模拟电路故障诊断神经智能果蝇算法研究

发布时间：2018-01-18 05:15

本文关键词：模拟电路故障诊断神经智能果蝇算法研究　出处：《湖南大学》2015年博士论文　论文类型：学位论文

【摘要】：随着现代电子技术的发展,人们对电路故障诊断的要求越来越高,一般情况下在一个实际电路系统中,很大一部分电路故障来自模拟电路模块。据调查研究显示,在电子设备中约80%以上的电路故障来自模拟电路模块,伴随着电路集成化程度越来越高,诊断起来的难度也逐渐加大。但是模拟电路故障诊断的方法却严重滞后,因此进行模拟电路故障诊断的理论和技术研究不仅具有重要的理论意义,而且具有很高的实用价值。鉴于模拟电路故障存在多样性和复杂性,这造成传统的故障诊断技术已无法满足诊断的要求,近些年来迅速发展并在模式识别等领域得到成功应用的集成学习和仿生计算相结合方法为模拟电路故障诊断提供了较好的思路。模拟电路故障诊断的主要任务是首先提取和选择有效的故障特征,然后采用有效方法对故障进行识别和定位。结合现代测试技术、信号处理和模式识别等理论和技术,本文深入研究几种模拟电路故障诊断方法。论文的主要研究工作及成果如下:(1)介绍了一种由Shannon函数和Gauss“窗”函数构造的小波,它有更快的收敛速度和很强的逼近能力,因此可以用构造小波基函数代替神经网络激励函数。同时分析了构造小波网络用于模拟电路故障诊断的优势,并给出了故障诊断的一般流程。从实验仿真结果看,构造小波网络取得了比较好的收敛性能,获得了平滑的训练性能曲线,这说明构造小波网络对电路的故障数据集进行了有效的学习,能在很少的迭代步数内达到指定的性能指标,但需要指出的是故障诊断准确率只有94.44%,诊断准确率有待提升。(2)在构造小波神经网络模拟电路故障诊断方法的基础上,利用果蝇优化算法和构造小波神经网络结合,建立果蝇构造小波神经网络算法模拟故障诊断流程。给每一组果蝇个体随机初始方向和距离,然后按照果蝇算法步骤迭代,迭代过程中不停地寻找适应度函数的最优值,把优化后的权值和阈值代入构造小波神经网络,最后将测试数据代入构造小波神经网络进行测试。通过果蝇算法将每次优化后的权值和阈值代入构造小波神经网络,这样使网络收敛速度更快、诊断准确率变的更高。(3)基于果蝇算法良好的全局寻优能力及最小二乘支持向量机在模式识别方面的优越性能,提出了基于FOA--LSSVM模型电路故障诊断方法。经过与PSO--LSSVM模型比较,我们发现虽然二者在数学算法存在差异,但是故障诊断模式基本相同,通过实验也证明了这两种方法诊断正确率接近,因此认为它们都是比较有效、可靠的模拟电路故障诊断方法,在模拟电路故障诊断方面具有广泛的应用前景。(4)借助果蝇算法强大寻优功能和混沌的遍历性、随机性等优点,提出了一种基于混沌理论和FOA--LSSVM模拟电路故障诊断方法。它是对FOA--LSSVM电路故障诊断方法的进一步提升。仿真结果表明了该方法比FOA--LSSVM电路故障诊断方法的诊断效果更好。
[Abstract]:With the development of modern electronic technology , the demand for fault diagnosis of circuit is getting higher and higher . In general , the fault diagnosis method of analog circuit is very high . ( 3 ) Based on the good global optimization ability and the superiority of least square support vector machine in pattern recognition , a fault diagnosis method based on FOA - LSSVM model is proposed .

【学位授予单位】：湖南大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN710;TP18

【相似文献】