（计算机应用技术专业论文）基于智能方法的模拟电路故障诊断研究.pdf

硕士学位论文 摘要 随着半导体、集成电路技术的日益发展，电子设备在家用、通信、测量、自动 控制、运输、科研等领域得到广泛的应用，伴随而来的是必不可少的维护和维修 工作。在自动化工厂、通信以及航空、航天等许多行业中，这些设备均处于关键 的工作岗位，一旦设备出现故障而不及时维修排除，可能会造成的经济损失是难 以估量的。 相对于数字电路，模拟电路的信号动态范围宽、波形变化大，因此对其的故障 检测一直是研究的重点。 论文从工程应用的角度出发，以模拟电路为特定研究对象，利用信号处理、小 波分析、粗糙集理论和神经网络等技术，对其进行状态监测以及故障诊断，并深 入研究模拟电路故障特征提取和诊断方法。 论文首先对研究的内容、目的、实践意义进行简要的论述。分析了在模拟电路 故障诊断过程中所采用的几种常用诊断方法，指出目前故障诊断存在的问题以及 将来的发展，并对信号的采集与处理，人工智能等技术作了简单的阐述。 由于模拟电路的各种信号中包含着丰富的信息，论文在对常用的故障诊断技术 以及幅值域参数，频谱分析等方法在模拟电路电学信号中的应用进行研究后，提 出采取的技术路线是以傅立叶分析为主，其它方法为辅，从而来共同实现对模拟 电路进行故障诊断的目的，同时对论文所涉及的神经网络和小波分析方法的原理 作了必要的叙述。 论文对粗糙集理论及方法在故障诊断中的应用进行了研究，针对模拟电路采样 数据的离散化，提出了一种新的算法，给出了该算法的详细步骤；在此基础之上， 提出了粗糙集理论应用于模拟电路故障诊断的步骤框架，进行系统的诊断实验并 进行评估。 关键词：模拟电路；故障诊断；神经网络；粗糙集；约简； 摹于智能方法的模拟电路故障诊断研究 a b s t r a c t w i t hs e m i c o n d u c t o ra n di ct e c h n o l o g yd e v e l o p m e n t ，t h ee l e c t r o n i c e q u i p m e n t si sw i d e l yu s e d i nh o u s e h o l d ，c o m m u n i c a t i o n s ，m e a s u r e m e n t ， a u t o m a t i cc o n t r o l ，t r a n s p o r t a t i o na n ds c i e n t i f i cr e s e a r c h ，e t c a c c o m p a n i e d b yt h ee s s e n t i a lm a i n t e n a n c ea n dr e p a i rw o r k i nal o to ft r a d e s ，s u c ha s a u t o m a t i cc h e m i c a l p l a n t ，t e l e c o m m u n i c a t i o n s ，a s w e l la s a v i a t i o n ， a e r o s p a c ea n dm a n yo t h e rf i e l d s ，t h ee q u i p m e n t si si nac r i t i c a lp o s i t i o n ， o n c et h ee q u i p m e n tf a i l u r ea n dc a nn o tb ef i x e di nt i m e ，i tm a yb eh a r dt o e s t i m a t et h ee c o n o m i cl o s s e s c o m p a r i n gw i t ht h ed i g i t a lc i r c u i t ，a n a l o gc i r c u i ts i g n a lh a saw i d e d y n a m i cr a n g e a n dv a r i e dw a v e f o r m c h a n g e s ，t h e r e f o r e ，t h e y f a u l t d e t e c t i o nh a sb e e nt h ef o c u ss t u d i e d t h et h e s i sp r o c e e d sf r o ma n g l eo f e n g i n e e r i n g ，r e g a r dt h ea n a l o g o uc i r c u i ta st h es p e c i f i cr e s e a r c ho b j e c t ， u s i n gs i g n a lp r o c e s s i n g ，w a v e l e ta n a l y s i s ，r o u g hs e tt h e o r ya n dn e u r a l n e t w o r kt e c h n o l o g y ，r e s e