当前位置：文档之家 › 基于改进BP神经网络的模拟电路故障诊断研究

基于改进BP神经网络的模拟电路故障诊断研究

  • 格式：pdf
  • 大小：750.76 KB
  • 文档页数：3

第28卷第9期 兵工自动化 Vol. 28, No. 9 2009年9月 Ordnance Industry Automation Sep. 2009

·71·doi: 10.3969/j.issn.1006-1576.2009.09.025 基于改进BP神经网络的模拟电路故障诊断研究

张锐，杨宣访 （海军工程大学 电气与信息工程学院，湖北 武汉 430033）

摘要：根据BP神经网络特点，提出对BP神经网络改进的方法，并以某负反馈放大器为例，采用改进后的BP网络进行故障诊断，步骤包括：故障特征向量提取、原始数据归一化处理、BP网络设计与训练。结果表明，在MATLAB7.1中运用神经网络工具箱中函数进行仿真，能有效进行故障识别、改善神经网络结构、提高故障诊断精度和速度。 关键词：故障诊断；模拟电路；神经网络 中图分类号：TP18; TP277 文献标识码：A

Research of Analog Circuit Fault Diagnosis Based on Modified BP Neural Network

ZHANG Rui, YANG Xuan-fang (School of Electric & Information Engineering, Navy University of Engineering, Wuhan 430033, China)

Abstract: Put forward an improved method for BP neural network relying on its character, and taking a certain negative of feedback amplifier as an example, using improved BP network progress fault diagnosis, and the steps includes: fault feature vector extracting, original data normalization dealing, BP network design and training. Result showed that it can detect fault diagnosis, improve network structure and increase fault diagnosis precision and velocity using function of neural network toolbox in MATLAB7.1 simulation. Keywords: Fault diagnosis; Analog circuit; Neural network

0 引言 模拟电路故障诊断是根据测量数据判断电路状态故障的。由于BP神经网络具有并行计算、自我记忆和自我学习等特点，适用于模拟电路故障诊断。但存在着收敛速度慢，易陷入局部极小值，隐层节点选择上依靠经验公式等缺点，故对其改进，并利用改进后的BP神经网络对模拟电路进行故障诊断。

1 BP网络的改进 标准的BP网络常具有收敛速度慢，易陷入局部极小值，隐层节点难以确定等缺点，在应用中，BP算法很难胜任。对BP算法改进的途径有2种：一是采用启发式学习算法，如有动量的梯度下降法，有自适应学习速率的梯度下降法等。二是基于数值最优理论的算法，如共轭梯度法，高斯—牛顿法以及Levenberg-Marquardt优化方法等。这些改进方法可通过MATLAB神经网络工具箱函数来实现。 对于BP网络隐层神经元数目选择十分复杂。隐层神经元过少会导致网络精度差；节点过多会导致学习时间过长、误差不一定最佳，也会导致容错性差，不能识别新样本等问题。但如果BP网络隐含层的神经元数目可以随意调整，则一个三层的BP

网络可以逼近任意的非线性映射。通过隐层神经元数目可变的BP网络的误差对比，可确定最佳的隐层神经元个数。该网络的输入层和输出层数目均为

1，隐层数目采用经验公式1

nnma=++，（n输

入神经元数；m为输出神经元数；a为1-10之间的常数）进行估计，BP网络的设计及程序如下： P=-1:0.1:1;%输入 T=[-0.9602 -0.5770 -0.0729 0.3771 0.6405 0.6600 0.4609 0.1336 -0.2013 -0.4344 -0.4474… -0.5000 -0.3930 -0.1647 0.0988 0.3072 0.3960 0.3449 0.1816 -0.0312 -0.2189 -0.3201]; s=3:8;%设置隐层节点数 res=1:6; for i=1:6; net=newff(minmax(P),[s(i),1],{'tansig','purelin'},'trainlm');%网络训练 net.trainParam.epochs=2000; net.trainParam.goal=0.001; LP.lr=0.01; net=train(net,P,T); y=sim(net,P); error=y-T; res(i)=norm(error); end

