基于BP网络改进算法的模拟电路故障诊断

教务系统平台

基金项目：甘肃省科技攻关项目资助(2GS047A5200207 ) )。基于BP网络改进算法的模拟电路故障诊断宋晓娟1

、张光南2马胜前1，王小娟1

(1)西北师范大学物理与电子工程学院，甘肃兰州730070；2 .宝鸡文理学院计算机科学系，陕西宝鸡721007 )摘要将：神经网络的改进算法应用于模拟电路故障诊断，并在MAT LAB7. 0中运用神经实现网络工具箱中的函数，并对实验结果进行比较研究。关键词：人工神经网络； BP网络； 算法； MA TLAB； 故障检测

图分类号： TP 183文献识别码： A文章编号：10040366(2008 ) 01009903faultdiagnosisofanalogcircuitbyimprovedalgorithms基本on BP neural networks宋小娟1

，张光南2，马圣前1，王小娟1

(1. collegeofphysicsandelectronicengineering，N orthw est Normal University，L anz hou 730070，China；2.departmentofcomputerscienceandtechnology，Arts and Sciences of Baoj i College，Baoj i 721007，China )abstract 3360 amodifiedbpneuralnetworkalgorithmisappliedtofaultdiagnosisofanalogcircuit，usingfunctionsofneuralnetworktoolboxinmatlab 7.0 torealizeit.theresultsoftheexperimentarestudied in a compar ative w ay .keywords :体系结构； BP neural netw or k； alg orithms； MAT LAB； 故障诊断本质上，模拟电路故障诊断是模式

识别问题，即根据测定数据判断电路状态所属哪个故障类别[ 1，2 ]

.目前，模拟电子线路的诊断仍然可靠人工完成，常用的方法是线路切割法，即疑似元件切断前后的联系，通电测试其关键点的电压，然后不。 但该方法测试过程繁琐，不仅测试工作量大很大程度上，在大多数情况下，这种破坏性的诊断是不允许的断.人工神经网络ann(artificialneuralnetwrk，ANN )是模拟生物神经系统，大量简单的非线性神经元相互连接构成信号处理系统[ 3，4 ] .反之对BP(backpropagation，BP )网络的传播有较强的模型具有自学习、并行处理和分布式存储的识别功能还具有联想记忆的优点，适用于模拟电路的故障诊断断[ 5，6 ] .但传统的BP网络也存在缺点，其中最主要是收敛速度慢，容易陷入局部最小值和学习行程中会出现振动现象等。 一种改进型的BP网络算法在一定程度上克服上述缺点。

分析综述BP神经网络改进算法[ 7，8 ]即附加地作用

定量法、自适应学习率、弹性BP法及LevenbergM ar应用quardt优化方法的原理，模拟电路故障故障诊断采用MA TLAB7. 0的神经网络工具箱实现函数[ 8，9 ]，比较诊断结果时其他工程APP应用提供参考1 BP神经网络的改进算法

传统的BP神经网络由于收敛速度慢，容易陷入由于局部最小值和学习过程中会出现振荡现象等，因此出现出现了一系列改进算法，这些算法在一定程度上克服上述缺点[ 7]在:

(1)动量添加法(traing dm )；)2)自适应学习速度(traing da )；

教学资源网

J ournal of Gansu S cien cesVol. 20 No. 1Mar. 2008

)4) LevenbergMarquardt优化方法(trainlm )。2改进算法诊断模拟电路故障电阻网络如图1所示，对于该网络特征提取，图1电阻网络

我们通过PISPICE模拟得到测试数据，分别正常以及出现以下故障时节点1、2和3的电压如表1所示，对各故障类别标注编号.表1类别及其特征值类别名字

节点1电压节点2电压节点3电压类别编码

正常2. 500 2. 500 2. 500 0R1开放1. 053 2. 105 2. 368 001R2开放2. 368 2. 105 1. 053 0105开放2. 143 1. 429 2. 143 0116开放2. 857 3. 571 2. 857 100R7开放3. 947 2. 895 2. 632 101R8开放2. 632 2. 895 3. 974 110MAT LAB工具箱有一些便于制造神经的东西中选择所需的族。 在本例中，选择网络结构是双重的。 隐窝层节点数为15个神经元； 转移函数为谭塞格； 输出功率层为3个神经； 转移函数为purelin； 网络输入为否同状态下一个节点的电压值； 网络期待着不同类的输出另一个代码。 M ATLAB神经网络工具箱的函数实现了BP网络改进算法模拟电路的故障诊断，过程顺序如下：p=[ 2. 5 2. 5 2. 5； 1. 053 2. 105 2. 368； 2. 368 2. 1051. 053； 2. 143 1. 429 2. 143； 2. 857 3. 5712. 857； 3. 947 2. 895 2. 632； 2. 632 2. 895 3. 974]；%输入样本t=[ 0 0 0； 01； 0 1 0； 0 1 1； 1 0 0； 1 01； 10 )； %期待输出

