针对故障特征提取困难的问题,将小波多分辨分析和小波包分析方法应用于故障特征提取中,有效缩短网络训练时间,提高故障诊断正确率。充分利用小波函数的优良特性,将小波基函数作为神经网络隐层传递函数构造紧致型小波神经网络,对神经网络性能进一步优化改进。 针对基于单一信息源神经网络故障诊断方法存在的诊断精度不高和可靠性不强,以及单一神经网络泛化能力不足等问题,结合信息融合理论,提出了一种基于 D-S证据理论的决策层信息融合的故障诊断新方法,将模拟电路输出响应分频段分别进行独立的诊断,将所得结果作为独立证据体进行融合决策,实验结果对比分析表明,本文提出的方法能够有效提高故障诊断正确率和可靠性。