对于多输入、多输出的BP网络，在网络训练时，

收稿日期：2009-03-10；修回日期：2009-04-10 基金项目：国家自然科学基金资助（50677069） 作者简介：张锐（1977-），男，湖北人，海军工程大学在读硕士研究生，从事电路故障诊断研究。 兵工自动化 ·72· 只需更改输出层数目即可。 2 BP网络应用于模拟电路的故障诊断 BP网络应用于电路故障诊断是以一些电路的典型故障样本送入神经网络训练，使之有判断能力，而成为故障识别系统。其工作步骤如下： 1) 确定待测电路的故障集和确定待测电路的故障集和状态特征参量，采用电路仿真或实验的方法获取电路每一故障状态下的状态特征数据，经筛选和归一化处理后构造训练样本集。 2) 设计BP神经网络并训练。根据需要和经验设计神经网络的结构、参数和训练算法。然后用训练样本集中的样本训练好网络，即完成学习的过程。 3) 一般采用3层BP神经网络，输入层节点数与电路状态特征参量的维数相同，输出层节点数可与电路待测故障类别数相同，也可小于待测故障类别数（采用编码指示对应故障）。 实际诊断时给被测电路加相同的测试激励，将测得的实际状态特征参量输入到训练好的BP神经网络，则其输出即可指示相应的故障状态。

3 诊断实例及仿真

现以某负反馈放大器为例，采用改进后的BP网络进行故障诊断，电路如图1。

500kΩ3.3μF

5kΩR9VOFF=0

VAMPL=0.1 FREQ=50kHz

R1V6C5 VR8 9kΩ 1n R7 1kΩ R

6

3kΩ

R2

1kΩR3

10kΩ R4

2kΩ 12Vdc

0

V1-+

C3 1μF Q2N2222 out2

Q2N2222 Q1

out5out4

R5

0.5kΩ

C11μF

Q2

0 V

out3

V V

out1 C2

图1 故障诊断电路 3.1 故障特征向量提取 对电路原理图分析，可发现R2、R3、R4、R8开路，Q1和Q2发生故障对电路危害程度较大，故在仿真时选取几种故障类型作为诊断对象。选取5个测试点的电压（out1～out5）为BP网络的输入信号，

通过PSpice仿真，对电路进行直流扫描与蒙特卡洛分析。仅对Q1发射极与集电极短路进行仿真。对三极管的故障模型建立可参见文献[7]。最后，选择6种故障类型进行分析诊断，并将每种故障模式进行编码作为神经网络的输出。表1为测试数据。 表1 电路原始测试数据 节点电压 电路状态 Vout1 Vout2 Vout3 Vout4 Vout5 类别编码

Y0(无故障) 8.5841 2.7408 0.5923 2.0777 1.6584 0 0 0 0 Y1(R2开路) 0.0150 2.7408 0.0039 2.0777 0.0110 0 0 0 1 Y2(R3开路) 8.5841 5.916E-09 0.5923 13.96E-09 1.6584 0 0 1 0 Y3(R4开路) 8.5841 1.3184 0.5923 0.6287 1.6584 0 0 1 1 Y4(R7开路) 8.5841 2.7692 0.5923 11.9550 1.6584 0 1 0 0 Y5(R8开路) 8.6040 2.7408 9.487E-24 2.0777 1.7076 0 1 0 1 Y6(Q1C-E极短路) 3.9120 2.7408 1.3972 2.0777 3.9120 0 1 1 0

3.2 原始数据归一化处理 由于系统是非线性的，BP网络的初始值对于训练能否达到局部最小和是否收敛影响很大，同时，各故障状态下的测量值与正常电路电压值之差变化范围较大，有必要对输入样本进行归一化处理。可

