模拟电路故障诊断的小波包预处理神经网络改进算法
教育信息化
生产年份第一月亮
信号处理
模拟电路故障诊断的小波包先验神经网络改进算法的处理张维强’徐晨宋国乡
深圳大学智能科学与计算研究所
、广东深圳(西安电子科技大学学理学院，陕西西安
提出了基于小波包预处理的神经网络模拟电路故障诊断方法的两种改进方法的最优小波包变换处理与不完全小波包变换预处理神经网络算法。 首先对模拟电路的响应信号用这两种方法进行预处理然后呢计算预处理后信号在各频带中的归一化能量
通过将归一化能量作为训练样本发送到网络进行训练，实现网络的输节点和隐藏节点的数量这样可以减小神经网络的规模，降低计算的复杂度加速了网络的训练和收敛速度。 仿照真实
检测结果表明，该方法能快速有效地诊断和定位模拟电路故障。关键词模拟电路故障诊断最优小波包变换不完全小波包变换能量正则化网络，、
、’、三合一飞
冷冷清清，冷冷清清，冷冷清清也就是说，，糗、
卿甲，
，然后，勋爵习习引言
在电子线路故障诊断中数字技术的广泛应用与高速发展数字电路故障诊断研究取得了空前的发展展览会。 模拟电路时其元件具有公差和非线性等原理因为
使模拟电路故障诊断比数字电路的故障诊断复杂很多发展比较慢
应用也不充分。 当前模拟电路故障诊断断的方法主要有测前模拟诊断测后模拟诊断近似法与人工智能。 文献【介绍了目前模拟电路的故障检测的发展状况
总结了现有的模拟电路故障诊断方法。人工神经网络理论及其应用技术近年来发展极大正在发展神经网络已经广泛应用于人工智能、自动控制机器
人
在统计学等领域的信息处理中。 简单地说，神经网络采用物理上可行的器件使用、系统或现有计算机模拟人
大脑结构和功能的计算结构。 神经网络的基本特性”分布式存储和容错并行信息处理与
存储整合是一个可塑性和自组织性的层次性和系统统一性。 随着人工神经网络的理论成熟和大量应用打开神经网应用于模拟电路的故障诊断已经成为研究的热点。 ) ) )(仁)《川》等文献中有神经网络
收到原稿的日期是年月日修正日是年月日基金项目武器装备预研基金、广东省科技规划项目、深圳市科技规划项目资金援助的课题。
1994-2009 chinaacademicjournalelectronicpublishinghouse.all rights reserved.http://www.cn ki.net一期模拟电路故障诊断的小波包预处理神经网络改进算法模拟电路故障诊断成功案例。反向传播神经网络在工程上有广泛的应用
模式分类问题有很大的优越性气势。 为了减小神经网络的规模加快神经网络的收敛速度文献【、)介绍了基于小波变换预处理器的模拟电路故障诊断截断的神经网络法
文献采用基于小波包预处理的神经网络基于络故障字典法的模拟电路故障诊断，都取得了一定的成果
果实。 本文论述了一种基于小波包预处理的神经网络故障检测方法两种改进方案的最优小波包变换预处理及不完备小波包变换预处理神经网络算法。 采样信号经过这两种方法的预处理为了训练而发到网上的时候有
有效地减少了网络失败节点和隐藏层节点的数量让上帝变小了网络规模
减少计算的复杂性
提高了互联网的训练速度度
在仿真电路仿真软件麟下进行了仿真考试取得了比较满意的效果。神经网络
网络通常有一个或多个隐藏层隐层内神经元的激活函数数均采用类型变换函数输出层神经元采用纯线性变换函数。 图展示了具有隐藏层的神经网络。基于两种改进小波包预处理的神经网络络故障诊断算法小波包变换
给出信号进行采样信号位于有限的频域
被给予的。 当进行小波分解时得到的高频信号和低频信号在该频域中分别占据了一半的宽频带。 再用小波分解，
