基于粒子群算法的模拟电路故障诊断方法

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (631 KB)
输出: BibTeX | EndNote (RIS)

摘要提出一种基于小波包分解、主元分析、归一化处理、粒子群算法与神经网络相结合的模拟电路故障诊断新方法。该方法使用小波包分解来对信号进行消噪和小波多尺度分解, 再进行正交主元分析和归一化处理来提取故障特征信息, 作为神经网络的输入样本。在充分考虑传统BP算法中采用梯度下降法所固有的极易陷入局部极小等缺陷的基础上, 提出了采用粒子群算法来优化传统BP网络的方法。文中研究了故障特征信息的提取、样本选择及诊断系统, 并通过电路诊断实例, 阐述了该方法的具体实现, 验证了所提方法的有效性。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	何怡刚
	祝文姬
	周炎涛
	刘美容

关键词 ：模拟电路, 故障诊断, 小波包分解, 粒子群算法, BP神经网络

Abstract：Based on wavelet packet decomposition, principal component analysis (PCA), normalization, particle swarm optimization (PSO) and neural networks (NNs), a new analog circuit diagnosis method is proposed. The proposed method is based on wavelet packet transformation that using the wavelet packet decomposition as a de-noise tool, the feature information is extracted by wavelet de-noising, multi-resolution, orthogonalization and normalization. The input patterns are satisfied when the feature information applies to the neural networks. Under considering the characteristics of the traditional back-propagation (BP) algorithm, the PSO algorithm is used to substitute the gradient descent method in tradition BP neural network. Finally, the realization of the proposed strategy is expounded by using practical circuits. The simulation and experimental results demonstrate the effectiveness of the proposed method.

Key words： Analog circuits fault diagnosis wavelet packet decomposition particle swarm optimization BP neural network

收稿日期: 2008-11-11 出版日期: 2014-03-04

PACS:

TN39

基金资助:国家自然科学学基金（50925727、60876022）, 高校博士点基金（20060532002）, 国家863计划（2006AA 04A 104）和湖南省科技计划（06JJ2024, 2008Gk2022）资助项目

作者简介: 何怡刚男, 1966年生, 教授, 博士生导师, 研究方向为智能测试与诊断、集成电路设计、电力规划与设计等。祝文姬女, 1983年生, 博士研究生, 研究方向为超大规模模拟电路故障诊断、神经网络、小波分析、有源滤波等。

引用本文:

何怡刚, 祝文姬, 周炎涛, 刘美容. 基于粒子群算法的模拟电路故障诊断方法[J]. 电工技术学报, 2010, 25(6): 163-171. He Yigang, Zhu Wenji, Zhou Yantao, Liu Meirong. An Analog Circuit Diagnosis Method Based on Particle Swarm Optimization Algorithm. Transactions of China Electrotechnical Society, 2010, 25(6): 163-171.

链接本文:

http://dgjsxb.ces-transaction.com/CN/Y2010/V25/I6/163

[1] 潘进, 焦李成. 多子波神经网络及其逼近[J]. 电子学报, 2000, 28(10): 60-64.
[2] 厉芸, 何怡刚, 谢宏. 基于神经网络和遗传算法模拟电路故障诊断方法研究[D]. 湖南: 湖南大学, 2005.
[3] Bandler J W, Salama A E. Fault diagnosis of analog circuits [J]. Proc. of the TEEE, 1985, 73(8): 1279- 1327.
[4] 崔莼, 罗先觉, 邱关源. 基于模式识别原理的模拟电路故障诊断神经网络方法[D]. 西安: 西安交通大学, 1996.
[5] 王淑娟, 陈博, 赵国良. 基于小波包变换预处理的模拟电路故障诊断方法[J]. 电工技术学报, 2003, 18(4): 118-122.
[6] 徐涛, 王祁. 基于小波包神经网络的传感器故障诊断方法[J]. 传感技术学报, 2006, 19(4): 1060-1064.
[7] 王承, 陈光, 谢永乐, 等. 基于主元分析与神经网络的模拟电路故障诊断[J]. 电子测量与仪器学报, 2005, 19(5): 14- 17.
[8] 郑建国, 焦李成. 神经网络在产品结构模型模糊综合评判中的应用[J]. 系统工程与电子技术, 2001, 23 (10): 43-49.
[9] Farzan Aminian, Mehran Aminian, Collins H W. Analog fault diagnosis of actual circuits using neural networks[J]. IEEE Transactions on Instrumentation and Measurement, 2002, 51(3): 544-550.
[10] Mehran Aminian, Farzan Aminian. Neural-network based on analog-circuit fault diagnosis using wavelet transform as pre-processor[J]. IEEE Transactions on Circuits and Systems-II:Analog and Digital Signal Processing, 2000, 47(2): 151-156.
[11] 谭阳红, 何怡刚. 模拟电路故障诊断的小波方法[J]. 电工技术学报, 2005, 20(8): 89-93.
[12] 周智勇, 朱瑞荪. 小波变换在信号降噪中的应用[J].武汉科技大学学报(自然科学版), 2006, 29(6): 583-585.
[13] Toczek W, Zielonko R, Adamczyk A. A method for fault diagnosis of nonlinear electronic circuits [J].Elsevier Measurement 24, 1998(2): 79-86.
[14] 蔡金锭, 付中云. 粒子群-神经网络混合算法在三相整流电路故障诊断中的应用[J]. 电工电能新技术, 2006, 25(4): 23-26.
[15] 魏秀业, 潘宏侠, 马清峰. 粒子群优化的神经网络在故障诊断中的应用[J]. 振动、测量与诊断, 2006, 26(2): 133-137.
[16] 潘昊, 侯清兰. 基于粒子群优化算法的BP网络学习研究[J]. 计算机工程与应用, 2006, 16(13): 41-43.
[17] 吕强, 俞金寿. 基于粒子群优化的自组织特征映射神经网络及应用[J]. 控制与决策, 2005, 20(10): 1115-1119.
[18] He Y, Tan Y, Sun Y. Wavelet neural network approach for fault diagnosis of analog circuits [J]. IEE Proc-Circuits Devices Systems, 2004, 151(4): 379-384.