采用正态分布函数2()()xafxe−−

=对输入样本进行

归一化，得到各故障状态下测试点实际测量电压Vout1～Vout5属于电路无故障状态下α隶属度。归

一化处理后的数据如表2。 3.3 BP网络设计与训练 表2 归一化处理后数据 序号 Y0 Y1 Y2 Y3 Y4 Y5 Y6 X1 1.0000 0.0000 1.0000 1.0000 1.0000 0.9996 0.0000 X2 1.0000 1.0000 0.0005 0.1322 0.9992 1.0000 1.0000 X3 1.0000 0.7074 1.0000 1.0000 1.0000 0.7041 0.5232 X4 1.0000 1.0000 0.0133 0.1225 0.0000 1.0000 1.0000

故障

征兆

X5 1.0000 0.0663 1.0000 1.0000 1.0000 0.9976 0.0062

对于BP网络，任何在闭区间内的一个连续函数都可用单隐层的BP网络逼近，即一个三层BP网络可完成任意的n维到m维的映射。BP网络的输入层以归一化处理后数据X1～X5作为输入层，输出层选择4个神经元，隐层单元数依据BP网络改进方法，选择12个神经单元，代入BP网络训练。 完整的MATLAB程序如下： p= [1.0000 1.0000 1.0000 1.0000 1.0000;

合集下载

基于BP神经网络的某型无人机电气系统故障诊断研究

基于BP神经网络的某型无人机电气系统故障诊断研究

中 为 学 习效率 Ｊ叼 Ｅ （ ，１ 。 ， ０ ）
２２ Ｂ ． Ｐ神 经 网络训 练 过程
， 其
ｏ ｉ ｙ
为 了应 用神 经 网络 ，在 选定所 要 设计 的神 经 网络 的结构 之后 （ 中包 括 的 内 容 有 网络 的层 数 、 每层 其 所含 神 经元 的个 数 和 神经 元 的激 活 函数 ） ，首 先 应该 考 虑神 经 网络 的训 练过程 。如 图 ２ 。
（ 转第 ９页 ） 下
１ 初始 化 。对 每 一 层 的 权 值 和 偏 差 进 行 初 始 ） 化 ，误 差 置为 ０ ，学 习效率 叼设 为 （ ０，１ 区间 的小 ）
计 测 技 术
新技 术新 仪器
［］ Ｊ ．无损检测 ，２ ０ ，２ （ ） ３— ８ ０ ２ ４ １ ：２ ２ ．
网络 除 了输入 输 出节 点外 ，还 有一层 或者 多层 隐 含 层节点 ，同层节 点 问没有任 何耦 合 。输 入信 号从输 入层 节点 依 次传 过各 隐 含 层 节 点 ，然 后 传 到输 出 节
点 ，每一 层节 点 的输 出只影 响下一 层节 点 的输 出。节 点 的激活 函数 必须 是非减 、可微 的 ，通 常取 为 ｓ型 函
计 ，并 根据 实 际问题 的需 要进 行必 要 的处 理 。
理 论 与 实 践
・５ ・
数 ，网络训练后达到的期望误差最小值为一正小数 ，
设为 Ｅ
２ ）输 入训 练样 本 ，计算 各层输 出。
３ ）计 算 网络误 差 。 网络 对不 同 的训 练样 本 具 有
１ ｍ
２ Ｂ Ｐ神经 网络的学 习算法和训 练过程
函数 逼 近器 。事实 上 ，基 于 Ｂ Ｐ神 经 网络 的 故 障诊 断 模 型也就 是利 用 Ｂ Ｐ网络 的函数 逼 近 能力 ，逼近 故 障 的分类边 界 ，从而 完成从 特征 空 问到故 障空 间的非线 性 映射 。Ｂ Ｐ算 法 将 神 经 网络 学 习 输入 输 出 的映 射 问 题转 换为 一个 非线 性优化 问题 ，使 用 了最 优化 中的梯 度 下降算 法 ，用迭 代运算 修正 网络 权重 ，实 现网络输
基于GA-LMBP算法的模拟电路故障诊断方法

