电子电路故障诊断系统设计

编号本科毕业设计（论文）电子电路故障诊断系统设计DESIGNOFFAULTDIAGNOSISSYSTEMFORELECTRONICCIRCUIT下属学院理工学院专业电子信息工程班级10电子信息工程学号104173350姓名赵闯指导教师陈勇旗职称副教授完成日期2014年4月1日宁波大学科学技术学院本科毕业设计（论文）I诚信承诺我谨在此承诺本人所写的毕业论文电子电路故障诊断系统设计均系本人独立完成，没有抄袭行为，凡涉及其他作者的观点和材料，均作了注释，若有不实，后果由本人承担。承诺人（签名）年月日宁波大学科学技术学院本科毕业设计（论文）II摘要【摘要】目前电子自动化的发展越来越成熟，电子设备功能越来越多。一个小小的故障也会导致财产的巨大损失。鉴于上述原因，本文利用MULTISIM仿真软件建立电路模型，进行故障设定，并提取故障特征值。针对这些故障类别，根据神经网络的基本原理设计了BP神经网络以及RBF神经网络的故障诊断系统结构。然后用MATLAB对样本进行训练与测试，并在实验室进行调试，得到的误差变化曲线基本上符合提出的期望。结果表明BP神经网络及RBF神经网络的算法能够有效的应用于模拟电路故障诊断。【关键词】故障诊断；BP神经网络；RBF神经网络；训练；测试宁波大学科学技术学院本科毕业设计（论文）IIIABSTRACT【ABSTRACT】ATPRESENT,THEDEVELOPMENTOFELECTRONICBECOMESMOREANDMOREAUTOMATIONANDTHEFUNCTIONOFELECTRONICALSOBECOMESMORELITTLEFAULTWILLRESULSTINPROPERTYFORTHESEREASONS,INTHISPAPER,THECIRCUITMODELISESTABLISHEDBYUSINGMULTISIMSIMULATIONSOFTWARE,THENSETTINGFAULTSANDEXTRACTTHEFAULTCHARACTERISTICINVIEWOFTHESEFAULTCATEGORIES,ACCORDINGTOTHEBASICPRINCIPLEOFNEURALNETWORKTOFOUNDFAULTDIAGNOSISSYSTEMFORTHESTRUCTUREOFBPNEURALNETWORKANDRBFNEURALNETWORKTHENTHESAMPLESARETRAINEDANDTESTEDBYMATLABANDDEBUGINTHELABORATORYTHEERRORCHANGECURVEISBASICALLYCONSISTENTWITHTHEEXPECTEDTHERESULTSSHOWTHATTHEBPNEURALNETWORKANDRBFNEURALNETWORKALGORITHMCANBEEFFECTIVELYAPPLIEDTOANALOGCIRCUITFAULTDIAGNOSIS【KEYWORDS】FAULTDIAGNOSIS；BPNEURALNETWORK；RBFNEURALNETWORK；TRAINEDTESTED宁波大学科学技术学院本科毕业设计（论文）IV目录1绪论111模拟电路故障诊断研究的背景与意义112模拟电路故障诊断方法的研究现状113本文主要的研究内容与结构安排3131本文主要的研究内容3132本文主要的结构安排32诊断电路和故障特征提取421模拟电路故障设定的基本思想422两种诊断电路的故障设定4221SALLENKEY低通滤波器的故障设定5222四运放双二阶高通滤波器的故障设定823诊断电路特征向量的提取113基于BP神经网络的模拟电路故障诊断1331神经网络的故障诊断13311神经网络基本原理13312BP网络用于故障诊断的基本思想1532BP神经网络的设计15321训练样本的获取及输入输出模式的确定16322BP神经网络的设计16323BP神经网络的工具箱函数1833SALLENKEY低通滤波器的故障诊断204基于RBF神经网络的模拟电路故障诊断2441RBF神经网络的基本知识概述24411RBF神经网络的基本原理24412RBF神经网络用于故障诊断的优势2442RBF神经网络的设计25421网络的设计25422RBF神经网络工具箱函数2643四运放双二阶高通滤波器的故障诊断275总结与展望29参考文献31致谢32宁波大学科学技术学院本科毕业设计（论文）11绪论11模拟电路故障诊断研究的背景与意义随着电子行业的兴盛，智能手机、笔记本电脑等一些高集成电路产品出现在我们的生活中，而且戚戚相关，难以离舍。很明显，这只是电子技术革新的开始，目前电子自动化的发展越来越成熟，电子设备功能越来越多，其电路集成度也变得更高，这就会出现运行时一个小小的故障也会导致财产的巨大损失以及我们生命的危险。目前模拟电路的应用不光局限于我们个人电子产品使用中，其广泛性也已应用到军工、通信、家用电器等各个方面，特别是随着集成电路的越发复杂，任何一个元部件和元器件的故障都会影响整个全局的功能。