另外，将低频部分分成相同宽度两个频带、这样类推。 在一些研究中正在研究中高频部分的信号也需要重新分解这就是小波包
拆开。
小波包变换
一个是小波变化推进交换
它可以为信号提供更细致的分析方法，今后将频带分割成多段包含一个未细分为小波分解的高频部分逐步分解可以根据被分析信号的特征来进行自适应选择频带单击以匹配信号的频谱提高了时频分辨率因此小波包具有更广泛的应用价值。关于小波包分解的理解在这里 以一个三层 的分解进行说明
, 其小波包分析树如图 所示。 图 中 表示原始信号,表示低频
, 表示高频, 末尾 的序号数表示小波包分解的层数即尺度数。 分解具有关系几
副 刀凡峨 刀刃以 志 刀注刀刀刀刀输人样本
隐含层 输出层
图 具有一个隐层的 神经网络
网络的训练过程是首先正 向计算每个节点的输出, 然后根据网络的实际输出和期望输出计算输 出层 的误差, 并根据误差反 向传播规则
, 依次修正输 出层 和 隐层 之间、 各隐层之间以及隐层与输人层 之 间 的连接权值, 以减小误差, 使 网
络输出达到期望输 出
。 网络权值的调 整 采用 最速下 降静态寻优算法。 具体的 网络训练算法可 以参阅参考文献 「 〕。在设计 网络时必须确定每一层 的节点数、 激活 函数和输人输出样本对
, 这些参数将会影 响 网络 的收敛速度 和计算的有效性。
在本文的仿真实验 中采用 的是具有一个隐层 的三层网络, 由输人样本可 以确定输人层 的节点数,输出层的节点数 也可以 由期望输出确定, 隐层节点数 的选择 目前没有统一的规则, 一般是根据不 断的, 大量 的实验来确定。 但是根据
, 的软件说明, 隐层节点数一般可 以选为
中国教育信息化
函数
。 网络结构如图 所示。图 三层小波包分解示意图最优小波包变换《 、 预处理小波包基库是由许多小波包基组成的, 不 同的小波包基又有不 同的性质
, 能够反 映信号 的不 同特征。 对 于一个给定的信号
, 选择一合适 的 最优的 小波包基, 能够很好地提取信号的特征。
我们知道
, 小波包分解构成 了一 个完整 的二叉 树结构图 为一个三层小波包分解二叉 树, 为 了寻找最优基, 将
小波包分解树每一个节点处 的代价函数值计算 出来, 并记在每个节点上 如 图, 并将树 的底层标上“ ” 。 从底层 开始, 将每一层的每两 个值之和 与它上一 层 的代价 函数值 比较, 若和值大于上一层的值, 则在该节点处标上“ ” , 表示它比下一层的两个代价函数之和花费更小, 是最优基的候选对象 若和值小于上一层 的值, 则将和值写在该点处, 替换原有值 见图
。 最后从树的顶层 根 开始经每一个节点 向下搜索, 若遇到
“ ” 则停止
, “ ” 节点下面 的节点就不必再搜索了。 这样保留下来的节点就构成了花费最小的子树 如图
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net信 号 处 理 第 卷, 称为小波包分解 的最优基。 图 一石 是小波包最优基选择的一个例子
。
应的小波包分解系数
。 为了减小神经 网络计算的复杂度, 进一步提高 网络的学 习 速度, 对计算出的能量进行 了归一化处理。 杯创
二 “热
, “ 沁, ‘ 熟, ‘ 熬, ￡热图 代价函数值构成的树图 括号内为原来该节点处 的代价 函数值申图 最优小波包分解树一个序列
、 的 代 价 函 数 需 要 满 足 可 加 性, 即” 二 ,落
。 在选 择最优小波包基时, 代价函数的选择可 以有多种形式, 目前用的较多 的是 嫡,序列 的 嫡定义 为二 一 干, ,、 ,
, 。 二 “ 当 ,这里 , 二 袋一函数 从爷
