模拟电路智能式故障诊断技术

王艳秋

沈阳工学院信息与控制学院

模拟电路智能式故障诊断技术

王艳秋

沈阳工学院信息与控制学院

基于神经网络和专家系统的模拟电路智能故障诊断技术，一方面抑制了神经网络的错误输出，另一方面减少了专家系统的漏诊，并对一个实际的模拟电路进行了仿真研究。仿真中对输入数据进行模糊处理，并与神经网络和专家系统所得出的两个结果进行了综合，表明智能故障诊断大大提高了故障诊断的准确性。

模拟电路 故障诊断 模糊 神经网络 专家系统

1 引言

近几年来专家们纷纷将智能手段引入模拟电路的诊断过程。但是由于神经网络或专家系统的固有缺陷使之不能有效的解决故障诊断中随机出现的许多不确定因素，大大影响了故障诊断的准确性，无法大规模投入使用。本文将模糊技术、专家系统和ANN有机地结合，使模拟电路的故障诊断步入一个新阶段，大大提高了故障诊断的准确性。

2 基于神经网络的模拟电路故障诊断

1989年美国珀杜大学的King Chan和Venkatasubramanian等人首次将人工神经网络用于故障诊断中，我国东北大学虞和济教授、东南大学钟秉林教授等学者也在此领域取得骄人的成绩。

但是单纯利用神经网络进行故障诊断也存在其缺点，比如知识经验难于利用、训练时间长、大型网络分析困难、算法的收敛性实时性和对远离样本的故障诊断结果的准确性难以保证、对于复杂系统存在单一网络规模大和故障空间组合爆炸等问题。

3 基于模糊系统的模拟电路故障诊断

模糊理论非常适合于含有模糊现象和不确定信息的系统的诊断，对于复杂电路，特别是模拟电路由于元器件的容差、非线性及电路噪声的影响，故障与征兆之间的关系用传统的电路理论难以求得精确解，而模糊理论恰能在此方面发挥其优势。

但是单纯基于模糊理论的故障诊断也有自身的一些弱点：模糊诊断的知识获取比较困难；故障与征兆的模糊关系较难确定；系统的诊断能力依赖于模糊知识库，学习能力差，容易发生漏诊和误诊；故障诊断时，推理速度慢、效率低、能力弱；难以处理故障诊断中的不确定性问题。

4 基于专家系统的模拟电路故障诊断

基于知识的故障诊断系统也具有较大的局限性，主要表现有知识获取的瓶颈问题、推理效率低、自适应能力差、实时性差等。由于知识处理诊断系统存在的局限性，人们正在积极寻求解决这些局限性的方法。

5 基于模糊神经网络与专家系统的模拟电路故障诊断

由于上述原因，依靠单一智能技术的故障诊断已难满足复杂的模拟电路系统诊断的全部任务要求。因此，本文将多种不同的智能技术结合起来，构成基于模糊神经网络和专家系统的综合故障诊断系统用于模拟电路的故障诊断。

该系统主要由模糊处理、神经网络子系统、专家系统子系统和结果融合等几部分组成。

6 仿真实例

以某模拟电路为例，说明系统的诊断过程。该电路有5个关键电压测试点，9种元器件故障。

测试点待测的是电压信号，所以要进行特征提取——模糊化处理，使样本值在[0，1]范围内。可采用正态分布函数其中k对不同测试点选不同数值（k1=10，k2=0.3，k3=2.5，k4=0.2，k5=1），这样得出BP网络训练样本。

构建3层BP网络来识别电路故障。取输入节点N1=5，输出节点N3=10。根据BP网络隐层节点设计的经验公式，隐层节点数N2可取：

式中，α取1～10。

任取一组实验数据模糊化后输入训练完成的BP网络中，得出结果，可初步判断为y9故障，可信度为0.9579。

根据神经网络的诊断结果，专家系统启动推理机，从知识库中查寻与BG1基集与集电极短路相关的规则，以模糊处理结果为事实依据，进行推理判断。

结果融合部分需要对以上两个结论进行综合处理。取神经网络和专家系统的可信度权值均为0.5，经模拟故障试验的检验，可满足前述系统对融合权值的要求。则对于BG1基集与集电极短路，f11=0.9579，r11=0.5000；f12=0.7200，r12=0.5000。根据式4.1融合处理后可得最终诊断结论f1=0.8390，即故障BG1基集与集电极短路发生的可信度为0.8390。

[1] 杨士元．模拟系统的故障诊断与可靠性设计．北京：清华大学出版社．1993

[2] 虞和济，陈长征，张省，周建男．基于神经网络的智能诊断．北京：冶金工业出本社．2000

[3] 孙增圻．智能控制与技术．北京：清华大学出版社．2000

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

王艳秋，1955年10月出生，女，汉族，辽宁人，沈阳工学院教授，博士，研究方向：智能控制理论及应用。