论文部分内容阅读
现代电子线路的规模越来越大,集成度越来越高,拓扑结构越来越复杂。虽然电子线路的精密度在提高、故障率在减少,但是电路故障的发生在所难免,并且相比过去更加难以被检测并诊断出。电子设备中的电路分为数字电路和模拟电路,模拟电路比数字电路更容易发生故障,诊断的难度也由于软故障等原因更加困难。如何使用更加智能的手段快速、准确、有效地对模拟电路进行故障诊断成为实际工程应用的迫切需要。本文针对模拟电路的实时性、软故障的诊断、提高模拟电路故障诊断准确率等问题进行研究。主要的研究工作和成果如下:(1)基于BP(Back Propagation)神经网络的嵌入式系统及其在模拟电路故障诊断中的应用。针对模拟电路故障的实时检测问题,提出使用嵌入式系统实现BP神经网络进行解决的方案;提出模拟电路故障检测的四个假设,对诊断系统的结构和诊断流程做出分析;利用设计的系统,进行模拟电路故障诊断的实验,实验结果表明,基于BP神经网络的嵌入式系统能够有效诊断出模拟电路的故障。(2)基于深度学习理论的神经网络在模拟电路故障诊断中的研究。针对模拟电路软故障的诊断问题,提出使用深度神经网络模型进行诊断的方法并使用深度神经网络的一种栈式神经网络进行了模拟电路故障诊断的实验,验证该方案的准确有效性;提出基于深度学习和电路开源框架的实际应用于工程实践的系统架构,为深度学习理论应用于工程实践提出方法。(3)松散型小波集成神经网络及其模拟电路故障诊断中的研究。基于人类对某一对象的分类,都是对该对象的多个特征提取并进行分类之后综合进行判断的这一现象,结合一维神经网络的理论,提出松散型小波集成神经网络的概念及理论,将该理论应用于模拟电路故障诊断领域中。该方法首先使用小波进行特征的提取,并使用主元分析法(PCA,Principal Component Analysis)进行降维,然后使用集成神经网络作为分类器进行分类,最后使用决策器进行类别的最终判断。实验结果表明,本文提出的网络结构可对模拟电路的诊断取得了较好的结果。同时,该网络结构也可应用于图像处理等领域。综上,本文以经典BP神经网络理论为基础,引入前沿深度学习理论,结合嵌入式技术、小波分析理论、主元分析理论,提出松散型小波集成神经网络的结构,对解决模拟电路的实时性、软故障诊断、诊断准确率的提高等问题进行了研究。实验验证了基于嵌入式的BP神经网络、深度神经网络、松散型小波集成神经网络对模拟电路故障问题的有效性,并提出一套可用于实践的系统解决方案。