最新资料表明，高集成电子设备的维护费远高于其研发费用，这也就要求着我们不能光顾着产品的研发而忽视了电子设备的维护，维护做不好，研发工作也只是徒劳。但是往往维护又是一项巨大的难题，也是亟需解决的问题，我们必须要开发出一项优越的诊断方法去面对故障诊断的研究，这样才能保证设备系统功能的完整性与可靠性。所以今日我们的模拟电路的故障诊断绝不能局限于人力，显然人力也已经难以或无法解决模拟电路的故障诊断这一难题。可见，模拟电路的故障诊断是电子工业发展的一个迫切需要解决的难题。所以，我们必须要学会用智能化的方式去处理解决故障诊断的难题。12模拟电路故障诊断方法的研究现状模拟电路故障诊断的研究是从1970年开始的，到迄今也有几十年的历史，而电路的诊断技术也越来越成熟，方法也演变的多种多样。目前模拟电路故障诊断的主要任务有在已知网络的拓扑结构，输入激励信号，及由此获得的故障响应，从而来确定模拟电路故障发生的位置以及元器件的重要参数。模拟电路的故障诊断在今年的很长一段时间里都将是个难题，目前研究的主题包括故障的检测、故障的辨识以及故障的预测1。故障的检测是采用获得的采样数据，电路结构及参数来判定系统电路故障发生位置；故障的辨识是在已经了解到故障的发生，然后去判断并且确定故障存在的位置；故障的预报表明系统还没发生故障假想的故障位置，然后更换易发故障位置的器件，确保系统正常运行。目前研究的模拟电路故障诊断技术大体分为两大类，一个是以传统的人力财力为基础电子电路故障诊断系统设计2而进行的故障诊断，一个是以神经网络为主要的插入手段，将神经网络引用到模拟电路的故障诊断中，从而获得准确率较高的效果。（1）传统故障诊断技术传统的故障诊断技术主要分为下述几种故障字典法，故障参数识别法，故障验证法等几类2。故障字典法是指把模拟电路中的所有故障类型全部提取出来，并且将故障的类别与故障的关系对应起来，构成多个映射，达到每种类别对应一种关系。这样我们在进行模拟电路的故障诊断时只要将故障类别与故障字典中的相应关系对比即可获得故障发生的元件。这种方法得出的故障分类很准确，是不错的诊断方法。故障参数识别法是根据网络的拓扑关系，输入激励和输出响应，估出网络中的所有参数，或参数偏离标称值的偏差，最后对比容差范围确定故障器件，该方法尤其适用于诊断软故障。而它又可根据识别参数分类为元件值识别及元件值增量识别。故障验证法的做法主要是猜测网络中的故障元件，然后猜测出易发生的某个元件集合，再在对应的集合中激励信号，以及可及节点取得的测量数据，依据一定的判断数据去验证猜测的正确性3。假设猜测正确，就可找到对应的故障元器件。这种方法要求模拟电路满足可测的条件。（2）现代故障诊断技术现代故障诊断技术主要是指以神经网络为代表的故障诊断方法。下面我们了解下今年来比较有影响力的故障诊断的做法。2000年，FARZANAMINIAN等人主要是针对小波变换的思想，构造出模拟电路的输出信号，然后对这些信号进行一系列的预处理，提取小波处理后的逼近信号，进行主元分析，即PCA和归一化处理，最后将前面的处理数据应用到到神经网络并进行故障诊断，这样的诊断方法正确率可达到百分之九十五以上4。然而上述方法仅仅利用了分解信号后的低频部分并不能全部显示，这样也就出现了部分故障难以诊断的问题，需要改进。因此，2005年，HEY等人在上述做法的理论上，加入低频和高频的数据，从而增加了诊断的全面性，而且构造小波网络对系统故障进行诊断，使得诊断准确率提升到百分之九十九以上。但是，这种小波网络也存着着一个问题，就是会随着样本数据维数的增加，网络的结构将变得庞大，计算工作量，网络的运行时间等，变得越来越难以接受。2008年，YTAN等人提出了应用遗传算法及神经网络来进行故障诊断，但是也要采集多个测试点的数据，这样就会出现获取样本数据的复杂难题。到了2010年，LIFENYUANT等人的做法是在一定频域内，对故障信号处理，运用提取器提取两种故障特征，将特征通过神经网络进行模拟输出。LIFEN宁波大学科学技术学院本科毕业设计（论文）3YUANT等人的做法在通过减少输入个数简化了网络，也增加了诊断的准确性，但不足的是没有验证多组特征的情况下的故障诊断。13本文主要的研究内容与结构安排131本文主要的研究内容利用MULTISIM仿真软件建立电路模型，对SALLENKEY低通滤波器及四运放双二阶高通滤波器进行分析，得出易出故障器件的故障值，并对故障进行分析，确定故障类型，然后对故障数据进行整理和计算。并用BP神经网络以及RBF神经网络的方法建立SALLENKEY低通滤波器及四运放双二阶高通滤波器的故障诊断系统。根据神经网络的工作原理，设计BP神经网络和RBF神经网络故障诊断系统的结构。用MATLAB对过程进行编程仿真，并进行调试，得出输出的期望值与实际值及正确百分比。132本文主要的结构安排本文共分为五章，第一章介绍了模拟电路故障诊断研究的背景与意义以及研究现状和本文研究内容的主要内容及其结构安排。第二章阐述了诊断电路硬件设计的基本知识。