· 由于信息嫡只是半可力口的, 所 以 引人 可力。一 冬, 、 ’ , 贝。 可表示为“ 又
这样
, 入 最小, 也最小。为了减小神经网络的规模
, 加快神经 网络的的学 习和 收敛速度, 首先对 待诊断 电路 的响应信号 做小波包变换, 然后按上述方法进行最优小波包基的选择, 计算最优小波包分解后各频段 的能量
, 设响应信号经过一个三层的最优小波包分解 一 后各频段的能量为 尽 二 , , , , …,￡孟 艺其中
, 衅
二 , , , , …
, 为最优小波包分解树上各节点对向量 即为归一化后 的能量 向量。 然后 把归一 化后 的能 量作为训练样本输人神经 网络进行训练。 这样做, 比文献 〔中直接把没有经过最优基选择 的小 波包变换后 的各个频段上 的能量作为训练样本时
, 网络的输人层 和 隐含层节点数 目都减少 了, 文 中的仿真实验验证 了基 于最优小波包分解的预处理方法
, 能够显 著的提高神经 网络 的学 习 和收敛速度, 比文献 〔 」中的方法更有效。
不 完全小波包变换 盯 预处理不论是
、 〕、 还 是 节 中提 出的基 于预处理的神经 网络模拟电路故障诊断方法, 预处理 的 目的都是为了减少神经 网络输人层 和隐层节点 的个数, 从 而加快神
经网络训练和 收敛速度
, 提高故障诊断的效率。 由这个 思路
, 我们提出了一种 比 盯 预处理更为直接 的方法“ 不完全小波包” 预处理
。 因为样本信号 中携带 的故障信息一般都隐藏在信号的高频成分中, 所 以在对样本信号进行 了小波包
分解 盯 后 仍以一个 三层 的 盯 为例进行说明, 我们只计算图 中第一层的低频段节点 的能量和经过三层 细分后 的高频段节点 孰、
和 的能量, 然
后把这五个节点 的归一 化能量作为训 练样本送进 神经 网络进行训练。 用这样的一种方法从小波包分解树中选择节点,
只是对信号的高频段按小波包变换的方法进行 了细分处理,而对低频段不作处 理
, 这好像是一种没有进行 完全 的, 分解过程不彻底 的小波包变换, 故称 它为“ 不 完全小 波包 变换”件一 。
经过 预处理的样本信号在送给进神经 网络进行训练时
, 同 盯 预处理的方法一样有效的减少 了网络输入层和隐层节点的个数
, 第 节 中的仿真实验证 明了 盯 预处理方法能够明显提高 网络的学习 和 收敛速度, 并且 没有丢弃信号 中的任何有用信息。
模拟 电路故障诊断方法
利用 神经网络诊断电路故障的基本方法 是 给待诊断电路 加一个激励信号, 然后把电路的故障状态和无故障状态 的输出响应作为样本, 来对 网络进行训练, 训练好的网络就可 以对模拟 电路进行故障诊断和故障定位。 文
中提出的两种改进的基于 叮 和 场 预处理的模拟 电路网络诊断算法的结构框图如图 所示。
当加激励信号于待诊断模拟 电路时, 对于无故障状态和不 同元器件的故障状态会有不 同的输 出响应, 利用 刃 或盯 把响应信号分解到各个频段上, 计算响应信号在不 同
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net第 期 模拟 电路故障诊断的小波包预处理神经网络改进算法频段上 的能量
, 然后 把不 同频段 的能量作归一化处理, 把 归一化后 的能量数据作为训 练样本送进 网络进行训 练, 经过训练的 班
, 网络能够快速有效的进行 电路的故障诊断。 在这里 盯 或 和能量归一化实 际上起到的是一个预处理的作用
, 这个预处理过程 的主要是剔除冗余信号, 从样本信号中提取尽可能少 的特征信号, 并且这些特征信号能够表征电路的各种状态