提升教学质量

y1=sim(net，p )；%模拟前的网络

net.train param.epochs=5，000；%设定训练周期次数net. trainParam. g oal=0. 000 1；%设置最小误差指标net=train(net，p，t )；%网络培训

y2=sim(net，p )；%模拟训练后的网络

诊断结果如表2所示，从表2可以看出，适用BP神经网络算法可以实现模拟电路的故障诊断，而且允许电路中的部件有一定的公差，包括在上述输入样本中5%的容差，诊断结果正确率高标准BP算法、附加动量法、自适应学习率、弹

性BP法及Lev enbergM arquar dt法的模拟结果如下如表3所示，从仿真结果中可以看出，对各种改进算法进行了训练速度比标准BP算法有明显改善，其中Leven

bergM arquar dt法训练速度最快，在收敛精度上也是LevenbergMarquardt法比其他方法明显虽然占优势，但是我们不能就此得到LevenbergM arquardt法是最理想的训练方法，因为它依赖于提问问题的复杂性、训练样本数量、网络结构、期望误差等许多因素.必须具体处理具体情况。表2故障诊断结果

我想输入样品并实际输出

2.4502.4502.550.05430.10310.060901.1032.1552.4180.0704-0.1001.029012.4182.1551.103-0.07810.90040.16620102.1931.3792.193-0.05301.0191.0346012.8073.5212.9070.9660.0601-0.0662103.9972.8452.6821.03140.03320.97891012.5822.8453.9240.99401.08520.070410100甘肃科学报2008年第1期表3 BP算法的仿真结果训练函数训练次数的收敛精度

traingd 4 110 9. 987e- 005traingdm 4 091 9. 993e- 0059traingda 223 9. 825e- 005trainr p 125 9. 697e- 005trainlm 4 2. 485e- 006一般来说，自适应学习率法比其他算法慢，而且，虽然所需存储空间与弹性BP法大致一致，但是如果需要减慢收敛速度，这也很有用动量法似乎没有明显的优点，但它可以减少通过小学习过程的振动倾向，收敛性得到改善，更多的好的解.灵活的BP算法不需要低搜索，内存要求高由于其小、收敛速度快，适用于大规模网络问题对于中等大小的(约数百个权重)前馈神经网络，

LevenbergM ar quardt算法训练速度最快，是要求最高的在精确训练的情况下，这一优势尤为明显。 多数情况下其次，用Lev enbergM arquardt算法得到的均方误差比其他任何算法都小三结

利用M ATLAB神经网络工具箱提供的主要信件数、将BP神经网络及其改进算法应用于模拟电路在故障诊断中实现，结果表明应用BP神经网络算法对模拟电路故障诊断精度高，而且一定的容差BP改进算法各有优缺点，中建议对中等大小的网络使用Lev enbergM arquardt计算对于训练数据较大的网络，建议灵活，而不是法律

BP法。参照文献：

[ 1]孙志强，张明.人工神经网络在模拟电路故障诊断中的应用[ J] .计算机模拟，2006，2 (23 ) : 140142。[ 2]杨宣访，方华京.模拟电路故障诊断的神经网络方法综述[ J]。计算机测量与控制，2006，14 (5) : 564566。[ 3]杨建刚.人工神经网络实用教程[ M] .杭州：浙江大学出版社2001.[ 4]王兴贵，任嬴会，邹应炅先生。 脉冲电镀电源的一种神经网络控制方法[ J] .甘肃科学学报，2007，19 (4) : 100103。

[5] hechtnielsenr.theoryofthebackpropagationneuralnetw ork[ M] . Proc，of IJCNN，1989。

[ 7]武美先，张学良，温淑花. BP神经网络及其改进[ J] .太原科技大学学报，2005，2 (26 ) : 120125

[ 8]关于改进基于苏高利、邓芳萍. MAT LAB语言的BP神经网络算法[ J] .科技通报，2003，19 (2) : 130135。[ 9]施阳等. MAT LAB语言工具箱[ M] .西安：西北工业大学出版公司，1998年。个人资料：

宋晓娟(1983 )女，甘肃省会宁人，2005年毕业于西北师范大学物理与电子工程学院电子信息工程专业，现为西北师范大学物理与电子信息工程学院硕士研究生.研究方向是计算机的测量与控制第20卷宋晓娟等：基于网络改进算法的模拟电路故障诊断101