孫洪飛，周 正

（海軍91202部隊(duì)，遼寧 葫蘆島125004）

隨著電子技術(shù)的迅速發(fā)展，電子設(shè)備集成度越來(lái)越高，結(jié)構(gòu)越來(lái)越復(fù)雜，這對(duì)電子設(shè)備的故障診斷也提出了更高的要求。由于模擬電路存在元件參數(shù)的容差問(wèn)題、輸入輸出的復(fù)雜關(guān)系以及電路中廣泛存在的非線性問(wèn)題，在實(shí)際應(yīng)用過(guò)程中，電子設(shè)備中80%以上的故障來(lái)自于模擬電路，大大超過(guò)了數(shù)字電路的故障率[1]。因此，針對(duì)模擬電路進(jìn)行故障斷的研究是十分必要和迫切的。

1 研究現(xiàn)狀

模擬電路故障診斷技術(shù)自60年代開(kāi)始研究以來(lái)，取得了不少成就，提出了如K故障診斷法、故障參數(shù)辨識(shí)法、網(wǎng)絡(luò)撕裂法等很多方法[2]，但這些方法無(wú)論在理論上還是在實(shí)踐上均未完全成熟，距實(shí)用尚有相當(dāng)?shù)木嚯x。

模擬電路故障診斷本質(zhì)上是模式識(shí)別問(wèn)題，即將電路測(cè)試點(diǎn)的特征信號(hào)映射到某個(gè)故障類別[3]。人工神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)系統(tǒng)，通過(guò)大量簡(jiǎn)單非線性神經(jīng)元互聯(lián)構(gòu)成信號(hào)處理網(wǎng)絡(luò)，其中BP神經(jīng)網(wǎng)絡(luò)有較強(qiáng)的模式識(shí)別能力，并具有自學(xué)習(xí)、并行處理、分布式存儲(chǔ)以及聯(lián)想記憶的優(yōu)點(diǎn)，比較適合于模擬電路故障的診斷[4]。

在模擬電路系統(tǒng)故障診斷中，只需要采集各種故障狀態(tài)下對(duì)應(yīng)的特征值，并利用這些值訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，當(dāng)網(wǎng)絡(luò)訓(xùn)練好了以后，就相當(dāng)于在BP網(wǎng)絡(luò)中建立了一部智能字典，在診斷時(shí)只要輸入電路的故障特征值，BP神經(jīng)網(wǎng)絡(luò)就能自動(dòng)聯(lián)想到其所對(duì)應(yīng)的故障狀態(tài)。

本文對(duì)從實(shí)際模擬電路中提取的故障特征向量經(jīng)歸一化和主元分析處理后得到最優(yōu)訓(xùn)練樣本對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。然后，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障分類，從而實(shí)現(xiàn)電路的故障診斷。實(shí)驗(yàn)仿真結(jié)果表明：該方法能準(zhǔn)確地識(shí)別故障，且分辨率較高。

2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，由一個(gè)輸入層、若干個(gè)隱含層和一個(gè)輸出層組成。位于同一個(gè)輸入層之間的單元之間不允許有連接，各層的單元只能向高層的單元輸出激活信號(hào)，其每一層連接權(quán)值都可以通過(guò)學(xué)習(xí)來(lái)調(diào)節(jié)。

理論證明：具有單隱層結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)可以映射所有非線性函數(shù)[5]，因此，本文利用三層BP網(wǎng)絡(luò)來(lái)識(shí)別電路故障。其結(jié)構(gòu)如圖1所示。

圖1 三層BP神經(jīng)網(wǎng)絡(luò)圖

BP算法被分為兩個(gè)階段:

（1）正向傳播過(guò)程，即將輸入信息通過(guò)輸入層經(jīng)過(guò)激活函數(shù)后，經(jīng)隱含層逐層處理并計(jì)算每個(gè)單元的實(shí)際輸出值;