第三章运用BP神经网络进行故障诊断的基本思想和系统设计。第四章运用RBF神经网络进行故障诊断的基本思想和系统设计。第五章总结与展望，给出了本论文研究的结论并说明了BP神经网络及RBF神经网络研究的不足，并展望了故障诊断研究的后续工作。电子电路故障诊断系统设计42诊断电路和故障特征提取21模拟电路故障设定的基本思想本文主要针对电路的一个故障考虑，不考虑多个故障同时出现的情况。很多时候我们依靠传统的笨拙的方法只能进行硬故障诊断，而不能有效的对出现的软故障给予一定的诊断保障，然而在这样一个电器自动化高速发展的年代，又不得不提高故障诊断的效果，只有这样才能保证电路正常运行，才能更好地服务于民。由此可见，对付软故障诊断是亟需解决的难题，其对电路系统的影响很大，本文主要就是研究SALLENKEY低通滤波器以及四运放双二阶高通滤波器电路软故障的诊断。在滤波电路中，电阻和电容的容差分别为5和10。给电路施加脉冲激励，进行仿真时，设定电阻和电容在各自的容差范围内变化，则认为电路为无故障状态。当电路中的任何一个元件高于50，或低于50，而其它元件均在50之内浮动时，对电路进行仿真并获得在某个特定时间段的模拟波形，然后记录下对应波形下的故障值，用MULTISIM软件对正常波形也在上述某个特定时间段进行波形模拟，得出正常情况和故障情况的波形对比4。现在我们借用例子直观的来说明设定故障值的做法，在一具备多个元器件组成的模拟电路中，其中有元器件电容C15NF，容差为10，我们只考虑C1超出容差，其它值均在容差范围内变动而不超过容差的10，下面三种情况根据50列出了C1在不同范围内变动的故障模式，即1当C1在4NF和6NF变化时，可以认定是正常变动值，此时即为正常模式；2当C1在25和4NF变化时，这种情况的值是在标称值的50内变化，称之为C1偏小故障模式，即C1；3当C1在6NF和75NF变化时，这种情况下的值均大于正常值，然而是在标称值的50内变化，称之为C1偏大故障模式，即C1。22两种诊断电路的故障设定本文主要研究SALLENKEY低通滤波器和四运放双二阶高通滤波器的故障诊断，所以以下主要对两种电路进行简单的概述。宁波大学科学技术学院本科毕业设计（论文）5221SALLENKEY低通滤波器故障设定图21SALLENKEY低通滤波器图21所示SALLENKEY低通滤波器，其中心频率为25KHZ。在滤波器电路中，电阻的容差为5，电容的容差为10。给电路施加脉冲激励进行仿真时，设定电阻和电容在各自的容差范围内变化，则认为电路为无故障状态。当电路中的任何一个元件高于50，或低于50，而其它元件均在50之内浮动时，对电路进行仿真并获得在某个特定时间段的模拟波形，然后记录下对应波形下的故障值，用MULTISIM软件对正常波形也在上述某个特定时间段进行波形模拟，得出正常情况和故障情况的波形对比。下面我们用MULTISIM软件模拟电路，对正常电路和故障电路的波形限定在某个特定时间段，保证其波形对比的直观，以获得故障数值。（1当各元件均为正常值，T152945MS,T253351MS时，模拟波形图如图22电子电路故障诊断系统设计6图22正常电路波形2当C1减小到25NF,T152944MS，T253351MS时，模拟出的波形如图如图23图23C1减小到25NF的波形3当C2增加到10NF，T152944MS，T253350MS时，其波形如图24宁波大学科学技术学院本科毕业设计（论文）7图24C1增加到10NF时模拟波形这样不断的更改元器件的数值，并通过MUTISIM模拟得出了电路的9种故障类别即即C1,C1,C2,C2,R3,R3,R4,R4故障和无故障类别NF，这里和分别表示故障值高于和低于各自正常值的50时所对应的故障状态，把每种故障状态分别定义为SF0,SF1,SF2,SF3,SF4,SF5,SF6,SF7,SF8。表21给出了SALLENKEY低通滤波器元件的正常值，故障值以及故障类别。表21SALLENKEY低通滤波器的元件值及其单故障类型故障代码故障类别正常值故障值SF0NFSF1C15N10NSF2C15N25NSF3C25N10NSF4C25N25NSF5R21K2KSF6R21K05KSF7R32K6KSF8R32K1K电子电路故障诊断系统设计8222四运放双二阶高通滤波器故障设定图25所示四运放双二阶高通滤波器，其截至频率为10KHZ，其电路元件容差的设定同上例相同。故障类别包括C1,C1,C2,C2,R1,R1,R2,R2,R3,R3,R4,R4,和故障状态（NF），其中和表示情形同表21。图25四运放双二阶高通滤波器同样地，下面我们用MULTISIM软件对正常电路和故障电路进行模拟，以获得故障数值。（1当各元器件均为正常值，T113875MS，T214414MS时，模拟波形为图26宁波大学科学技术学院本科毕业设计（论文）9图26正常电路波形（2当C1增大到20F，T113875MS，T214414MS时，模拟波形如图27示图27C1增大到20NF的波形（3当C2增大20NF时的波形，T113876MS，T214415MS时，波形如图28所示电子电路故障诊断系统设计10图28C2增大到20NF时的波形图同理，我们可以模拟出其它组元件及减小的故障数据，表22给出了上述几种几种元件的故障值及正常情况下对应的故障类别。