。 这些经过预处理的样本信号, 在送给网络进行训练时
职业教育期刊
分别对应 个无故障状态和 个故障状态。 由于在模拟 电路中
, 硬故障约 占电路故障率的, 其中一 是 电阻 开路
, 电容 短路和 晶体管开路或短路〔” , 所以在本文的仿真实验 中所指的故障状态分别为, 用 开路, 和,
短路
。 网络的期望输出如表 所示, 其中一 是 网络的输出层节点。
表 各状态下 网络 的期望输 出图一匹匹困僵卧暨卜回
图 基于 叮 或 预处理的模拟 电路故障诊断的神经网络方法的结构框图在对信号和图像处理中选择不 同的母小波, 处理 的结果会有很大的差异
, 不 同的母小波具有不 同的适应场合。 由于
双正交小波具有线性相位, 在牺牲 正交性 的条件下, 获得 了良好的紧支性和精确的对称性
, 分解 和重构采用不 同长度 的滤波器系数
, 使得分解小波系数少, 有较高的消失矩, 对数据压缩和信号特征 的提取非常有效, 文 中仿真实验采用 的是双正交小波系中的 小波
。
状态序号 电路状态 期 望 输 出无故障故障故障故障
邢 故障仿真 实验
为了验证本文提出的两种方法 的可行性和 有效性, 对一 一 带通滤波器的电路进行 了仿真实验, 电路图如图 所示
。 其中各元器件的标称值均在图中标 出, 带通
滤波器的中心频率 , , 为。 根据输 出端 口 的信号频率进行故障诊断, 并不是模拟 电路中所有 的故障元器件都能被诊断出来。 因为有些元器件参数 的变化对输 出信号频率的影响并不大。 所以在诊断前需要计算电路的灵敏度, 图所示 的带通 滤 波器 中, 可 以 被诊 断 的元器 件是, ,
和 邢 〔,,‘,, 。
。 一门 厂一〕’·
, “主茱心
图 一 一 带通滤波器
我们用模拟电路仿真软件 麟 对 一带通滤波器电路正 常状态 和, , 和 的故障状态进行了仿真测试, 对 电路加一个持续时间为 泌, 幅度为的脉冲激励信号
。 在 网络的输出端应该有 个节点,
按第 节 中提 出的两种方法对响应信号 脉 冲响应 进行预处理
, 计算预处理后信号各个频段上 的归一化能量, 表和表 分别是 和 盯 预处理方法各频段上的归一化能量。
在 预处理方法 中, 网络的输入层有二 个节 点这 个节点分别对应 于 图 中的, , , ,输出层有 个节点
, 由公式 隐含层有 十 乃十 二 个节点。 经过 步训练后 网络的实 际输出如表 所示, 误差 曲线如图 所示。 由图 可见经过 预处理后的 网络在训练 步训练后误差的平方和达到
一 ’ , 结合表 的实际 网络输 出, 可见 盯 预处理方法能够准确快速 的诊断图 所示 的电路故障。 在预处理方法 中
, 网络 的输人层有 个节点 这 个节点分别对应于 图 中的, , , , , 输出层有个节点
, 隐含层有 二 个节点。
经过 步训练后 网络 的实际输出如表 所示, 误差 曲线如图 所示
。 由于 件 方法 比 盯 方法 的输人层 和 隐含层均少了 个节点, 所 以 盯 方法 比 方法能更快的加快神经网络的训练和收敛速度。用没有经过预处理的 网络进行诊断时, 虽然也能对上述故障进行诊断
, 但是 由于输人样本没有经过预处理, 导致了网络的规模大, 输人层需要 个节点, 隐层和输出层各需要 个节点, 网络的训练时间长, 收敛速度慢。 如果直接采用 作为预处理方法, 输人层也需要 个节点, 隐含层需要 个节点
。 由此可见
, 本文提出两种预处理方法可 以有效的减小神经网络 的规模, 降低计算的复杂度, 加快 网络的训练速度和收敛速度。
