当前位置:文档之家› 模拟电路故障诊断

模拟电路故障诊断

模拟电路故障诊断摘要模拟电路故障技术近年来得到了迅速的发展、取得了许多可喜的成果。

该文探讨了这一领域中一些重要的热门研究问题,主要包括:基于专家系、神经网络、模糊理论、小波变换等理论发展起来的模拟电路故障诊断的新理论和新方法;重点介绍了作者总结的上述各种方法的基本原理、优缺点及其发展现状;对其他一些智能方法也进行了简要介绍;最后指出了模拟电路故障诊断技术的发展趋势:关键词:模拟电路;故障诊断;专家系统;神经网络;模糊理论;小波变换AbstractIn recent years the fault diagnosis technique of analog Circuit is developed rapidly,and has led to many new results.In this paper,firstly,some important issues in this area,including expert system,neural network,fuzzy theory,wavelet transform and their application in fault diagnosis of analog circuit,are elaborated.The emphasis is focused on summarization work by the author,such as main principle,respective advantage and disadvantage and presented development of above new thories and methods.secondly,some other intelligent methods and their applications are also described.Finally,the development trend of the fault diagnosis technology of analogy of analog Circuit is also presented.KEYWORDS:Analog circuit;Fault diagnosis;Eepert system;Neural network;Fuzzy theory;Wavelet analysis目录一:引言 (1)二:模拟电路故障诊断方法的分类 (1)三:现代模拟电路故障诊断理论和方法 (2)2.1 专家系统故障诊断方法 (2)2.2 神经网络故障诊断方法 (2)2.3 模拟故障诊断方法 (3)2.4 小波变换故障诊断方法 (4)2.5 多传感器信息融合故障诊断方法 (5)2.6 基于Agent技术的故障诊断方法 (6)2.7 基于其他理论的故障诊断方法 (6)四:结论 (8)结束语 (9)参考文献 (10)0 引言近年来,随着对模拟电路故障诊断技术研究的进一步深入,人们注意到模拟电路故障诊断有其自身的困难,进展比较缓慢,其主要困难有:(1)模拟电路的故障具有多样性,且其输入激励与输出响应以及网络中各元件参数等都是连续量,其故障模型比较复杂,且难以作简单的量化;(2)由于非线性、元件参数容差、噪声等多种因素的存在,引起电路工作特性的偏移,电路的输入输出关系复杂,使许多诊断方法失去准确性和稳定性;(3)模拟电路中广泛存在着非线性问题,随着电路规模的线性增大,计算则以指数形式增加;大量反馈回路的存在,也增加了计算和测试的复杂性;(4)现代电子电路通常是多层的或被封装的,可测电压的可用节点数非常的有限,导致可用作故障诊断的信息量不够充分,造成故障定位的不确定性和模糊性。

所以,以往对模拟电路故障诊断的研究主要停留在中小规模线性无容差或小容差的情况,有些方法也已成功应用于工程实际。

但,如何有效解决模拟电路的容差和非线性问题;又如何解决故障诊断的模糊性和不确定性的问题等等,是今后迫切需要解决的困难。

由于上述问题很难用传统的数学方法描述,人工智能技术则因其善于模人处理问题的过程,容易顾及人的经验并具有一定的学习能力等特点,在这一领域得到了广泛应用。

本文的主要内容是以非线性系统为例,介绍人工智能技术的基本概念,重点分析基于上述理论的单一、综合智能方法在模拟电路故障中的应用特点以及存在的主要问题,以促进该研究领域的进一步发展。

1模拟电路故障诊断方法的分类模拟电路的故障诊断方法以人工智能新理论的出现为界线,可分为两类:一是经典常规的模拟电路故障诊断的方法,二是现代模拟电路故障诊断的方法。

经典常规的模拟电路故障诊断方法主要包括;故障字典法、元件参数辨识法和故障验证法,这三种方法已成功应用于线性系统的工程实际,但却未达到预期的效果,如不能解决非线性系统的故障诊断、不能有效诊断多故障和软故障等等。

并且,在实际诊断过程中,由于元器件参数件的容差以及电路中广泛存在的非线性问题,会直接影响到诊断技术的诊断效果,特别是会导致故障误报和诊断方法灵敏度理论降低甚至失灵。

随着越来越多的人工智能新理论的出现,人们逐渐意识到将神经网络等智能理论新理论用于模拟电路故障诊断领域,将对模拟电路故障诊断理论和技术的发展有着重要的影响。

由此产生的现代模拟电路故障诊断技术,从某种意义上讲,形成了这一领域新的研究方向。

它部分解决了故障诊断的模糊性和不确定性等经典常规方法不能解决的各类问题,适用于解决非线性系统的故障。

2现代模拟电路故障诊断理论和方法目前,常见的人工智能技术主要包括专家系统、神经网络、模糊理论、小波变换等。

人工智能技术由于其善于模拟人类处理问题的过程,容易顾及人的经验以及具有一定的学习能力等特点在模拟电路故障诊断领域得到了广泛的应用。

由此开发出的综合自动故障诊断系统,对于难以建立数学模型的电路的故障,可实现故障的快速、准确定位,使检修人员对问题的认识更具全面性、有效性和针对性。

2.1专家系统故障诊断方法专家系统是人工智能应用研究最活跃和最广泛的课题之一,它是一个智能计算程序系统,其内部具有大量专家水平的某个领域知识与经验,应用人工智能技术,根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断,模拟人类专家的决策过程,以解决那些需要专家决定的复杂问题。