在表21和22中，N就是NF，K就是K。表22四运放双二阶高通滤波器的元件值及其单故障类别故障代码故障类别正常值故障值SF0NFSF1C15N20NSF2C15N25NSF3C25N20NSF4C25N15NSF5R162K15KSF6R162K3KSF7R262K18KSF8R262K2KSF9R362K12KSF10R362K27KSF11R416K25KSF12R416K05K宁波大学科学技术学院本科毕业设计（论文）1123诊断电路的特征向量的提取首先我们先事先获取的故障从MULTISIM中提取出特征值，并将每种故障提取的数据分为20组，然后我们取其20组的最大值，最小值，平均值，标准差，偏度，峭度六种指标，简单介绍下六种数据指标5。（1）最大值（MAX）是指一组数中的最大的数。（2）最小值（MIN）是指一组数中的最小的值。（3）平均值（MEAN）这里取的是算术平均值，为第I个样本数据。公式为21IX所示（21）1NIX（4）标准差（VAR）反映一组数据离散程度最常用的一种量化形式，是表示精密度的重要指标，其公式为（22）21XNII（5）偏度（SKEWNESS）是统计分布偏斜方向和程度的度量，是统计数据分布非对称程度的数字特征，其公式如下，其中是第I个样本，是样本标准差。IX（23）3N12ISK（6）峭度（KURTOSIS）反映振动信号分布特性的数值统计量，是归一化的4阶中心矩。公式如下，其中X（T）为瞬时振幅，为振幅均值，P（X）为概率密度，是样本标准差6。244TDK按照上述介绍的六种指标将数值提取后，将这20组数据的20组指标放入同一矩阵中，这样我们就有了输入模式，而我取得电路故障是4种情况加一种正常情况共是5种情况，这样输入数据就是一个6行100列的矩阵。以下是正常情况下得出的数据N016122111637196094621518378078014312162836974095241472577337电子电路故障诊断系统设计12012272215736773095581430977093018192059737358094631555577829019922011037568094081597478498016162101937197094381530678336016202091937198094131543178595016082121137195094871506377822016042130437194095111494477566016362088837238094681547178072016612067337277094771571678071015862131937151094521492378100015582152037104094421465278131016452047037202093721584978753016771989837208092971642079386015732181137188095611448377370015292258337181096751370276648016232090937198094331539278296016332069037200094021562978516016002133137193094921496877856宁波大学科学技术学院本科毕业设计（论文）133基于BP神经网络的模拟电路故障诊断31神经网络的故障诊断神经网络的故障诊断过程如图31所示。主要分为两个过程，即训练过程虚线所示，以及测试过程实线所示。首先我们对电路进行波形模拟，得出故障值，并提取故障值的特征数据作用训练样本，确立出适合诊断研究的神经网络的结构，并且利用MATLAB算法去测试算法，这样就可以把样本训练成熟便于后续故障的测试。这样当需进行故障诊断时，只需要将故障电路的特征值进行提取，然后在做好的神经网络中进行测试即可确定故障的类型7。定义电路故障集训练神经网络测试信号神经网络诊断电路电路响应信号电路故障特征提取故障分类图31基于神经网络的模拟电路故障诊断原理图311神经网络基本原理神经网络的基本单位是神经元。神经元的特性往往在某种程度上决定着神经网络的总体特性，一个神经网络的构成，包含着许许多多的神经元，而不是孤立的单个神经元就可称之为神经网络。常见的神经元模型如图32所示8。AB11,11,RP1P2PR构造神经网络训练样本集确定确定神经网络的结构电子电路故障诊断系统设计14图32神经元模型由图32所示，常见的神经元模型由下列几部分组成1）输入代表神经元R个输入。在MATLAB中，输入可以用一个维的列矢量RP,21R来表示（其中T表示取转置）P（31）TKPP,321，（2）网络权值和阈值代表网络权值，表示输入与神经元之间的连接强度，为神经元阈RW,12,1,B值，可以看作是一个输入恒为1的网络权值。