a r c ho ni t sc o n d i t i o n m o n i t o r i n g a n df a u l t d i a g n o s i s ，a n dd e p t hs t u d yo ff e a t u r ee x t r a c t i o na n da n a l o g o uc i r c u i tf a u l t d i a g n o s i s f i r s t ，t h et h e s i sm a k e sab r i e fa r g u m e n t a t i o no nt h er e s e a r c hc o n t e n t s ， p u r p o s ea n dp r a c t i c a ls i g n i f i c a n c e a n a l y s i s s e v e r a l c o m m o n l y u s e d d i a g n o s t i cm e t h o do f f a u l td i a g n o s i so na n a l o g c i r c u i t s ，p o i n to u t t h e p r o b l e m so ft h ef a u l td i a g n o s i sa tp r e s e n t ，a n df u t u r ed e v e l o p m e n t 。a st h e s i g n a lo fa n a l o g o uc i r c u i tc o n t a i n sa na b u n d a n c eo fi n f o r m a t i o n ，t h et h e s i s s t u d yt h ef a u l td i a g n o s i st e c h n o l o g yo fa m p l i t u d ed o m a i na n ds p e c t r u m a n a l y s i sm e t h o d so fe l e c t r i c a ls i g n a l s ，a f t e rt h a t ，t h et h e s i sp r o p o s e sf o u r i e r a n a l y s i sa st h em a i nl i n e ，s u p p l e m e n t e db yo t h e rm e t h o d s ，s ot h a tt oa c h i e v e t h ep u r p o s eo ft h ea n a l o g o uc i r c u i tf a u l td i a g n o s i s m e a n w h i l e ，t h et h e s i s i n v o l v e dt h en e c e s s a r yn a r r a t i v eo ft h ew a v e l e ta n a l y s i st h e o r ya n dn e u r a l n e t w o r k t h et h e s i sr e s e a r c ho nt h ea p p l i c a t i o no fr o u g hs e tt h e o r ya n dm e t h o d s t ot h ef a u l td i a g n o s i s ，i nv i e wo ft h ed i s c r e t ea n a l o g o uc i r c u i ts a m p l i n gd a t a ， an e wd i s c r e t ea l g o r i t h ma n di t sd e t a i ls t e p si s g i v e n ；b a s e do ni t ，p u t f o r w a r dt h ea n a l o g o uc i r c u i tf a u l td i a g n o s i ss t e p sa n di t sf r a m e w o r k ，c a r r y o nt h es y s t e m a t i cd i a g n o s i se x p e r i m e n ta n dr e l a t e de v a l u a t i o n k e yw o r d s ：a n a l o g o uc i r c u i t ，f a u l td i a g n o s i s ，a n n ，r o u g hs e t ，r e d u c t i o n n 兰州理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识至0 本声明的 法律后果由本人承担。 作者签名：- 3 珐墨日期：如。