基于嵌入式系统的BP神经网络及其在模拟电路故障诊断中的应用_

1、第35卷第1期2016年1月大连工业大学学报J o u r n a l o f D a l i a n P o l y t e c h n i c U n i v e r s i t yV o l .35N o .1J a n .2016文章编号:1674-1404(201601-0057-05基于嵌入式系统的B P 神经网络及其在模拟电路故障诊断中的应用赵德赞,邢军,王智森(大连工业大学信息科学与工程学院,辽宁大连116034摘要:针对模拟电路故障的实时诊断问题,提出使用嵌入式系统实现B P 神经网络进行诊断的解决方案。对诊断系统的芯片选择、系统架构、诊断流程、训练算法等问题进行了研究,提出

2、使用S TM 32芯片作为核心芯片以及加入动量项的反向传播算法进行训练的策略,明确了系统的结构及运行流程。最后使用设计的系统分别进行了线性和非线性模拟电路的故障诊断实验进行验证。实验结果表明,基于嵌入式系统的B P 神经网络能够有效及时地诊断出模拟电路的故障。关键词:B P 神经网络;嵌入式;模拟电路;故障诊断中图分类号:T N 707文献标志码:AB P n e u r a l n e t w o r k b a s e d o n e m b e d d e d s y s t e m s a n d i t s a p pl i c a t i o n i n d i a g n o s

3、 i s o f f a u l t a n a l o g c i r c u i t s Z H A O D e z a n ,X I N G J u n ,W AN G Z h i s e n (S c h o o l o f I n f o r m a t i o n S c i e n c e a n d T e c h n o l o g y ,D a l i a n P o l y t e c h n i c U n i v e r s i t y,D a l i a n 116034,C h i n a A b s t r a c t :B P n e u r a l n e

4、t w o r k b a s e d o n e m b e d d e d s y s t e m w a s p r o p o s e d f o r d i a g n o s i n g f a u l t a n a l og c i r c u i t s .Th e p r o b l e mi n t h e c h i p s e l e c t i o n ,s y s t e m a r c h i t e c t u r e ,d i a g n o s i s p r o c e s s e s ,t r a i n i n g a l g o r i t h m

5、 s w a s s t u d i e d .S TM 32w a s c h o s e n a s t h e c o r e c h i pa n d t h e a d d e d m o m e n t u m o fb ac k -p r o p a g a t i o n a l g o r i t h m w a s u s ed a s t r a i n i n g s t r a te g y ,t h e s t r u c t u r e a n d o p e r a t i o n of p r o c e s s s y s t e m w a s d e t

6、 e r m i n e d .T h e e x p e r i m e n t s w e r e c a r r i e d o u t f o r v a l i d a t i o n o f f a u l t d i ag n o s i s o f l i n e a r a n d n o n l i n e a r a n a l o g c i r c u i t s o f th e d e si g n e d s y s t e m s .T h e r e s u l t s s h o w e d t h a t t h e B P n e u r a l n

7、e t w o r k b a s e d o n e m b e d d e d s y s t e m c o u l d d i a g n o s e a n a l o g c i r c u i t f a u l t e f f e c t i v e l ya n d t i m e l y .K e y w o r d s :B P n e u r a l n e t w o r k ;e m b e d d e d s y s t e m ;a n a l o g c i r c u i t ;f a u l t d e t e c t i o n 收稿日期:2014-12

8、-23.基金项目:国家自然科学基金资助项目(61374154.作者简介:赵德赞(1990-,男,硕士研究生;通信作者:邢军(1972-,男,副教授.0引言自20世纪60年代以来,很多模拟电路故障诊断技术及理论被提出,如参数辨识法、故障字典法、逼近法、故障验证法等1。专家系统、模糊理论和神经网络被逐渐应用于模拟电路故障诊断中去,同时,将小波分析、遗传算法、支持向量机2-3及信息融合技术等应用于模拟电路故障诊断的研究,也为模拟电路诊断中所存在的元件容差与非线性、电路的模糊性等难题提供了途径4-5。其中,神经网络具有高度的并行处理、联想记忆6、自组织、自学习以及强非线性映射能力,因此在故障诊断方面具

9、有很大的潜在优势和应用前景7。B P 神经网络8是目前应用最广泛的神经网络结构之一,具有理论成熟、易硬件实现等特点。目前实现B P 神经网络用于故障检测有两种方式,一种是在P C 机上进行软件检测,另一种是使用嵌入式系统进行硬件实现9。软件检测缺少检测的实时性,不适用于实时性要求高的场合,因此本文采用基于嵌入式系统的方案进行实现。B P 神经网络作为模拟电路故障诊断存在输入数据多,网络规模大,训练时间长,易陷入局部最优的缺点10-11,限制了该神经网络在模拟电路故障诊断中的应用。为了解决这些缺点,很多用于模拟电路故障诊断的改进B P 算法被提出12-14。文献15-16提出采用小波分析技术进行