（2）反向過(guò)程，即若在輸出層未能得到期望的輸出值，則逐層遞歸地計(jì)算實(shí)際輸出與期望輸出的誤差，并根據(jù)誤差調(diào)節(jié)修正權(quán)值。

訓(xùn)練誤差為：

以（2）式為目標(biāo)函數(shù)，權(quán)值和閾值的修正公式為:

式中，

k為訓(xùn)練次數(shù)，

θj為節(jié)點(diǎn)誤差，

η為學(xué)習(xí)速率。

通過(guò)不斷重復(fù)上面三步，直到誤差函數(shù)的值滿足E<ε，其中，ε為設(shè)定的最小誤差，本文設(shè)定ε為0.001。

3 數(shù)據(jù)處理

在故障特征向量輸入神經(jīng)網(wǎng)絡(luò)之前，必須對(duì)其進(jìn)行歸一化處理，因?yàn)榫W(wǎng)絡(luò)的各個(gè)輸入數(shù)據(jù)常常具有不同的物理意義和不同的量綱，如某一輸入在0~100范圍內(nèi)變化，而另一分量則在0~1范圍內(nèi)變化。數(shù)據(jù)歸一化避免因?yàn)檩斎霐?shù)據(jù)波動(dòng)大而造成的神經(jīng)網(wǎng)絡(luò)收斂慢或者是不收斂的問(wèn)題，可以用Matlab的premnmx函數(shù)對(duì)其進(jìn)行歸一化，將其規(guī)格化在[-1，1]。

PCA是統(tǒng)計(jì)學(xué)中分析數(shù)據(jù)的一種有效方法，它基于Karhunen-Loeve分解。其目的是在數(shù)據(jù)空間中找一組向量盡可能的解釋數(shù)據(jù)的方差，通過(guò)一個(gè)特殊的向量矩陣，將數(shù)據(jù)從原來(lái)的高維空間映射到一個(gè)低維向量空間，降維后保存了數(shù)據(jù)的主要信息，從而使數(shù)據(jù)更易于處理[6]。

4 仿真實(shí)例

本文的診斷電路選自ITC'97的國(guó)際標(biāo)準(zhǔn)電路CTSV(continuous-time state-variable filter)濾波器，仿真電路如圖2所示。R1=R2=R3=R4=R5=1 kΩ，R6=3 kΩ，R7=7 kΩ，C1=C2=20 nF。

圖2 CTSV電路

經(jīng)過(guò)靈敏度分析后發(fā)現(xiàn)電阻R1、電容C1對(duì)電路輸出電壓V影響比較大，考慮以R1正偏50%、C1負(fù)偏50%、以及R1正偏50%并且C1負(fù)偏50%的電路故障，連同無(wú)故障模式共4種狀態(tài)進(jìn)行診斷，如表1所示。

表1 故障分類模式

（1）特征參數(shù)的采集。對(duì)被測(cè)電路進(jìn)行充分仿真，并結(jié)合蒙特卡洛、靈敏度和最壞分析對(duì)電路進(jìn)行分析。然后采集電路階躍響應(yīng)的輸出電壓和響應(yīng)時(shí)間等特征參數(shù)，經(jīng)數(shù)據(jù)歸一化，并用主元分析法確定輸出參數(shù)，對(duì)正常模式及每一種故障模式進(jìn)行30次蒙特卡洛分析，其中20次為訓(xùn)練樣本，10次為測(cè)試樣本，共構(gòu)造網(wǎng)絡(luò)的訓(xùn)練樣本集和測(cè)試樣本集120個(gè)。