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net信 号 处 理 第 卷表 三层 叮 预处理后 响应信号各频段的归一化能量 倒力』吨 公 卿抽电路状态 此
无故障 望刃 〕沉 】,洲洲湘 创洲刃
故障 《 旧 《 眨幻 以 旧故障 《洲兀旧 刃侧刃故障,抖
, ‘
《 洲〕故障‘
仪洲刃 卫刃 仪众刃误差罢和了鸽
表 兰层 盯 预处理后响应信号各频段 的归一化能量电路状态 以 砚无故障,
仪 】 《刃以润阵 砚洲洲洲洲刃 】故障,
仪幻,
丈 只 巧 以月侧刃 洲
故障 洲洲犯 以 《 戊曰刃 《减城洲洲〕故障 洲洲协翻 叉 】 牡 】 《 兀心创 〕 洲 〕故障 , , 早 , , 〕以乃 拟 以刃以 叨 以阅训练步数从,
预处理方法伽 叱 脾仙误差平方和表 网络的实际输出,
法
电路状态 少 ,无故障
, 门 内 户 内 厂 八 八 甘甘 、 , 勺 勺飞月 “钊 曰 巨 , 创 加故障 叉 】 一 砚加〕 刃 印, 《兀旧
故障
一 〕比口 《 从 冶仪心科 一 《 洲洲洲〕故障 印一 一‘
砚洲 岭 卫叉〕仅 】 一 沈 卫故障一 侧巧 一 臼 理 仪拓了预处理方法
图 网络的输出误差平方和与训练步数的关系表 网络的实际输出 件 法 参考文献电路状态无故障 以 洲刃 一 一 仪力,
〕刃故障一,
《 洲 卯 加 以 】 加
故障 侧 仪刃 、 户 , 八 亡 匕刃 一 下二故障 以兀幻 以兀幻 一·姗
一 一 〕 科肠 《 为小结
本文提出了小波包预处理的神经 网络模拟 电路故障字典法的两种改进方法 最优小波包变换 预处理和不完全小波包变换 预处理 神经 网络算法。 首先对模拟电路的响应信号用这两种方法进行预处理, 然后计算预处理后信
号各个频段上的归 一化能量, 把归一化的能量作为训练样本送给 网络进行训练, 有效减少 了 网络 的输人节点和 隐层节点的个数, 从而减小了神经网络 的规模, 降低了计算的复杂度, 加快了网络的训练和收敛速度。 仿真实验表明此方法能够快速有效的对模拟电路的故障进行诊断和定位。黄洁
, 何怡刚 模拟电路故障诊断的发展与展望 微 电子学, 抖, 一〕 吴简彤
, 王建华 神经网络技术及其应用 哈尔滨 哈尔滨工程大学出版社,
仁了 玩 外,
【 」 王颖东等 小波变换在 电路故障诊断中的应用 计算机测量与控制, , 《 为 一,
而
, 而 一吧 一 遗卿拼 即一
, , 一
仁 」 二 栩飞 ,助理
, , 一
」 李春明 模拟电路故障诊断的神经 网络方法 内蒙古工业大学学报, 以, 一
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net第 期 模拟电路故障诊断的小波包预处理神经网络改进算法【 邓颖等 容差模拟电路故障诊断 神经网络算法 湖南大学学报
, 仪刃, 一
【 〕 王淑娟等 基于小波包变换预处理的模拟电路故障诊断方法 电工技术学报, , 一, , 月·
却 户 山访与
, ,巧川 而
, 为俪 卿飞’
, , 一〕 飞, ’访
己 处笋 衍一 ,又 政,
一 翻
【 杜鑫, 唐大全
, 杨应成 模拟电路故障诊断技术的发展测控技术, 一
作者简介张维强 男, 年生, 讲师
, 年获西安 电子科技大学硕士学位
, 拓 年 月获西安电子科技大学应用数学博士学位
, 今在深圳 大学智能计算科学研究所从事研究工作,主要研究方向为智能信息计算以及小波理论及其信号处理、故障诊断中的应用。
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net