基于GA-LMBP算法的模拟电路故障诊断方法

基于GA-LMBP算法的模拟电路故障诊断方法作者：吴喜华谢利理葛茂艳来源：《现代电子技术》2010年第04期摘要:主要分析遗传算法和BP神经网络的特点和存在的一些缺陷,研究遗传算法和改进型的BP算法相结合的相关技术,设计并实现一个基于遗传算法和LMBP算法相结合的GA-LMBP 算法。

通过诊断实例,比较三种算法的模拟电路故障诊断,结果证明在相同精确度的要求下,基于GA-LMBP的算法可以大大提高模拟电路故障诊断准确率。

关键词:遗传算法;神经网络;模拟电路;故障诊断中图分类号:TP183文献标识码:A文章编号:1004-373X(2010)04-177-03Analog Circuit Fault Diagnosis Method Based on GA-LMBPWU Xihua,XIE Lili,GE Maoyan(College of Automation,Northwestern Polytechnical University,Xi′an,710129,China)Abstract:The characteristics and defects of genetic algorithm and BP neural network areresearched,GA-LMBP based on genetic algorithm and Levenberg-Marquardt BP is designed and implemented.It′s shown by an example analog circuit that the algorithm based on GA-LMBP can improve the accuracy of analog circuit fault diagnosis under the same precision request.Keywords:genetic algorithm;neural network;analog circuit;fault diagnosis将BP神经网络用于模拟电路故障诊断,目前已经取得了较好的效果,但是在许多方面,还存在许多不足之处,需要进行优化,以便对模拟电路的诊断取得更好的效果。

基于BP神经网络算法的异步电机故障诊断系统研究

基于BP神经网络算法的异步电机故障诊断系统研究

基于BP神经网络算法的异步电机故障诊断系统研究
孙吴松
【期刊名称】《荆楚理工学院学报》
【年(卷),期】2024(39)2
【摘要】为了确保电机安全可靠地运行,研究了BP神经网络算法对异步电动机进行故障诊断。

通过MATLAB平台,分别使用附加动量因子和自适应学习率两种梯度下降法进行网络训练,搭建故障诊断BP网络模型。

以MSE值为指标优化最佳隐含层节点数、动量因子与学习率,并通过遗传算法来优化BP网络的初始权值,对故障测试样本进行仿真测试。

结果表明,GA-BP网络模型比MF-BP和AG-BP的MSE 值更低,仅为0.009163,优化后的诊断预测结果与目标值几乎没有差别。

基于遗传算法改进的故障诊断系统模型能够满足异步电动机故障诊断的应用需求。

【总页数】10页(P1-10)
【作者】孙吴松
【作者单位】六安职业技术学院机电技术系
【正文语种】中文
【中图分类】TP183
【相关文献】
1.基于虚拟仪器的异步电机故障诊断系统研究
2.基于BP神经网络的凝汽器故障诊断系统研究
3.基于SSA优化BP神经网络的故障诊断系统研究
4.基于BP神经网络的便携式模拟电路故障诊断系统研究
因版权原因，仅展示原文概要，查看原文内容请购买。

基于BP神经网络的变压器故障诊断研究毕业设计

基于BP神经网络的变压器故障诊断研究毕业设计

……………………. ………………. …………………毕业设计装题目：基于BP神经网络的变压器故障诊断研究订线……………….……. …………. …………. ………毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。

尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。

对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。

作者签名：日期：指导教师签名：日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。

作者签名：日期：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。

本人完全意识到本声明的法律后果由本人承担。

作者签名：日期：年月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。

涉密论文按学校规定处理。

作者签名：日期：年月日导师签名：日期：年月日注意事项1.设计（论文）的内容包括：1）封面（按教务处制定的标准封面格式制作）2）原创性声明3）中文摘要（300字左右）、关键词4）外文摘要、关键词5）目次页（附件不统一编入）6）论文主体部分：引言（或绪论）、正文、结论7）参考文献8）致谢9）附录（对论文支持必要时）2.论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。