7 年，月石日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权兰州理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“4 ”) 作者签名： 导师签名： 嘭-3 月月、j山- 棒年 矽吵 期期 茸矿 z 弧船 硕十学位论文 i i 课题研究的意义及来源 第1 章引言 随着现代科技水平的不断提高，电子设备在家用、通信、测量、自动控制、运 输、科研等领域得到广泛的运用。同时，半导体、集成电路技术的发展使得电路 系统的规模急速加大。这样，在满足需求的同时，设备发生故障的可能性与复杂 性也在相应增加，尤其在自动化工厂、通信以及航空、航天等领域，一旦设备出 现故障而不及时维修排除，可能会造成的损失是难以估量的。 在目前，电子设备的维护、维修工作仍旧依赖于专门培训的值班人员进行，运 行成本偏高。即便如此，也依然存在如下问题： 1 电子设备在出现故障以后，如果没有备用品，就要求维修人员在最短时间内 对故障设备进行修复；即使有备品，在通信等行业，必须采用热切换的方法替换 故障部件，因为更换备品所造成的中断也是难以承受的； 2 日常维护并不能保证发现或消除所有的故障苗头，而故障隐患的早期发现和 及时处理无疑对减少损失具有重要意义。 目前电路系统正在向高速化，自动化和智能化发展，传统的故障诊断技术已不 能适应，因此如何确保电路系统的安全正常运行，就成为现代设备运行维护和管 理的一大课题，而对电路系统进行状态监测，有效实施故障诊断技术是保障电路 系统安全正常运行的重要措施。 故障诊断是指系统在一定工作环境下查明导致系统某种功能失调的原因或性 质，判断劣化状态发生的部位或部件，以及预测状态劣化的发展趋势等，而诊断 就是由现象判断本质，由当前预测未来，由局部推测整体的过程，与医疗诊断类 似，在工程技术领域，也需要根据设备各种可测量的物理现象和技术参数的检测 来推断设备是否正常工作，判断发生故障的原因和部件，预测潜在故障的发生等。 电路故障诊断是识别设备运行状态的科学，它研究的是系统运行状态的变化在 诊断信息中的反映，其研究内容包括对设备运行现状的识别诊断对其运行过程的 监测以及对其运行发展趋势的预测三个方面【1 ，2 】。 由于电路系统故障诊断是一个相当复杂的过程，在多数情况下，仅仅依靠单一 的方法往往无法有效地解决问题，因此必须从各种相关学科中，广泛探求有利于 故障诊断的原理，方法和手段，这就使得故障诊断技术呈现多学科交叉融合的鲜 明特点，而该学科的基础主要包括，数学，电子学，传感器测试技术信号处理， 计算机科学等，同时还包括了信息科学，人工智能和专家系统等边缘学科【2j 。 摹于智能方法的模拟电路故障诊断研究 1 2 模拟电路故障诊断的研究内容 按照系统的观点，模拟电路的故障类型尽管千差万别，但与每一种故障类型相 对应，系统必定会通过一个或多个物理参量将其表征出来，每一种故障类型也必 然由一种或多种原因所引起，因此故障诊断的基本思想可以这样表述，设被检测 对象全部可能发生的状态( 包括正常和故障状态) 组成状态空间s ，它的可观测量 特征的取值范围全体构成特征空问l ，当系统处于某一状态s 时，系统具有确定的 特征y ，即存在映射g ： g ：s y( 1 - 1 ) 反之，一定的特征也对应确定的状态，即存在映射，： ，：l ，一s( 1 2 ) 状态空间与特征空间的关系可用图1 1 表示。 | 围1 1 故障诊断表述 如果，和g 是双射函数，则由特征向量可唯一确定系统的状态，反之亦然。故 障诊断的目的在于根据可测量的特征向量来判断系统处于何种状态，也即需找出 映射，。 若系统可能发生的状态是有限的，例如可能发生矗种故障，这时把正常系统所 处的状态称为，把存在不同故障的系统所处的不同状态称为墨，j ：，当系统 处于状态s o 时，对应的可测量特征向量为x 一。，) 。故障诊断是由特征向量 y - ( y l c - ) 求出它所对应的状态s 的过程。因为一般故障状态并非绝对清晰的， 存在着一定的模糊性，因此它所对应的特征值也在一定范围内变动，在这种情况 下，故障诊断就成为按特征向量对被测系统进行分类的问题或对特征向量进行状 态的模式识别问题。 在对模拟电路等电路系统进行故障诊断时，一般需要涉及以下几方面的关键内 容。 一般来讲，一个完整的模拟电路诊断系统包括如下几个部分：传感器系统；以 工业计算机为主体的数据采集、实时分析诊断系统、打印及报警系统；系统软件 ( 包括控制管理软件、分析软件、监测显示软件、诊断软件) ；充分合理的诊断 理论、知识库、推理规则、专家系统等。 硕十学位论文 1 2 1 状态信号的采集 模拟电路的各种状态信号是设备异常或故障信息的载体，选用一定的检测方法 和检测系统采集最能表征诊断对象状态的信号，是故障诊断技术实施过程中不可 缺少的环节。 目前，在模拟电路故障诊断中主要采用以下几种方法。 1 电学诊断 电学诊断的主要测量参数为电流和电压，所用的传感器主要为电压电流采样设 备，与其他方法相比，电学诊断技术由于具有理论基础雄厚，分析测试技术设备 完善，便于实时诊断等诸多优点而在电路故障诊断的整个技术体系中占据着主导 地位，如利用模拟电路的电学信号来估计出模拟电路的参数，也有研究人员通过 检测电学信号，对电路的老化进行诊断l s l 。 