10、数据的预处理,大幅度减少了网络规模,提高了收敛速度和故障检测准确率。在众多的算法中,加入动量项的B P 算法17比传统的B P 算法具有收敛速度快,不容易陷入局部最优且容易硬件实现的特点,因此本文采用加入动量项的改进B P 算法进行训练的方案,构建了基于嵌入式的B P 神经网络故障诊断系统。1用BP 算法进行故障诊断的理论及原理分析故障诊断问题的实质是分类问题18,而B P网络可以有效解决分类问题,这是B P 网络可以用于模拟电路故障诊断的基本依据。1.1BP 网络用于故障诊断的基本流程使用B P 网络进行故障诊断,首先建立故障字典,将此故障字典让神经网络记忆,然后根据神经网络的模糊性和记忆性

11、,对电路的各种状态进行记忆和推理,即当输入新的状态参量时推理出电路此时的状态。1.2故障诊断的四个假设本文进行模拟电路故障诊断基于4个假设:(1发生故障的都是元器件,线路不发生故障。即电路的状态由元器件决定。(2元器件的发生为硬故障,即元件的状态为短路、断路、正常3种状态。(3模拟电路发生的故障为单故障即只有一个元器件发生故障。(4一个元器件占据一条支路。1.3加入动量项的B P 神经网络B P 神经网络的基本结构如图1所示 。图1B P 神经网络结构图F i g.1C h a r t o f B P n e u r a l n e t w o r k 标准调整公式如公式(1所示:(n =y

12、(1式(1中:(n 为新的权值调整量,为局域梯度,为学习率,y 为上一层输出信号。而在添加动量项的算法中权值的调整公式为(n =(1-y +(n -1(2式(2中:为动量因子,通常为正数,(n -1为上一次权值调整量。与标准的B P 算法相比,更新权值时多了一个因子(n -1,它表示本次权值的更新方向和幅度不仅与本次计算所得的梯度有关,还与上一次更新的方向和幅度有关,这一因式的加入,使权值的更新具有一定的惯性,且具有了一定的抗震荡和加快收敛的能力。2神经网络嵌入式系统的设计2.1系统的结构框图系统由P C 离线训练模块、模数转换模块、数据处理模块及显示模块组成19。系统的结构图如图2所示 。图

13、2检测系统的结构图F i g.2S t r u c t u r e o f s y s t e m 模数转换模块的功能是把故障电路中的电压信号转换为数字信号,在B P 网络芯片将数字量转化为模拟值进行处理和运算,然后将运算的结果在显示模块进行显示。显示模块可以是L E D 灯显示,也可以是液晶显示屏显示。故障诊断流程如图3表示 。图3系统故障诊断流程图F i g .3F l o w c h a r t o f s y s t e m t o d i a gn o s e f a u l t 首先构造模拟电路故障字典,在P C 机上进行网络训练,然后将所得到的权值存储进入B P 网络芯片,最后数

14、据输入B P 网络芯片进行数据85大连工业大学学报第35卷处理后显示输出的结果。2.2BP 网络芯片的选择B P 神经网络是多层的,包括输入层、输出层和若干隐层,一般神经网络3层即可解决大多数的问题,本文采用单隐层的神经网络。设输入层为i 个节点,隐藏层为j 个节点,输出为k 个节点,则权值有i ×j ×k 个。设权值的类型为单精度浮点型,则根据每个单精度浮点型数值占用32位即4个字节,则要求B P 处理芯片的R AM 大小至少是4×i ×j ×k 字节。本文采用带有S TM32F 103R B T 6芯片开发板,可以满足B P 网络移植到嵌入

15、式芯片的要求。2.3改进BP 算法的选择传统的B P 算法具有收敛速度慢和易陷入局部极小点的缺点,针对这些缺点,很多B P 算法的改进方案被提出。无论国内国外,大部分基于B P 神经网络进行故障诊断的论文都研究如何改进B P 算法提高收敛速度的问题。本文认为对于故障诊断研究B P 算法收敛的速度是没有必要的。因为对于特定的电路,故障诊断采用的训练方法一般是离线训练,无论是什么类型改进的B P 算法,最终目的都是要使误差函数达到最小即可,然后使用训练后得到的权值。换句话说,效果和训练的速度关系不大,只和最终的误差有关,重要的是数据的完整性和诊断精度。因此,本文只是使用传统的附加动量项的改进B P

16、 算法,达到所需要的精度,实现了对电路的故障诊断。2.4离线训练样本的获取采用M u l t i s i u m 和P s p i c e 软件对各种状态下的电路进行仿真,获取各个状态下的对应节点电压值,作为网络训练样本。电路中的参数是有一定容差的,并且符合或接近正态分布。本文采用M o n t e -C a r l o 法产生足够多的测试样本对已经训练完成的神经网络进行测试。3BP 神经网络在模拟电路中的应用3.1在线性电路中的应用使用P s p i c e 软件建立如图4所示的纯电阻线性电路。选取两个测试点进行测试,数据经过归一化后故障表如表1所示。采用同时除以最大值的方法,各个节点的电压