按其所求解问题的性质,可把它分为几种类型,其中的诊断专家系统的任务就是根据观察到的数据来推断出故障原因。

专家系统在模拟电路故障诊断中的典型应用是基于产生式规则的系统,其基本工作原理是:首先把专家知识及其诊断经验用规则表示出来,形成故障诊断专家系统知识库,进而根据报警信息对知识库进行推理,诊断出故障元件。

基于产生式规则的故障诊断专家系统得以广泛应用主要是由故障诊断和基于产生式规则的专家系统的特点所决定的。

模拟电路故障与征兆之间的关系易于用直观的、模块化的规则表示出来;基于产生式规则的专家系统允许增加、删除或修改一些规则,以确保诊断系统的实时性和有效性;能够在一定程度上解决不确定性问题;能够给出符合人类语言习惯的结论并具有相应的解释能力等。

文献(8)提出了一种知识获取的多层流式的功能模型,可自动获取变电站的拓扑结构和保护配置等方面的知识,用于产生变电站停电后的恢复方案,原理上有创新。

瑞然专家系统能够有效的模拟故障诊断专家完成故障诊断过程,但在实际应用中仍存在一定缺陷,其主要问题是知识获取的瓶颈问题、知识难以维护,知识推理的“组合爆炸”和“无穷递归”问题以及不能有效解决故障诊断中许多不确定因素,这些为题大大影响了故障诊断的准确性。

另外,专家系统在自适应能力、学习能力及实时性方面也都存在不同程度的局限,鉴于上述困难,将其与本身具有信息处理特点的神经网络相结合,便可有效解决上述各个问题。

2.2神经网络故障诊断方法人工神经网络(ANN)是模拟人脑组织结构和人类认知过程的信息处理系统,自1943 年首次提出以来,已迅速发展成为与专家系统并列的人工智能技术的另一个重要分支。

它以其诸多优点,如并行分布处理、自适应、联想记忆等,在智能故障诊断中受到越来越多广泛的重视,而且显示出巨大的潜力,并为智能故障诊断的研究开辟了一条新途径。

ANN技术特别适合处理那些故障诊断中无法用显性公式表示的、具有复杂非线性关系的情况,能够出色解决那些传统模式识别方法难以圆满解决的由于非线性、反馈回路和容差引起的问题;它以分布的方式存储信息,利用网络的拓扑结构和权值分布实现非线性的映射,利用全局并行处理实行从输入空间到输出空间的非线性信息变换,有效解决了复杂系统故障诊断中存在的故障知识获取的“瓶颈”、知识推理的“组合爆炸”等问题。

但如何选择一种合适的网络结构和规模,以保证算法的收敛性、快速性、实时性以及学习样本的完整性和代表性,将是进一步深入研究的问题。

应用ANN技术解决故障诊断问题的主要步骤包括:根据诊断问题组织学习样本、根据问题和样本构造神经网络、选择合适的学习算法和参数。

常用故障诊断的ANN有BP网、Hopfield网、SOM网和ART网络等。

采用BP网络可有效解决非线性问题;采用Hopfield网络可用来诊断正常元器件容差条件下的多故障问题,并采用其优化算法可实现全局最优问题;采用SOM网络解决模拟电路故障诊断容差问题的方法,可以对单和多软、硬故障进行有效识别,迅速定位,加上本身良好的泛化特性,可有效客服容差因素对故障定位的影响。

鉴于ANN诸多的优点及专家系统固有的缺点,将两者相结合是今后故障诊断研究的热点,两者具有极强的互补性。

神经网络专家系统的高层逻辑模型不同,它是一种底层数值模型,信息处理是通过大量的简单处理元件之间的相互作用二进行的,它将逻辑推理与数值运算相结合,利用ANN的学习、联想记忆、分布式并行信息处理功能,解决诊断系统中的不确定知识表示、获取和并行推理等问题,通过对经验样本的学习,将专家知识以权值和阀值的形式存储在网络中,并利用网络的信息保持性来完成不精确推理,较好地模拟了专家凭经验、直觉二不复杂的计算推理过程。

ANN法虽然有利于客服专家系统的知识获取瓶颈、知识库维护困难等问题,但它不适于处理启发性知识。

而且由于ANN技术本身不够完备,其学习速度慢,训练时间长以及解释功能我弱,从而影响了它的实用化。

同时,如何设计适用于大规模模拟电路的神经网络故障诊断系统仍是一个有待进一步研究的问题。

2.3模糊故障诊断方法对于复杂电路,特别是模拟电路的故障诊断,由于元器件的容差、非线性及电路噪声的影响,故障与征兆之间的关系用传统的电路理论难以求得精确解,出现了模糊现象。

模糊故障诊断方法,就是依据专家经验在故障征兆空间与故障原因空间之间建立模糊关系矩阵,再将各条模糊理论规则产生的模糊关系矩阵进行组合,根据一定的判定阀值来识别故障元件。

相关主题