在MATLAB中神经元的网络权值可以用一个的行矢量来表示。R32）RW,12,1,阈值为的标量。注意网络权值和阈值都是可以调节的，这是神经网络学习特性的B1基本内容之一。求和单元完成对输入信号的加权求和，即（33）BWPNRII1,这是神经元对输入信号处理的第一个过程。在MATLAB语言中，该过程可以通过输入矢量和权值矢量的点积形式加以描述，即（34）BPWN（4）传递函数在表31中F表示神经元的传递函数或激发函数，它用于对求和单元的计算结果进行函数运算，得到神经元的输出。表31给出了几种典型的神经元传递函数形式及描述。表31几种典型的神经元传递函数形式传递函数的名称函数表达式函数曲线MATLAB函数阈值函数BARDIMAHARDLIMN0A111N01XF宁波大学科学技术学院本科毕业设计（论文）15线性函数KXFPURELIN对数SIGMOID函数1XEFLOGSIG正切SIGMOID函数TANXBFTANSIG312BP网络用于故障诊断的基本思想BP神经网络应用在故障诊断上提高了以往传统方法难以达到的准确性，其研究的思路主要是首先确定电路的故障，对于故障值的确定是根据正常值及故障值的波形对比，从而获得较典型的故障参数，把电路中容易出故障的器件都找出来作出故障集。而后对这些故障一一提取特征值。特征值提取后对这样特征值进行分组，每个故障的特征值分为20组，前10组用于神经网络的训练，后10组用于神经网络的测试。另外要指出的是，在做实际电路诊断时，每次故障值的波形对比取得故障值均是在外界相同条件下进行的，例如相同信号的激励，这样获得的特征值才会更准确，有效避免其它因素的干扰。BP神经网络训练样本并测试样本后，会输出相应的期望值和实际的输出值，并能给出分类模拟的正确百分比，表示出BP神经网络故障诊断的准确率32BP神经网络的设计321训练样本的获取及输入输出模式的确定（1）训练样本的获取训练样本的获取直接决定了BP网络的应用的成败，不当的训练样本很可能会出现网络训练的不收敛。从系统整体的角度来说，如果F是一个独立而不受外界干扰的理想封闭系统，X（X1，X2,XM）为系统输入向量，Y（Y1，Y2,YN为系统输出向量，输入和输出满足YFX，我们认为对样本数据的拟合度越高，对系统模拟的越成功9。所以样本ALOGSIGN0A111NAPURELIN（0A111NATANSIGN0A111N电子电路故障诊断系统设计16数据的获取显得十分重要，另外训练样本模拟的越多，测试出的结果越准确，越可避免其它无关因素的干扰。（2）输入输出模式的确定1输入模式的确定在23中我们已经得到了5组数据，我们将每组中的二分之一作为训练样本，另外二分之一作为测试样本。2输出模式的确定输出样本集采用“01“表示法，期望输出为X,即为X1，0，0，0，0；0，1，0，0，0；0，0，1，0，0；0，0，0，1，0；0，0，0，0，1，在下面的实例中共用这一输出模式。322BP神经网络的设计BP神经网络主要包含以下几部分，主要有输入层,隐层,输出层，及各层间的传输函数等10。1网络层数顾名思义，网络层数指的是一个神经网络包含的分层数，而大部分的神经网络都有着固定的网络层数，但这里研究的BP神经网络的层数却是不固定的，相同，其隐含层是可以进行设置更改的。BP网络隐含层数的变化会影响着故障诊断的准确性，但往往选择的层数都不会过大，一般两层或两层以下。2输入层的节点数输入层起缓冲存储器的作用,它的功能是当有数据进行输入时,其进行接收，样本输入数据的维数决定着输入的节点数，有几维就会有对应的几个输入节点。在本课题研究的故障诊断中，因为研究的是个5维的输入，故输入节点就是5个。（3）输出层的节点数输出层节点数取决于两个方面,输出数据类型和表示该类型所需要的数据大小。当BP网络用于模式分类时,以二进制形式来表示不同模式输出结果,输出层的节点数可根据待分类模式数确定。（4）隐层节点数隐层节点数的确定直接会导致训练的成败，节点太多会导致学习时间过长太少又会导致识别能力过低，所以在构造网络时，需要选择合适的隐层节点数。常见的经验公式有350INA宁波大学科学技术学院本科毕业设计（论文）17式中N为隐层节点数NI为输入节点数N0为输出节点数A为110之间的常数。（5）网络隐含层数及隐含层神经元数的确定目前来说没有固定的公式或者规律去确定网络隐含层数及隐含层神经元数，而确定这两个参数又至关重要，时刻影响着网络的拟合能力。根据日常研究总结出的规律如下11不管研究的问题多复杂，首先用一个隐含层来尝试训练效果；隐含层神经元数越多，神经网络的学习就会越慢，故建议神经元数尽量小点；隐含层神经元数先从一个开始训练，然后再尝试两个或三个的情况，当达到训练满意的结果终止。以下是日常研究总结出的确定隐含层神经元数的经验公式N2LOGS（36）M（37）1（38）NS（39）式中，S为隐含层神经元数，N为输入层神经元数，M为输出层神经元数，为110之间的常数。