在模拟电路故障诊断领域，为了提高信噪比s n r ，可利用时域平均法来消除 信号中的非周期分量和随机干扰，利用倒频谱分析方法消除其它信号的影响，另 外还有小波交换等技术，其目的都在于最大可能地消除外界环境对诊断参数的干 扰，提高最终的诊断精度【”。 2 温度测试 正如人的体温可以用于其健康检查，温度参数也常用于设备的故障诊断其中接 触式测温多用于需要连续监测或不可观察的部位，非接触式测温常用于危险部位 或不易接近的部位。 6 光学测试 利用红外摄像机，提取电路系统的红外影像。由于温度和红外辐射的相关关系， 可以检测出系统的异常发热。 可以预见，随着科技的发展，更新、更有前途的诊断测试技术手段一定会不断 涌现。 1 2 2 信号分析处理及特征提取 为了对故障进行诊断而测量获得的信号大多是时问历程函数，我们将这种采集 所得的表征诊断对象运行原始状态的信号称为初始模式，在初始模式中故障信息 混杂在大量的背景噪声中，为提高诊断的灵敏度和可靠性，更充分地利用所测信 号，有必要对信号进行处理加工，在状态信号中排除噪声，干扰的影响，以提取 有用的故障信息，突出故障特征，这种加工处理的运算过程就是信号的分析处理， 而故障特征提取就是将初始模式进行维数压缩，形式变换排除干扰，保留或增强 有用信号，对故障特征信息精细化，并由此形成待检模式。 信号一般可分为模拟信号和数字信号，由于数字信号精确，在传输过程中不易 失真，更适合于计算机处理等优点，因此信号处理发展的主流将是数字信号处理， 摹于智能方法的模拟电路故障诊断研究 由于工程中测量或观测得到的实际信号一般都是模拟信号，为了实现数字化处理， 必须进行从模拟信号到数字信号的转化。 目前，信号分析与处理已成为一门独立的学科，其方法很多，一般包括常用的 数学变换，时域分析，频域分析，时间序列分析等，有时为了进一步获得便于分 析的特征信息，往往需要将时域信号变换到其他分析域进行分析，如幅值域、时 延域、频域以及倒频域等。 信号的时域分析法是对所测得的时间历程信号直接实行各种运算且运算结果 仍属于时域范畴，如数字滤波，相关分析等。 信号的频域分析法则是将时间历程信号经过傅立叶变换为频域信号，然后再进 行各种运算的分析方法，如幅值谱分析，相位谱分析和频谱分析等，主要分为两 类，经典谱分析与现代谱分析1 5 j 。 1 2 3 状态识别 由于故障类型的多样性，特征信息的模式也种类繁多，因此有必要首先建立故 障的特征模式，所谓建立故障特征信息模式，即建立各类故障标准模式在习惯上 也将这一工作称为建立诊断对象的标准故障文档库。 从征兆提取装置输出的征兆即可馈入状态识别装置来识别系统的状态，这是整 个诊断过程的核心，一股来说，这一步是将实际上已存在的参考模式，即标准模 式，与现有的由特征按不同方式组成的相应的待检模式进行对比，来决定待检模 式应划归哪一类参考模式，因此，状态识别就是指将待检模式与诊断文档库中的 标准模式进行对比，并将待检模式归属到某一已知的样板模式中去的过程，由此 判定诊断对象所处的状态模式是否正常，并预测其可靠性和状态的发展趋势。由 此可知，电路系统的故障诊断实际上是一个典型的模式识别过程，而诊断文档库 中的各种故障标准模式就是进行状态识别的基础。 由于故障现象与故障原因之间并非总存在简单的，一一对应关系，一因多果和 一果多因的情况经常可见，而且还因为设备的电路结构千变万化，故障现象形形 色色，就目前的研究进展来看，除了一些典型的故障形式外，尚有许多故障现象 未查明原因，在这种情况下，要诊断这些故障显然比较困难，对这些说不清的故 障现象，更主要的是靠直觉和经验来进行诊断。在智能技术引入诊断领域之前， 状态识别实际上是由领域专家来完成的，但实际情况是，随着设备复杂程度的提 高，这种需要与现实的矛盾日益突出。 近年来，人工神经网络由于具有大规模并行处理，分布式存储，自组织，自适 应和自学习的能力，适合于处理不精确，模糊的信息，一直受人瞩目直至目前， 人们已提出了3 0 多种神经网络模型1 2 们，其中常用的有十几种，各种改进算法更是 层出不穷，表现出了极大的生命力，它的发展，也为模拟电路等的故障诊断发展 硕上学位论文 起了较大的促进作用，如利用b p 神经网络来对模拟电路电学故障进行诊断等，都 取得了较满意的诊断结果。 1 2 a 诊断决策 诊断决策就是根据对设备状态所作出的判别和决定应当采取何种对策和措施， 判别电路系统的故障原因，还可对运行进行必要的预测，就是在维持原来的运行 状态下，估计设备还可以继续运行多长时间，或估计可能产生的后果。 整个故障诊断的过程可以用图1 2 来表示 图1 2 模拟电路故障诊断过程 1 3 国内外研究现状及发展趋势 1 3 1 国内外研究现状 模拟电路故障诊断属于电路故障诊断范畴，而电路故障诊断作为一门新兴的综 合性边缘学科，已经过3 0 多年的发展，它建立在多种基本技术的基础之上并融合 了多种理论的新兴综合性学科，因此，该学科具有基础理论较新，体系边界模糊， 实施技术繁多，工程应用广泛，发展日趋迅速以及与当今高技术发展密切相关等 特点。 