基于深度学习的模拟电路及PID参数整定研究
发布时间：2021-02-09 23:24
深度学习是指通过一些特定的训练方法对样本数据进行训练,从而得到一个含有多层级的深度网络结构的机器学习过程。随着大数据时代的到来,深度学习已经成为了当前人工智能领域的一个研究热点,在语音、图像、行为识别和NLP等多个领域都取得了成功的应用。与不同对象相适应用的深度学习模型不同,本文以深度学习为主体,基于VGG16和DBN模型,研究其在模拟电路故障诊断、混沌电路控制和PID参数整定中的应用。针对模拟电路易发生故障,却不易诊断的问题,提出一种基于VGG16的故障诊断方法来进行故障诊断;针对电路容易出现混沌现象且难以进行控制的问题,提出了一种基于DBN的混沌电路追踪控制方法;针对PID参数难以整定的问题,提出一种基于LOGFA-DBN的PID参数整定方法。本文所做的主要研究工作如下:（1）提出一种基于深度学习的模拟电路故障诊断方法。为了改善传统的模拟电路故障诊断方法其故障识别分类精度不高或者可识别种类较少的问题,提出了一种基于VGG16的模拟电路故障诊断方法,该方法首先将采样的原始数据制作成语音形式,然后通过时频域变化转化为语谱图,最后再将其送入VGG16模型中进行训练与测试。并将Sallen...
【文章来源】：湘潭大学湖南省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
算法流程图
图 3-2 语谱图3.2.3 训练分类模型及预测利用训练数据对 VGG16 模型进行训练，得到最优的故障分类模型，然后再将测试数据送入模型进行测试。模型训练和测试的具体步骤如下：(1)搭建 VGG16 网络模型，随机初始化模型每一层的权重系数 W 和偏移系数 b，设置分类数目、训练步数、学习率等相关参数；(2)将训练数据输入到模型中;(3)根据式（3-1）逐级计算得到模型最后一层输出；(4)根据式（3-2）对输出进行 softmax 处理，然后根据式（3-3）计算计算其交叉熵，最后再取均值得到损失函数；(5)用梯度下降法对损失函数进行优化，然后再根据式（3-4）和（3-5）反向传播回每一层进行参数更新；(6)判断是否达到迭代次数。是，执行步骤 7；否，返回执行步骤 3；(7)保存训练好的权重系数和偏移系数；
图 3-3 Sallen-Key 结构图图 3-4 Sallen-Key 仿真电路结构如图 3-3 所示。基于 Multisim10.0 的仿，选取电路中的2R 、3R 、1C 和2C 作为故障器R32kΩ5%R23kΩ5%C15nF5%VCC1C25nF5%R44kΩ1Ω40V-12V6572VCCVEE13
【参考文献】：
期刊论文
[1]基于遗传神经网络PID整定的电液位置伺服系统[J]. 马淑可,麦云飞. 农业装备与车辆工程. 2018(09)
[2]基于双向LSTM语义强化的主题建模[J]. 彭敏,杨绍雄,朱佳晖. 中文信息学报. 2018(04)
[3]基于改进BP神经网络PID自整定的研究[J]. 叶海平. 云南民族大学学报(自然科学版). 2018(02)
[4]基于信息熵的DBN网络结构优化[J]. 廖强,张杰. 信息通信. 2018(01)
[5]深度学习相关研究综述[J]. 张军阳,王慧丽,郭阳,扈啸. 计算机应用研究. 2018(07)
[6]基于多层卷积特征融合的目标尺度自适应稳健跟踪[J]. 王鑫,侯志强,余旺盛,金泽芬芬,秦先祥. 光学学报. 2017(11)
[7]深度神经网络的发展现状[J]. 胡聪丛,胡桓. 电子技术与软件工程. 2017(04)
[8]基于自适应卷积特征的目标跟踪算法[J]. 蔡玉柱,杨德东,毛宁,杨福才. 光学学报. 2017(03)
[9]基于忆阻器反馈的Lorenz超混沌系统及其电路实现[J]. 阮静雅,孙克辉,牟俊. 物理学报. 2016(19)
[10]一种基于胶质细胞链的改进深度信念网络模型[J]. 耿志强,张怡康. 自动化学报. 2016(06)
硕士论文
[1]异步电机矢量控制系统设计及其PI控制器参数优化研究[D]. 罗豪.湖南大学 2009
本文编号：3026397
【文章来源】：湘潭大学湖南省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
算法流程图
图 3-2 语谱图3.2.3 训练分类模型及预测利用训练数据对 VGG16 模型进行训练，得到最优的故障分类模型，然后再将测试数据送入模型进行测试。模型训练和测试的具体步骤如下：(1)搭建 VGG16 网络模型，随机初始化模型每一层的权重系数 W 和偏移系数 b，设置分类数目、训练步数、学习率等相关参数；(2)将训练数据输入到模型中;(3)根据式（3-1）逐级计算得到模型最后一层输出；(4)根据式（3-2）对输出进行 softmax 处理，然后根据式（3-3）计算计算其交叉熵，最后再取均值得到损失函数；(5)用梯度下降法对损失函数进行优化，然后再根据式（3-4）和（3-5）反向传播回每一层进行参数更新；(6)判断是否达到迭代次数。是，执行步骤 7；否，返回执行步骤 3；(7)保存训练好的权重系数和偏移系数；
图 3-3 Sallen-Key 结构图图 3-4 Sallen-Key 仿真电路结构如图 3-3 所示。基于 Multisim10.0 的仿，选取电路中的2R 、3R 、1C 和2C 作为故障器R32kΩ5%R23kΩ5%C15nF5%VCC1C25nF5%R44kΩ1Ω40V-12V6572VCCVEE13
【参考文献】：
期刊论文
[1]基于遗传神经网络PID整定的电液位置伺服系统[J]. 马淑可,麦云飞. 农业装备与车辆工程. 2018(09)
[2]基于双向LSTM语义强化的主题建模[J]. 彭敏,杨绍雄,朱佳晖. 中文信息学报. 2018(04)
[3]基于改进BP神经网络PID自整定的研究[J]. 叶海平. 云南民族大学学报(自然科学版). 2018(02)
[4]基于信息熵的DBN网络结构优化[J]. 廖强,张杰. 信息通信. 2018(01)
[5]深度学习相关研究综述[J]. 张军阳,王慧丽,郭阳,扈啸. 计算机应用研究. 2018(07)
[6]基于多层卷积特征融合的目标尺度自适应稳健跟踪[J]. 王鑫,侯志强,余旺盛,金泽芬芬,秦先祥. 光学学报. 2017(11)
[7]深度神经网络的发展现状[J]. 胡聪丛,胡桓. 电子技术与软件工程. 2017(04)
[8]基于自适应卷积特征的目标跟踪算法[J]. 蔡玉柱,杨德东,毛宁,杨福才. 光学学报. 2017(03)
[9]基于忆阻器反馈的Lorenz超混沌系统及其电路实现[J]. 阮静雅,孙克辉,牟俊. 物理学报. 2016(19)
[10]一种基于胶质细胞链的改进深度信念网络模型[J]. 耿志强,张怡康. 自动化学报. 2016(06)
硕士论文
[1]异步电机矢量控制系统设计及其PI控制器参数优化研究[D]. 罗豪.湖南大学 2009
本文编号：3026397
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3026397.html