（2）BP網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。根據(jù)電路特征參數(shù)的維數(shù)，確定BP網(wǎng)絡(luò)的輸入與隱層節(jié)點(diǎn)數(shù)目。特征參數(shù)經(jīng)主元分析后為2維的，則輸入層節(jié)點(diǎn)數(shù)目為2；電路檢測(cè)狀態(tài)由1種正常狀態(tài)和3種故障狀態(tài)，故輸出層節(jié)點(diǎn)數(shù)目為4；隱層節(jié)點(diǎn)數(shù)目按公式(N、M分別為輸入層和輸出層節(jié)點(diǎn)數(shù)目，a=1~10)進(jìn)行選取，若在網(wǎng)絡(luò)訓(xùn)練過(guò)程中不滿足要求，則逐個(gè)增加(或減少)隱層節(jié)點(diǎn)數(shù)目，最后確定網(wǎng)絡(luò)結(jié)構(gòu)為2-5-4。經(jīng)過(guò)分析，隱層和輸出層的激勵(lì)函數(shù)分別采用非線性的正切-S型(tan-sigmoid)函數(shù)和非線性的對(duì)數(shù)-S型(log-sigmoid)函數(shù)。

5 結(jié)果分析

采樣數(shù)據(jù)經(jīng)歸一化后，再進(jìn)行主元分析，部分?jǐn)?shù)據(jù)如表2所示，診斷結(jié)果如表3所示。

表2 數(shù)據(jù)處理結(jié)果

表3 診斷結(jié)果

使用測(cè)試樣本集對(duì)網(wǎng)絡(luò)進(jìn)行測(cè)試，結(jié)果表明，該網(wǎng)絡(luò)的實(shí)際輸出值逼近其期望值，診斷準(zhǔn)確率達(dá)98%，學(xué)習(xí)效果很好。若未經(jīng)主元分析，直接將采樣數(shù)據(jù)集輸入上述神經(jīng)網(wǎng)絡(luò)，只需將網(wǎng)絡(luò)輸入改為4，即網(wǎng)絡(luò)結(jié)構(gòu)變?yōu)?-5-4，網(wǎng)絡(luò)其它參數(shù)保持不變，經(jīng)過(guò)1 074次訓(xùn)練調(diào)整才收斂到相同目標(biāo)值(MSE=0.001)。

由此可得，經(jīng)過(guò)主元分析，神經(jīng)網(wǎng)絡(luò)輸入變量減少，網(wǎng)絡(luò)結(jié)構(gòu)得到簡(jiǎn)化；訓(xùn)練次數(shù)僅僅為原來(lái)的1%，神經(jīng)網(wǎng)絡(luò)訓(xùn)練周期大大減少。

6 結(jié)束語(yǔ)

本文利用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行模擬電路的故障診斷，利用主元分析進(jìn)行特征提取及數(shù)據(jù)壓縮，完成了從高維輸入到低維特征的轉(zhuǎn)化，形成新的訓(xùn)練和測(cè)試樣本集，從而減少了神經(jīng)網(wǎng)絡(luò)的輸入，提高了網(wǎng)絡(luò)訓(xùn)練速度，降低了神經(jīng)網(wǎng)絡(luò)的計(jì)算復(fù)雜度。

[1]李 旭.基于電路仿真原理的故障檢測(cè)與診斷研究[D].大連:大連理工大學(xué)，2007.

[2]王 玲，彭敏放，何怡剛.容差模擬電路故障模糊診斷方法及其實(shí)現(xiàn)[J].微電子學(xué)與計(jì)算機(jī)，2006，23(4):189-192.

[3]朱大齊.電子設(shè)備故障診斷原理與實(shí)踐[M].北京:電子工業(yè)出版社，2004.

[4]陳 琪，曲東才.基于故障字典和神經(jīng)網(wǎng)絡(luò)理論的故障診斷方法[J].計(jì)算機(jī)測(cè)量與控制，2007，15(1):4-7.

[5]蔡 兵.BP神經(jīng)網(wǎng)絡(luò)隱層結(jié)構(gòu)的設(shè)計(jì)方法[J].通化師范學(xué)院學(xué)報(bào)，2007，28(2):18-19.

[6]焦李成.神經(jīng)網(wǎng)絡(luò)的應(yīng)用與實(shí)現(xiàn)[M].西安:西安電子科技大學(xué)出版社，1996.