论文部分内容阅读
尽管数字电路已经发展得比较完美,但是它不可能完全取代模拟电路,在一个完整的系统中,模拟电路是必不可少的部分。目前,电子设备中绝大部分故障均来自于模拟电路部分,模拟电路的可靠性在很大程度上决定了整个系统的可靠性。因此对模拟电路故障诊断技术的研究显得尤为重要。由于小波分析在时频域表征信号局部特征的能力,而神经网络具有处理复杂模式以及联想、推测和记忆功能。因此结合两者的优势,将小波分析和神经网络用于模拟电路故障诊断是必然的发展趋势。本文的工作主要包括以下方面：(1)对模拟电路故障诊断技术的研究背景,研究现状以及发展方向进行了介绍；描述了小波分析的基本理论,包括多分辨分析、小波的快速算法、小波包的定义及性质。此外,介绍了神经网络的分类,重点介绍了BP神经网络和RBF神经网络的基本结构和学习算法。(2)研究了小波分析与神经网络用于模拟电路故障诊断中的两种结合方式。一种是基于小波变换预处理的模拟电路故障诊断技术；另一种是直接将小波函数和尺度函数嵌入到神经元中,使小波、神经网络直接融合的电路故障诊断技术。将这两种诊断技术应用于不同的模拟电路故障诊断中,验证了这两种不同的结合方式对模拟电路故障诊断的有效性。(3)结合多小波变换的特点,提出了一种基于多小波变换预处理的模拟电路故障诊断方法。该方法采用多小波变换预处理降低神经网络输入的维数,减小神经网络的结构,加快网络的训练速度。仿真实验验证了该方法的有效性与准确性,通过与基于小波变换预处理的模拟电路故障诊断方法进行对比,表明本方法诊断速度更快。(4)结合RBF神经网络的优点,提出了一种基于小波包变换的RBF神经网络故障诊断方法,并对RBF神经网络的中心选取算法做了详细的分析。将该方法应用于模拟电路故障诊断中,研究了它用于故障诊断中的可行性和有效性。