323BP神经网络的工具箱函数1BP网络创建函数（1NEWFF该函数用于创建一个BP网络。调用格式为NETNEWFFNETNEWFFPR,S1S2SN1,TF1TF2TFN1,BTF,BLF,PF其中，NETNEWFF用于在对话框中创建一个BP网络。NET为创建的新BP神经网络；PR为网络输入向量取值范围的矩阵；S1S2SN1表示网络隐含层和输出层神经元的个数；TF1TF2TFN1表示网络隐含层和输出层的传输函数，默认为TANSIG；电子电路故障诊断系统设计18BTF表示网络的训练函数，默认为TRAINLM；BLF表示网络的权值学习函数，默认为LEARNGDM；PF表示性能数，默认为MSE。（2）NEWCF函数用于创建级联前向BP网络，NEWFFTD函数用于创建一个存在输入延迟的前向网络。2神经元上的传递函数传递函数是搭建BP神经网络的桥梁。其要求是此传递函数必须连续可微。常见的BP神经网络多采用下列函数（1LOGSIG该传递函数为S型的对数函数。调用格式为ALOGSIG（N）INFOLOGSIG（CODE）其中，NQ个S维的输入列向量；A函数返回值，位于区间（0，1）中；（2）TANSIG该函数为双曲正切S型传递函数。调用格式为ATANSIG（N）INFOTANSIG（CODE）其中，NQ个S维的输入列向量；A函数返回值，位于区间（1，1）之间。（3）PURELIN该函数为线性传递函数。调用格式为APURELIN（N）INFOPURELIN（CODE）其中，NQ个S维的输入列向量；A函数返回值，AN。3BP网络学习函数1）LEARNGD该函数为梯度下降权值/阈值学习函数，它通过神经元的输入和误差，以及权值和阈值的学习效率，来计算权值或阈值的变化率。调用格式为宁波大学科学技术学院本科毕业设计（论文）19DW,LSLEARNGDW,P,Z,N,A,T,E,GW,GA,D,LP,LSDB,LSLEARNGDB,ONES1,Q,Z,N,A,T,E,GW,GA,D,LP,LSINFOLEARNGDCODE2LEARNGDM函数为梯度下降动量学习函数，它利用神经元的输入和误差、权值或阈值的学习速率和动量常数，来计算权值或阈值的变化率。4BP网络训练函数TRAIN神经网络训练函数，调用其他训练函数，对网络进行训练。该函数的调用格式为NET,TR,Y,E,PF,AFTRAINNET,P,T,PI,AINET,TR,Y,E,PF,AFTRAINNET,P,T,PI,AI,VV,TVTRAINGD函数为梯度下降BP算法函数。TRAINGDM函数为梯度下降动量BP算法函数。BP神经网络训练的部分代码如下XN_TRAINN1训练样本DN_TRAINX1训练目标XN_TESTN2测试样本DN_TESTX2测试目标NODENUM10隐层节点数TYPENUM5输出维数P1XN_TRAIN训练输入T1DN_TRAIN训练输出EPOCHS1000训练次数PXN_TEST测试输入TDN_TEST测试输出ETTRAINPARAMEPOCHSEPOCHS最大训练次数NETTRAINPARAMGOAL1E8最小均方误差NETTRAINPARAMMIN_GRAD1E20最小梯度NETTRAINPARAMSHOW200训练显示间隔NETTRAINPARAMTIMEINF最大训练时间RESULTSUMABSXX2正确分类显示为1PERCENTSUMRESULT/LENGTHRESULT正确分类率电子电路故障诊断系统设计2033SALLENKEY低通滤波器的故障诊断由于数据庞大,我们选取了其中的SF0,SF1,SF3,SF5,SF8进行研究。例如，把SF1故障模式的故障信号导入到MATLAB中，按照上述分析的方法提取故障特征的平均值（MEAN）、最大值（MAX）、最小值（MIN）、方差（VAR）、偏度（SKEWNESS）、峭度（KURTOSIS），得出的数据为N016122111637196094621518378078014312162836974095241472577337012272215736773095581430977093018192059737358094631555577829019922011037568094081597478498016162101937197094381530678336016202091937198094131543178595016082121137195094871506377822016042130437194095111494477566016362088837238094681547178072016612067337277094771571678071015862131937151094521492378100015582152037104094421465278131016452047037202093721584978753016771989837208092971642079386015732181137188095611448377370015292258337181096751370276648016232090937198094331539278296016332069037200094021562978516016002133137193094921496877856表示出了SF1中20组数据的上述六种指标。