[发明专利]一种基于标准差与偏斜度的模拟电路故障诊断神经网络方法

权利要求书

1.一种基于标准差与偏斜度的模拟电路故障诊断神经网络方法，其特征在于，包括以下步骤：

1)对元件无容差情况下的电路，在各种故障状态下进行交流分析，提取其幅频特性，计算标准差与偏斜度，获得无容差样本；

2)对元件有容差情况下的电路，在各种故障状态下进行交流分析和蒙特卡罗分析提取其幅频特性，计算其标准差与偏斜度，获得容差样本；

3)对电路某一元件参数由0变换到无穷大时，对电路进行参数扫描分析，求取电路响应的标准差与偏斜度之间的轨迹，寻找故障特征的规律；

4)将1)-3)步所获得的标准差与偏斜度组成特征向量，输入神经网络中，进行故障的分类。

2.根据权利要求1所述的基于标准差与偏斜度的模拟电路故障诊断神经网络方法，其特征在于，所述步骤1)和步骤2)中的计算其标准差与偏斜度的过程主要包括以下步骤：

①对被测电路施加激励信号，提取电路的输出电压响应信号V(out)；

②对V(out)进行数字化，得到采样序列X＝(x₁，x₂，…，x_i，…x_N)，其中，x_i为第i个采样点；N为采样点数；

③计算采样数据的数学期望：其中，μ，E(X)都为采样数据的数学期望；X＝(x₁，x₂，…，x_i，…x_N)为采样序列；x_i为第i个采样点；N为采样点数；

④计算标准差：

⑤计算偏斜度：

3.根据权利要求1所述的基于标准差与偏斜度的模拟电路故障诊断神经网络方法，其特征在于，所述步骤4)中的神经网络为BP神经网络，BP神经网络的连接权的调整采用逐个处理的方式，即每次输入一个样本就调整一次连接权，并根据误差的负梯度修改连接权值，BP网络的学习规则为：

其中：k为迭代次数；从第一个隐含层开始r＝1，输入层r＝0，表示第r层的连接权阵w^(r)的第p行，即是由第r-1层各节点到第r层的第p个节点所有连接权值组成的一个行向量；η为学习步长，0＜η＜1；E_k为第k次迭代的均方误差。

4.根据权利要求1所述的基于标准差与偏斜度的模拟电路故障诊断神经网络方法，其特征在于，所述步骤3)中电路响应的标准差与偏斜度之间的轨迹的规律是采用OrCAD软件进行参数扫描分析获得的，在不同故障情况下，电路响应的标准差与偏斜度的轨迹是不同的，标准差与偏斜度的轨迹是递增、递减或按一定规律跳变的，且最终都会收敛到元件处于开路状态或短路状态时，对应的标准差与偏斜度的值。

5.根据权利要求1或2或3或4所述的基于标准差与偏斜度的模拟电路故障诊断神经网络方法，其特征在于，测前对电路进行仿真以获得电路在标称状态、容差边界状态、短路状态、开路状态的特征值，测后，就能正确的区分电路的硬故障状态、软故障状态以及处于容差允许范围的状态，即进行了全方位的测试诊断。