模擬電路智能式故障診斷技術

王艷秋

沈陽工學院信息與控制學院

模擬電路智能式故障診斷技術

王艷秋

沈陽工學院信息與控制學院

基于神經網絡和專家系統的模擬電路智能故障診斷技術，一方面抑制了神經網絡的錯誤輸出，另一方面減少了專家系統的漏診，并對一個實際的模擬電路進行了仿真研究。仿真中對輸入數據進行模糊處理，并與神經網絡和專家系統所得出的兩個結果進行了綜合，表明智能故障診斷大大提高了故障診斷的準確性。

模擬電路 故障診斷 模糊 神經網絡 專家系統

1 引言

近幾年來專家們紛紛將智能手段引入模擬電路的診斷過程。但是由于神經網絡或專家系統的固有缺陷使之不能有效的解決故障診斷中隨機出現的許多不確定因素，大大影響了故障診斷的準確性，無法大規模投入使用。本文將模糊技術、專家系統和ANN有機地結合，使模擬電路的故障診斷步入一個新階段，大大提高了故障診斷的準確性。

2 基于神經網絡的模擬電路故障診斷

1989年美國珀杜大學的King Chan和Venkatasubramanian等人首次將人工神經網絡用于故障診斷中，我國東北大學虞和濟教授、東南大學鐘秉林教授等學者也在此領域取得驕人的成績。

但是單純利用神經網絡進行故障診斷也存在其缺點，比如知識經驗難于利用、訓練時間長、大型網絡分析困難、算法的收斂性實時性和對遠離樣本的故障診斷結果的準確性難以保證、對于復雜系統存在單一網絡規模大和故障空間組合爆炸等問題。

3 基于模糊系統的模擬電路故障診斷

模糊理論非常適合于含有模糊現象和不確定信息的系統的診斷，對于復雜電路，特別是模擬電路由于元器件的容差、非線性及電路噪聲的影響，故障與征兆之間的關系用傳統的電路理論難以求得精確解，而模糊理論恰能在此方面發揮其優勢。

但是單純基于模糊理論的故障診斷也有自身的一些弱點：模糊診斷的知識獲取比較困難；故障與征兆的模糊關系較難確定；系統的診斷能力依賴于模糊知識庫，學習能力差，容易發生漏診和誤診；故障診斷時，推理速度慢、效率低、能力弱；難以處理故障診斷中的不確定性問題。

4 基于專家系統的模擬電路故障診斷

基于知識的故障診斷系統也具有較大的局限性，主要表現有知識獲取的瓶頸問題、推理效率低、自適應能力差、實時性差等。由于知識處理診斷系統存在的局限性，人們正在積極尋求解決這些局限性的方法。

5 基于模糊神經網絡與專家系統的模擬電路故障診斷

由于上述原因，依靠單一智能技術的故障診斷已難滿足復雜的模擬電路系統診斷的全部任務要求。因此，本文將多種不同的智能技術結合起來，構成基于模糊神經網絡和專家系統的綜合故障診斷系統用于模擬電路的故障診斷。

該系統主要由模糊處理、神經網絡子系統、專家系統子系統和結果融合等幾部分組成。

6 仿真實例

以某模擬電路為例，說明系統的診斷過程。該電路有5個關鍵電壓測試點，9種元器件故障。

測試點待測的是電壓信號，所以要進行特征提取——模糊化處理，使樣本值在[0，1]范圍內。可采用正態分布函數其中k對不同測試點選不同數值（k1=10，k2=0.3，k3=2.5，k4=0.2，k5=1），這樣得出BP網絡訓練樣本。

構建3層BP網絡來識別電路故障。取輸入節點N1=5，輸出節點N3=10。根據BP網絡隱層節點設計的經驗公式，隱層節點數N2可取：

式中，α取1～10。

任取一組實驗數據模糊化后輸入訓練完成的BP網絡中，得出結果，可初步判斷為y9故障，可信度為0.9579。

根據神經網絡的診斷結果，專家系統啟動推理機，從知識庫中查尋與BG1基集與集電極短路相關的規則，以模糊處理結果為事實依據，進行推理判斷。

結果融合部分需要對以上兩個結論進行綜合處理。取神經網絡和專家系統的可信度權值均為0.5，經模擬故障試驗的檢驗，可滿足前述系統對融合權值的要求。則對于BG1基集與集電極短路，f11=0.9579，r11=0.5000；f12=0.7200，r12=0.5000。根據式4.1融合處理后可得最終診斷結論f1=0.8390，即故障BG1基集與集電極短路發生的可信度為0.8390。

[1] 楊士元．模擬系統的故障診斷與可靠性設計．北京：清華大學出版社．1993

[2] 虞和濟，陳長征，張省，周建男．基于神經網絡的智能診斷．北京：冶金工業出本社．2000

[3] 孫增圻．智能控制與技術．北京：清華大學出版社．2000

[4] Harris C J，Moore C G，Brown M．Intelligent Control-Aspects of Fuzzy Logic and Neural Nets．World Scientific，1993

王艷秋，1955年10月出生，女，漢族，遼寧人，沈陽工學院教授，博士，研究方向：智能控制理論及應用。