就技术手段而言，故障诊断已逐步形成以电学测试，温度监测等为主，其他技 术或方法为辅的局面，这其中又以电学诊断涉及的领域最为广泛，理论基础最为 雄厚，研究最为充分，由于计算机技术的飞速发展，目前可用于电学测试的设备 十分丰富，从少通道，较低采样频率，较低精度，只具备简单分析功能的低价位 简易设备到多通道，超高速，超高精度，超大容量的巨型系统应有尽有，对于电 学信号的采集来说，目前的计算机技术已足以胜任各种场合的需求，在硬件技术 突飞猛迸发展的同时，软件技术日新月异的进步也极大地促进了信号分析与处理 技术的发展。 摹于智能方法的模拟电路故障诊断研究 就诊断方法而言，除了单一参数，单一故障的技术诊断外，目前多参量、多故 障的综合诊断已经兴起【2 9 1 ，而人工智能的研究成果为电路故障诊断注入新的活力 【3 9 l ，故障诊断的专家系统不仅在理论上得到了相当的发展，而且国外已有许多成 功的应用实例，国内也有许多单位正从事这方面的研究工作并取得了一定的进展， 目前又有研究人员探索将人工神经网络与专家系统结合起来，建造神经网络专家 系统，从相关的文献来看，神经网络与专家系统的结合主要采用以下两种策略， 一种是将专家系统构成神经网络，把传统专家系统的基于符号推理变成基于数值 运算的推理，以提高专家系统的执行效率并利用神经网络的学习能力来解决专家 系统的学习问题，二是将神经网络视为一类知识源的表达与处理模型，与其他知 识表达模型一起表达领域专家的知识。 1 3 2 存在的问题及面临的困难 尽管电路故障诊断已取得了长足的发展，但我们知道，它是一门迅速发展的新 兴学科，还未达到完善的水平，主要表现在以下几个方面。 1 发展不平衡，数字电路的故障诊断理论和实践都取得了较为成熟的结果而模 拟电路的诊断理论和实践都有待提高。 2 测量分析仪器和诊断仪器相脱离，便携式的多为分析系统，一般为传感器， 放大器，数据采集系统加频谱仪，无具体设备的特征参数并缺乏诊断功能的系统， 而较好的多为专用的，固定式的系统，一般固定在设备上，并专门为该设备服务。 3 适合模拟电路的专用设备还比较落后，一般对大型模拟电路进行诊断的手段 主要有测功台、简易模拟电路诊断仪表、精密信号分析仪等几种，这几种诊断方 式，都满足不了我们进行故障诊断的要求。 模拟电路故障诊断虽然近年来得到长足发展，但由于它同数字电路诊断一样， 都是建立在多种学科基础之上的交叉学科，它也面临着这些学科在发展过程中所 面临的共同问题。 1 4 论文的研究内容及工作 1 4 1 论文的研究内容 本论文以模拟电路为特定研究对象，结合信号处理，神经网络，粗糙集理论等 技术对其展开研究，论文包括以下几部分的内容： 第一章首先指出了开展电路状态监测及对模拟电路进行故障诊断研究课题的 必要性和该课题的来源，对课题研究的内容，目的，实践意义以及电路故障诊断 技术发展的现状与未来趋势进行简要的论述，并对本论文在模拟电路故障诊断过 程中所涉及的各项技术，如信号的采集与处理，人工智能等技术作了简单的阐述。 第二章对目前在模拟电路故障诊断中所常用的几种诊断方法作了简要的介绍， 硕l 学位论文 如电学信号故障特征法等，从而来共同实现对模拟电路进行故障诊断的目的，然 后在此基础上给出了本文所涉及的神经网络以及专家系统的具体的算法以及步 骤。 第三章的主要内容为本课题涉及的各种信号处理方法，包括时域方法以及频域 方法，探讨了幅值域参数，功率谱分析等方法在故障诊断中的应用，为了使电学 信号的特征更加明显，引入了小波分析法，并对该方法在模拟电路故障诊断中的 实际应用作了有意义的探索。从而为后续工作做好了准备。 第四章考虑到在对复杂系统进行诊断时，由于特征参数过多而造成神经网络规 模过大训练时间过长以及专家系统规则库存在规则冗余等问题，降低整个系统 的实用性，出于这种考虑，则将近年来备受瞩目的粗糙集理论引入了模拟电路故 障诊断工作，并对所涉及的粗糙集理论以及不可分辨关系，核以及约简等概念进 行了简要的阐述。 第五章内容是前一章的延伸，本章首先对数据缺失值如何进行预处理以及数据 的离散化处理等方法进行了探讨，然后展开了对粗糙集理论中属性约简以及值约 简更进一步的研究，给出了常规约简算法，并在此基础上提出了改进的约简算法。 第六章提出了建立智能型诊断专家系统的必要性，并结合粗糙集理论，提出了 基于粗糙集理论的神经网络识别系统，给出了该算法的详细步骤，最后结合属性 约简以及傅立叶分解方法，建立模拟电路故障诊断子系统。 第七章在对模拟电路的各项技术参数以及信号测点的选择进行说明后，然后对 本课题中故障诊断系统的软硬件部分作了简要的介绍，如硬件系统的具体构成， 软件系统的组成以及各子系统的功能等，使得对系统有大致的了解。 第八章为论文的结束部分，包括论文的主要工作，以及对智能型故障诊断技术 未来的展望。 1 4 2 作者的工作 本论文中作者的主要工作有 1 利用信号处理中的时域，频域以及幅值域等方法对模拟电路电学信号进行 各种分析； 2 对傅立叶分析在模拟电路故障诊断中的应用进行了探讨，如利用傅立叶分 析对模拟电路电学信号进行预处理，以及利用傅立叶分析建立信号的谱来 提取信号的特征参数； 3 在n a i v es c a l e r 算法的基础上，提出了一种数据离散化算法，即m a x d i f f 算法； 4 将粗糙集理论及方法引入模拟电路故障诊断系统中。 