同理，得到其它4种模式的输入，输出样本集。这样就得到了20组用于训练和测试的原始数据样本集。输出样本集采用“01“表示法，期望输出为X,即为X1，0，0，0，0；0，1，0，0，0；0，0，1，0，0；0，0，0，1，0；0，0，0，0，1宁波大学科学技术学院本科毕业设计（论文）21我们经过1000次的训练调整，分类率在90以上的训练误差曲线如33所示，表32和表33分别是实际输出值与期望输出值。图33训练误差变化曲线表32实际输出值1111111111000000000000000000000000011111111100000000000000000000000001111110000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000111110000000000000000000000000111111111100000000000000000000000001111111111电子电路故障诊断系统设计22表33期望输出值1111111111000000000000000000000000011111111110000000000000000000000000111110000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000111110000000000000000000000000111111111100000000000000000000000001111111111宁波大学科学技术学院本科毕业设计（论文）234基于RBF神经网络的模拟电路故障诊断41RBF神经网络基本知识概述411RBF神经网络的基本原理径向基函数神经网络（即RBF神经网络，下面统称RBF神经网络）的结构类似于BP神经网络的结构组成，主要有输入层、隐含层和输出层，隐含层的神经元数目不是确定的，需要根据不同的情况确定不同的数值。输入层节点的功能是将输入信号通过扩散的特点传递到隐层，然后隐含层节点中的作用函数对输入信号在局部产生响应。当输入信号靠近基函数的中央范嗣时，隐含层节点将产生较大的输出。由此可看出这种网络具有局部逼近能力。所以径向基函数网络也称为局部感知场网络。RBF神经网络是一种典型的局部逼近神经网络对于每个输入输出数据对，只有少量权值需要调整，从而使局部逼近网络具有学习速度快的优点。目前理论上已经得出结论，认为隐含层神经元数越多，网络的逼近效果越强。RBF神经网络具备典型的前向网络的特点，精确度高、可靠性强、学习速度快、网络设计简洁、逼近能力不俗且不存在局部极小等一系列的优势。图41给出了RBF的网络结构。输入层隐含层输出层图41RBF神经网络结构412RBE神经网络用于故障诊断的优势上述运用了BP神经网络进行故障诊断，虽然BP网络得到了广泛的应用，但它也存在缺陷和不足，从以下几个方面说明电子电路故障诊断系统设计24首先，学习速率是不变的，即每一次训练权值的变化量是固定不变的，往往使得网络的训练时间很长，甚至有时选取了较小的学习速率，已经达到了训练步长数，而网络还没有收敛，后来出现了很多改进的BP算法，其中有改进的自适应学习速率算法等。其次，BP算法极易陷入局部极小值，得不到全局最优解，改进的BP算法中有附加动量法可以避免此类现象的出现12。再次，BP网络隐层的层数、节点数的确定缺乏理论依据和指导，通过试验和以往的经验来选取合适的结构是有效的途径。最后，网络可能完全不能训练，主要表现在网络出现的麻痹现象。在训练中，当权值调整的过大时，可能会导致网络权值和阈值的调整停顿下来，这样我们必须将初始权值选取的较小，学习速率也不宜过大。而要弥补这些缺点，我们就来了解下RBF神经网络的优点（1）它具有唯一最佳逼近的特性，且无局部极小问题存在。（2）RBF神经网络具有较强的输入和输出映射功能，并且理论证明在前向网络RBF神经网络是完成映射功能的最优网络。（3）网络连接权值与输出呈线性关系。（4）分类能力好。（5）学习过程收敛速度快。综合以上因素，我们采用RBF神经网络再次对故障电路进行诊断。42RBF神经网络的设计421网络的设计（1）隐藏层神经元个数网络会从初始值开始训练，神经元数的初始值为0，每一次的输出结果与设定的误差做对比，如果不在设定误差内，将自动更改神经元数。RBF网络正是靠这样一次次的自动循环确定隐藏层最优神经元的个数。（2）广义回归神经网络GRNNRBF神经网络不是单一的网络，里面包含着多种网络形式，例如广义回归神经网络,英文缩写为GRNN,它是通过径向基神经元以及线性神经元的组合搭建而成，在诊断电路上的应用在某种程度上精确度比单独使用RBF网络更高。