17、同时除以最大值5,将所要求的电压值,归一化到01 。图4线性电阻电路F i g.4L i n e a r r e s i s t a n t c i r c u i t 表1电阻电路故障表T a b .1F a u l t t a b l e o f r e s i s t a n c e c i r c u i t V /V12故障编码状态0.42620.4262000正常0.98040.7040001R 1短路0.59740.5120010R 2开路0.37860.4260011R 3短路0.33120.3312100R 4短路0.42600.3786101R 5短路0.21260110R

18、 6短路0.70400.9804111R 7短路使用蒙特卡洛算法获取600条数据集进行测试,得到电阻容差为20%,15%,10%,5%时,对应的测试正确率为28%,37%,51%,91%。容差越大则网络测试的正确率越低,这符合实际故障诊断的实际情况。当容差为5%时,网络测试的正确率是在实际情况中诊断正确率允许的范围内。事实上,实际的电阻容差值也在5%附近。诊断错误的原因之一是容差太大时,状态之间有交叉。3.2在非线性模拟电路中的应用R C 耦合放大器在模拟电路中具有代表性,95第1期赵德赞等:基于嵌入式系统的B P 神经网络及其在模拟电路故障诊断中的应用本文采用两级R C 放大器作为故障诊断的

19、研究对象。在真实的模拟电路中硬故障有很大的比例。这里只考虑硬故障,不考虑软故障。两极R C 放大电路的原型电路如图5所示 。图5非线性电路F i g.5N o n l i n e a r c i r c u i t 对此电路进行诊断,首先构造一个故障集。由于电路的多故障组合的情况是非常大的,这里仅仅考虑单一故障的情况。下面的符号定义如下。B 代表三极管基础极,C 代表三极管集电极,E 代表三极管发射级,O C 代表开路,S C 代表短路。建立如下的故障表及通过仿真得到的节点电压如表2所示。用数据对网络进行训练,最终达到要求收敛误差0.01,并用表2数据集进行网络测试,得到的网络故障诊断的诊断速

20、度和正确率如表3所示。从表3中可以看出,采用改进的B P 算法较大提高了网络的收敛速度,并取得了满意的诊断精度。表2仿真的不同状态时测量节点电压及编码T a b .2S i m u l a t i o n v o l t a g e a n d c o d i n g a t d i f f e r e n t s t a t e s 序号状态编码V /V1R 7S C 111119.419.10.8425.08206大连工业大学学报第35卷表3训练速度和诊断率比较4结论增加动量项的B P算法较之标准B P算法具有更快的收敛速度,故障定位准确率更高。此外,本文提出的基于嵌入式系统的B P神经网

21、络在模拟电路系统中应用,能够有效解决模拟电路故障问题,为模拟电路故障诊断方法的实用化提供了新的思路。参考文献:元分析的模拟电路故障诊断方法J.电工技术学报, 2012,27(8:248-253.小波领袖多重分形分析方法J.控制与决策,2010, 25(4:605-609.4L IX,Z HA N GY,WA N GSJ,e ta l.Am e t h o df o ra n a l o gc i r c u i t sf a u l td i a g n o s i sb yn e u r a ln e t w o r ka n dv i r t u a li n s t r u m e n

22、t sC/I n t e l l i g e n tS y s t e m sa n dA p-p l i c a t i o n s(I S A,20113r dI n t e r n a t i o n a lW o r k s h o p o n.I E E E,2011:1-5.J.电工技术学报,2009,24(3:222-228.域降雨-径流过程动态模型J.水力发电学报,2013, 32(2:54-59.7李瑞敏,马韦.基于B P神经网络与D-S证据理论的路段平均速度融合方法J.交通运输工程学报,2014, 14(5:111-117.8李建伟,程晓卿,秦勇.基于B P神经网络的城市轨

23、道交通车辆可靠性预测J.中南大学学报(自然科学版,2013,44(1:42-45.9Q I USH.A n a l o gc i r c u i tf a u l td i a g n o s i sb a s e do na r-t i f i c i a ln e u r a ln e t w o r kJ.S c i e n c eT e c h n o l o g ya n dE n g i n e e r i n g,2012,12(30:8042-8046.10师彪,李郁侠,于新花.动态调整蚁群-B P神经网络模型在短期负荷预测中的应用J.水力发电学报, 2011,30(3:5-9

24、.11HA NBR,L IJB,WUHY.D i a g n o s i sm e t h o df o ra n a l o gc i r c u i th a r df a u l ta n ds o f tf a u l tJ.T E L K OMN I K AI n d o n e s i a nJ o u r n a lo fE l e c t r i c a lE n-g i n e e r i n g,2013,11(9:5420-5426.12MA H D I E HJ,F A R HA DR.F a u l td e t e c t i o ni na n a-l o g u ec i r c u i tu s i n gh y b r i de v o l u t i o n a r ya l g o r i t h ma n d n e u r a ln e t w o r kJ.A n a l o gI n t e g r a t e dC i r c u i t sa n d S i g n a lP r o c e s s i n g,2014,80(3:551-556.13WA N GHT,S HA NGL,D U A NXS.O p t i m i z a-t i o no fL M-B Pn e u r a ln