硕上学位论文 第2 章模拟电路故障诊断技术及原理 在模拟电路上作用的有各种激励源，因此其各系统任何一个环节离开正常状 态，模拟电路都会发生故障，因而对模拟电路进行诊断，对于保证设备正常工作 具有十分重要的意义。 2 1 模拟电路故障诊断方法 2 1 1 电学信号故障特征法 模拟电路在工作时必然会产生电量变化，这是由其结构特点和工作性质决定 的。不论是性能监测还是工作过程监测，电学信号都是反映模拟电路内在关系的 极其有效的参数，对于工作过程而言，相应的电学信息中，对于性能参数监测， 衡量设备工作状态正常与否的综合性指标是与工作过程以及各机构之间运动协调 与否紧密相关的，而这些指标在电学信息中反映更为敏感，也更为直接，电学信 号特征法的依据是电学中所包含的频谱信息和状态等信息，电学监测及故障诊断 的出发点是在电路特性分析及谱分析基础上，研究电路运行过程中的故障原因与 状态效应。 电学诊断技术的不足之处在于因电学诊断技术涉及信息传感，电学测试信号处 理等诸多领域，因而对设备诊断技术人员的要求较高。 虽然采用电学诊断法对其发生的故障进行诊断，具有一定程度的困难，但我们 也注意到模拟电路的电学信号是故障信息最直接的载体，与其它诊断方法如光学 方法相比而言，在诊断的速度，测试的方便性，实现在线监测等方面，电学诊断 法具有明显的优势1 3 引。 2 1 2 傅立叶分析 在尽量简化取样的条件下实现自动故障诊断，可以通过对电路输出进行傅立叶 分解得到量化的信息。在电子电路中，输出的电压波形多是连续的周期函数，可 采用对输出电压进行傅里叶变换作为分析电路运行情况的依据，同时，傅里叶分 析的结果可以作为电路的故障征兆信息。基于粗糙集理论构造的分类器适用于这 种场合，因其具有在输入不精确、不完整信息情况下的分类能力。在傅立叶分解、 数据离散化、采用r s e s 进行训练的基本流程中，取样点的选取，离散算法等细节 对故障的识别准确率有较明显的影响。实验结果证明了粗糙集理论结合傅立叶分 解诊断电子电路故障的可靠性和准确性。 2 1 3 小波分析诊断法 小波分析不仅具有丰富的数学内涵，而且具有重要的应用价值，小波分析在电 摹于智能方法的模拟电路放障诊断研究 路故障诊断领域中的应用还刚刚起步，国内外不少学者已开始着手进行这方面的 研究【2 7 , 2 8 , 3 0 】，由于小波分析非常适合分析非平稳信号，当然，对平稳信号的分析， 它也同样有效，因此小波分析可作为故障诊断中信号处理的较理想的工具，由它 来构造故障诊断所需的特征因子，或直接提取对诊断有用的信息，模拟电路是动 力的关键设备，用这种先进的方法对其电学故障进行诊断，可以丰富模拟电路故 障诊断理论，更好地发挥模拟电路在实际生产中的作用，在论文的后续章节，我 们将对小波分析方法在模拟电路故障诊断中的应用进行进一步的研究。 2 i a 粗糙集理论 粗糙集理论是由波兰华沙理工大学的z p a w l a k 教授首先提出的一个分析数据 的数学理论，主要用于研究不完整、不精确知识的表达、学习与归纳。在分类的 意义下，它定义了模糊性和不确定性的概念。作为一种数学理论，它使用等价关 系来形式化地表示分类，并将分类与知识联系在一起。为了对知识的确定程度进 行描述，粗糙集理论引入上近似和下近似的概念，并以这些概念来定义粗糙度。 不仅如此，粗糙集理论还包含了求取大量数据中最小不变集合与求解最小规则集 的理论，而这就是人工智能中研究关于机器学习与知识发现所需完成的任务。 2 1 5 神经网络诊断法 模拟电路是一个复杂系统，对其准确建模比较困难，近年来，人们一直在探索 合适的故障模式识别法，神经网络的自学习，自组织，联想记忆及容错等功能能 较好地处理不确定的，矛盾的，甚至错误的信息，因此在故障诊断领域受到广泛 关注，它的发展，也为模拟电路故障诊断提供了新的研究途径，基于神经网络的 故障诊断技术，就是通过对故障实例和诊断经验的训练学习，用分布在网络内部 的连接权值来表达所学习的故障诊断知识，它具有对故障模式的联想记忆，模式 匹配和相似归纳能力，从而实现故障与征兆之间复杂的非线性映射关系，一般常 用的为b p 神经网络。 2 2 神经网络原理简介 人工神经网络，是一门新兴边缘和交叉科学，它是在生物神经学研究成果的基 础上提出的人工智能概念，是对人脑神经组织结构和行为的模拟。它以神经元为 信息处理的基本单元，以神经元问的连接弧为信息传递通道，多个神经元联结而 成的网络结构。 与一般的传统的数据处理方法比较而言，神经网络理论在以下几个方面具有其 独特的优越之处，模糊的数据，需要确定的模式特征不是很明显，随机数据以及 数据中含有较多的干扰噪声。 硕 学位论文 因此，任何能采用传统的模型分析或统计方法解决的问题，用神经网络技术能 处理得更好，由于神经网络的数学理论本质是非线性数学，所以现代非线性科学 方面的进展势将推动神经网络研究的持续进行，而同时神经网络理论反过来也会 对非线性科学提出新的研究课题1 3 ”。 一般来说，神经网络模型可以从十个方面进行描述，即神经元，神经网络的状 态，传播规则，活跃规则，输出函数，学习算法，互联模式，环境，稳定状态以 及操作模式。 