（3）概率神经网络PNN以上介绍了广义回归神经网络是RBF神经网络的其中一分支，这里要说的它的另一分宁波大学科学技术学院本科毕业设计（论文）25支。即概率神经网络，英文缩写为PNN。它是通过径向基神经元以及竞争神经元的组合搭建而成。这种网络的优势就是构造起来很简洁，样本训练的速度也比较快。所以说也是对RBF神经网络的不足进行改进后的网络，在对待样本训练模式分类上有一定的优势。（4）扩展速度的确定SPREAD，即RBF神经网络的扩展速度。利用MATLAB构造RBF网络时，其值总是从1开始，也就是说SPREAD的默认值是1。SPREAD并不是越大越好，当其值取得较大时，函数的拟合会变得较平滑，然而也会带来漏洞，例如，逼近误差也会随着其值的增大而增大，另外还会导致神经元的个数增多，学习的速度自然会下降。相反随着SPREAD变小，函数的逼近误差越小，但是其逼近曲线将会随着SPREAD的减小变得不再平滑。所以说SPREAD的值要经过多次尝试，获取最好仿真效果的值。422RBF神经网络工具箱函数MATLAB的RBF网络工具箱中包含着多种函数，正是通过这些函数构造RBF神经网，这里介绍几个常用的工具箱函数。1NEWRBE。该函数用于径向基函数网络的快速构建，且使得设计误差为0，该函数使径向基层神经元数目等于输入向量的个数。格式为NETNEWRBEP，T,SPREAD，其中P为输入向量，T为期望输出向量目标值，SPREAD为径向基层的散步常数，缺省值为L。2NEWRB。NEWRB能更有效进行网络设计，径向基函数网络逼近函数时，NEWRB函数可以自动增加网络的隐含层神经元数目直到均方差满足精度或者神经元数目达到最大为止。格式为NETNEWRBP，T，GOAL，SPREAD，MN，DN，其中P,T，SPREAD变量的意义同NEWRBE0函数，GOAL为训练精度，缺省值为0，MN为神经元个数的最大值，DF为训练过程的显示频率。3RADBAS。径向基传递函数。此函数是通过它的网络输入的轻快，从而来确定神经元的输出。4SIM。神经网络仿真函数。格式为YSIMNET，P。其中NET为神经网络对象，P为网络输入，Y为网络输出。RBF神经网络训练的部分代码如下XN_TRAINN1训练样本DN_TRAINX1训练目标XN_TESTN2测试样本DN_TESTX2测试目标电子电路故障诊断系统设计26PXN_TRAINTDN_TRAINGOAL1E8训练误差的平方和默认为0SPREAD40此值越大,需要的神经元就越少默认为1MNSIZEXN_TRAIN,2最大神经元数默认为训练样本个数DF1显示间隔默认为25NETNEWRBP,T,GOAL,SPREAD,MN,DFXSIMNET,XN_TEST测试输出为预测值XFULLCOMPETX竞争输出RESULTSUMABSXX2正确分类显示为1PERCENTSUMRESULT/LENGTHRESULT正确分类率43四运放双二阶高通滤波器的故障诊断像上述一样，由于数据庞大，我们选取了其中的SF0,SF1,SF4,SF5,SF7进行研究。做法同421，按照分析的方法提取故障特征的平均值（MEAN）、最大值（MAX）、最小值（MIN）、方差（VAR）、偏度（SKEWNESS）、峭度（KURTOSIS），同样我们把得到的数据进行分组，分别把上述几个故障的前10组进行训练，后10组进行测试。同样，我们经过MATLAB的训练调整，分类率在90以上的训练误差曲线如图45所示，表23和表24分别是实际输出值与期望输出值。表23实际输出值1111111111000000000000000000000000011111111110000000000000000000000000111110000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000111110000000000000000000000000111111111110000000000000000000000000111111111宁波大学科学技术学院本科毕业设计（论文）27表24期望输出值1111111111000000000000000000000000011111111110000000000000000000000000111110000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000111110000000000000000000000000111111111100000000000000000000000001111111111电子电路故障诊断系统设计285总结与展望社会在进步，科技也伴随着同时进步，而电日常所用电子设备及生活电子设备也更加的先进，这就要求我们对这些电子设备的维护更加的用心用力。传统的设备检测已经难以满足这种高设备高自动化的维修需求，我们必须开发出更加便利更加省心的诊断模拟电路的方法。传统的模拟电路故障诊断的方法常常是限定在一个电路中只出现一个故障的情形，