[发明专利]基于维纳核和神经网络的非线性模拟电路故障诊断方法

说明书

技术领域：

本发明涉及非线性模拟电路的模式识别、特征提取方法和故障诊断，具体涉及维纳核的提取和神经网络的建立、训练及非线性模拟电路故障诊断方法。

背景技术：

随着数字技术的发展和集成技术的提高，模拟电路在混合电路中的比例越来越小，但是模拟电路不可取代，与具体过程相连接的环节必需用到模拟电路。模拟电路所占的比例虽然小，但是由模拟电路引起的故障却远远高于数字电路产生的故障。但是，模拟电路，特别是非线性模拟电路的诊断理论尚不完善。因此，急需好的模拟电路的故障诊断方法。本申请的方法正式针对这种需要而发明的。

现有的非线性系统的数学描述很困难，没有统一的描述方法，非线性系统的研究仍然处在近似处理和数值计算阶段。非线性模拟电路故障诊断的本质是模式识别，构造出能反映被测电路本质的的故障特征是诊断的关键。目前，非线性电路用Volterra泛函级数进行描述的较多，但是，对于部分非解析的非线性系统，不能用Volterra级数展开，并且Volterra级数的各项不是相互正交的。

发明内容：                                                          

本发明的目的是提供一种非线性模拟电路的故障诊断方法，针对现有技术的不足，实现用常规的测量，比较少的计算等获得电路特征，并通过神经网络实现故障诊断的技术，本发明计算量较小，准确度较高。

上述发明的目的通过以下的技术方案实现：

基于维纳核和神经网络的非线性模拟电路故障诊断方法，

（1）首先确定被测非线性模拟电路的各种故障状态，共设有m种状态，建立故障状态集;

（2）所述的各故障状态的被测非线性模拟电路施加高斯白噪声作为输入信号，并同时对输入、输出信号进行测量，得到采样数据序列，经过数据处理得到被测非线性模拟电路的各故障状态下对应的前n阶维纳核;

（3）所述上步得到维纳核的阶数n作为神经网络的输入神经元个数，取故障状态数作为神经网络的输出神经元数，建立BP神经网络，用被测非线性模拟电路的各状态的n阶维纳核和对应状态的编码作为样本，按目标精度训练神经网络，完成故障字典检索网络的建立；

（4）实施诊断，向被测非线性模拟电路施加高斯白噪声作为输入信号，并通过测量被测非线性模拟电路的输入和输出，求得电路的前n阶维纳核，并以此核作为神经网络的输入，网络的输出即为诊断结果。

所述的维纳核和神经网络的非线性模拟电路故障诊断方法，

所述的步骤（1）中，确定被测非线性模拟电路的可能的m种故障状态，并进行编号，其中包括：

(a) 确定被测非线性模拟电路全部元器件为标称参数的情况为正常状态;

(b) 确定被测非线性模拟电路中的元件的实际值偏大、偏小软故障状态;

(c) 确定被测非线性模拟电路中的元件的短路和断路硬故障状态;

(d) 对上述的各种状态进行编号，分别为1，2，…，m,其中，m为自然数。

所述的维纳核和神经网络的非线性模拟电路故障诊断方法，

所述的步骤（2）中，各故障状态的前n阶维纳核通过下述步骤求得：

(a) 使被测非线性模拟电路处于故障状态1;

(b) 对上述电路施加高斯白噪声作为输入信号，并同时对输入、输出信号进行测量，得到采样序列数据，并利用求多阶相关函数的方法计算各阶维纳核k₁₀,k₁₁,k₁₂,k₁₃…k_1n ；