一般来讲，人工神经元可用以下的数学模型表示 q - ：工，一岛 ( 2 1 ) h 一厂 ) ( 2 2 ) 其中气，x 2 ，为输入信号，q 为阈值，为q 到u j 连接的权值，( ) 为激发 函数，”为输出。 此时，每一个神经元的输入接受前一级神经元的输出，因此对神经元的总作 用，珥为所有输入的加权和再减去阈值，此作用引起神经元u i 的状态变化，而神 经元峨的输出弗为其当前状态q 的函数。，( ) 为神经元的特性函数，它描述了神经 元的输入输出特性，是神经元及网络的核心，网络解决问题的能力和功效除了与 网络结构有关，在很大程度上取决于网络所采用的特性函数，常用的特性函数有； 线性特性函数、阈值特性函数、s 型特性函数。 s 型函数是目前应用最为广泛的特性函数，对它进行各种改进来改善网络性能 的文献也较多，另外还有具有反对称特性的双曲正切s 型函数，它常被选用为要求 是1 范围内的信号，它们都具有中间增益高适应弱小信号、两端增益低适应大信 号的性能，反映了神经网络的压缩或饱和特性。 由于单个神经元的功能是非常有限的，因此人工神经网络实际是由大量神经元 广泛互连而成的，目前虽然已有数十种的神经网络模型，但已有的神经网络按网 络结构可划分为两大类，即前向网络，反馈网络。 前向网络由输入层、中间层和输出层组成，中间层可有若干层，每一层的神经 元只接受前一层神经元的输出，即没有反馈。 前向网络的输出只是与当前网络的输入及其联接权值有关，而在反馈网络中， 由于将输出循环返回到输入，所以每一时刻的网络输出不仅取决于当前的输入， 而且还取决于上一时刻的输出，其输出的初始状态由输入矢量设定后随着网络的 不断运行，从输出端反馈到输入端的信号不断改变，也使得输出不断变化，经过 若干次的变化，渐渐趋于某一稳定状态或进入周期振荡等状态从而使网络表现出 暂态特性，这使得反馈网络表现出前向网络所不具有的振荡或收敛特性。 一个神经网络的拓扑结构确定后，为了使它具有某种智能，还必须有相应的学 习算法与之匹配，算法就是网络连接权值的调整方法，因此算法是人工神经网络 基于智能方法的模拟电路故障诊断研究 研究的主要内容和中心环节，许多性能各异的神经网络的差异主要体现在学习算 法的不同上，对于神经网络学习算法足至今人们研究最多的一个方面到目前为止， 人们己先后提出了反向传播算法，h o p f i e i d 算法，自适应共振理论，自组织特征映 射算法等，下面对本文用到的b p 算法及s o f m 算法作简单的叙述。 2 3 结论 在模拟电路各种故障诊断方法中，电学诊断法由于其在诊断的速度、测试的方 便性、实现在线监测等方面所具有的优势，依然是最为常用的诊断方法之一。 小波分析法非常适合分析模拟电路电学信号之类的非平稳信号，因此可作为故 障诊断中信号处理的较理想的工具，由它来构造故障诊断所需的特征因子，或直 接提取对诊断有用的信息。 神经网络的自学习、自组织、联想记忆及容错等功能能较好地处理不确定的、 矛盾的、甚至错误的信息。它的发展，为模拟电路故障诊断提供了新的研究途径。 由于神经网络能处理无法建立具体数学模型或含有噪声的对象，因此可考虑利用 神经网络识别法来对模拟电路电学信号进行聚类分析。 硕十学位论文 第3 章模拟电路信号的处理 电路系统在工作过程中必然会有电、磁、热等各种量的变化，这样从外部表现 来看会产生各种不同的信号。由于我们的目的是研究故障，因此可将其他与故障 无关的因素都看作是噪声，于是故障信息将混杂在大量的背景噪声中，为了保证 诊断的可靠性，就需要采用适当的信号处理及其他相关技术，提取出有用的故障 特征信息。 模拟电路在运行时产生的电学信号中则包含着丰富的信息，这样由数据采集系 统得到的电学信号，只有进行信号处理后才能对以后的诊断环节有所帮助而信 号处理就是将采集到的离散化数据进行数据变换，以便进行更深入的分析，从而 达到提取信息和便于应用的目的。 3 1 信号的获取及特征提取 3 1 1 模拟电路信息模型 对于模拟电路中的放大电路，要求具有线性传输特性，也就是能够无失真地传 输信号。即： 万广l 垡丝墨笙l ；i 广 ( 3 。1 ) 系统的输入和输出关系满足： y ( f ) 一妒( t - t o ) ( 3 - 2 ) 式中，k 为时间f 与无关的实常数，表示幅度变化的系数；t o 为系统延迟。 3 1 2 信号的获取 要实现信号的数字化处理，首先需要对连续的时间历程信号工( t ) 进行采样离散 化。从数学的观点来看，采样属于一种幅值调制形式，它等效于用连续信号乘以 等间隔的单位狄里克莱脉冲所得的结果，但采样必须满足采样定理。根据采样定 理，在实际采样中应注意以下两点： ( 1 ) 采样前用一抗混叠低通滤波器对连续信号进行滤波，去除不需要的、 高于，叫一l 的高频成分，其中丘代表截止频率。 ( 2 ) 采样频率应满足 1 五一亡2 正 ( 3 - 3 ) 即采样频率应高于分析信号中最高频率的两倍，在实际中一般取3 5 倍左右。 摹于智能方 去的模拟电路故障诊断研究 3 1 3 电学信号的特征提取 对于某一具体的故障类型，我们所关心的是以下两方面的问题：首先，这种故 障通过哪些物理参量表现出来的；其次，它与各物理参量间的关系如何。 一般而言，只要电路系统的状态发生了变化，就必定会影响到与之相连的各动 态物理参量，但是，并非所有的动态参量都是有用的，只有那些与故障类型之间 的关系密切，对故障灵敏的物理量才会被用于故障诊断，我们将这些对故障灵敏、 稳定可靠的物理参量称为故障特征参量，这就引出了如何选取故障特征参量的问 题，一般选取故障特征参量应遵循如下原则。 1 高灵敏度 电路系统状态的微弱变化应引起故障特征参量的较大变化， 2 高可靠性 故障特征参量是依赖于电路系统的状态变化而变化的，如果将它取作应变量， 系统状态作为自变量，则故障特征参量应是系统状态的单值函数。 3 可实现性 故障特征参量应该是便于检测的，如果某个物理参量虽然对某种故障足够敏 感，但出于经济或技术方面的考虑而不易获得，那么这物理参量也不便用作特征 参量。 3 2 信号的幅值域参数 3 2 1 幅值域参数的定义 信号的幅值域参数一般用来计算信号幅值的变化，波动的大小以及能量分布规 律，常用的幅值域参数有均值，均方值，有效值，方差，标准差，最大最小值， 峰值，峰峰值。 3 2 2 模拟电路信号幅值域参数计算 为了观察模拟电路电学信号的幅值域指标，我们对如图3 1 所示的一模拟电路 实际电学信号进行幅值域参数计算。 硕七学位论文 图3 1 模拟电路实测电学信号 上：正常信号下：故障信号 对同一测点分别取2 次测量值，则各参数计算值分别为： 表3 1 模拟电路正常与故障状态幅值域指标对比 正常 故障 状态 n o 1 n o 2n o 1n o 2 均值 5 4 l l e - 54 3 4 e - 42 1 7 e - 44 1 l e 5 均方值 o 0 0 5 4 20 0 0 4 50 0 1 7 30 0 2 2 5 有效值 o 0 7 3 60 0 6 7 40 1 3 1 60 1 5 0 1 方差o 0 0 5 4 1 0 0 0 4 50 0 1 7 3 0 0 2 2 5 标准差0 0 7 3 6 0 0 6 7 40 1 3 1 6 0 1 5 0 1 最大值1 3 0 21 0 5 21 1 5 3 71 2 0 7 3 最小值 - 0 9 9 5 50 8 0 1一1 1 8 0 21 2 7 0 7 峰值1 3 0 2 1 0 5 21 1 8 0 2 1 2 7 0 7 峰峰值2 2 9 7 1 8 5 32 3 3 4 0 2 4 7 8 0 峰值指标 1 7 6 8 71 5 6 0 98 9 6 98 4 6 2 7 从上面表格的计算结果中，我们可以得出这样的结论： 1 模拟电路信号的幅值域参数，包括统计参数以及无量纲参数，如能正确选择， 则能在一定程度上反映出信号的波动情况以及变化程度。 2 由于模拟电路电学信号复杂，加上信号源较多，故幅值域参数只能作为诊断 的辅助性参数来提高整个系统的整体识别率。 3 3 信号的频域分析法 对于电路故障诊断来说，时域分析所能提供的信息量是非常有限的，时域分析 往往只能租略回答电路系统是否有故障，有时也能得到故障严重程度的信息，但 不能回答故障发生部位等信息，以便有针对性地采取措施，因此故障定位问题在 设备故障诊断与监测研究中显得尤为重要，而对故障进行定位一种常用的方法就 是进行信号的频域分析。 因为当电路系统正常运行时与发生故障时其频谱必随之有相应的变化，即增加 新的谱线或使原有谱线的幅值增加，因此电学信号的频谱分析是对电路进行故障 摹于智能方法的模拟电路故障诊断研究 诊断的一种重要方法，这样通过对曲线中各频率成分的分析，对照设备运行时的 特征频率，就可以查找出故障源。 目前，频域分析法已成为电路系统故障电学诊断的主要内容。 3 3 1 频谱的定义 频谱是在频域中对信号能量或功率分布情况的描述，在相同的条件下，频谱比 幅值谱更为清晰。频谱可由相关函数的傅立叶变换求得。 由于频谱不仅能反映出信号的频率结构，而且也可以表示出各频率成分各自所 占的比重和数值，在电路故障诊断中，当电路发生故障时，该系统的频谱所包含 的频率成分或相应频率成分的幅度将发生明显的变化，因此在许多情况下，频谱 是故障诊断的重要依据之一。 3 3 2 电学信号的频谱分析 模拟电路不同状态下的频谱如图所示。 1 卜一肾 f - 7 - _ ij i 蚪! k jj川幽也l i ，垒：0 r ：，= az 蔓 _-_ f 。 - - r)f：。7 - d 卜 - _ - - r - - 一3 _ - _ - _ 。】cf 1 jrf i fu nu v u tj ； l ； 图3 2 模拟电路不同状态下的频谱图 上：正常信号下：故障信号 为了使电学信号的特征更加明显，下面引入小波分析方法。 硕上学位论文 3 4 小波变换法 小波的概念是地质学家j m o r l e t 和a g r o s s m a n n 首先提出并成功应用于地震信 号分析处理的，它是八十年代后期发展起来的新的数学理论，来源于经典的调和 分析。它的出现，被认为是调和分析这一数学领域半个世纪以来工作的结晶，被 称作里程碑式的进展。 所谓小波分析，是一种包含尺度伸缩和时间平移的双参数的函数分析方法，小 波理论从它诞生起就与实际的工程问题紧密联系