[发明专利]基于粒子群算法的模拟电路故障诊断神经网络方法

摘要

本发明公开了一种基于粒子群算法的模拟电路故障诊断神经网络方法，包括以下步骤：给待测的模拟电路施加激励信号，在电路的测试节点测量激励响应信号；将测量的激励响应信号消噪后再作小波包变换提取候选故障特征信号，再进行正交主元分析和归一化处理后，提取故障特征信息，作为样本输入神经网络进行分类。本发明采用粒子群算法用来替代传统BP算法中的梯度下降法，使得改进后的算法具有不易陷入局部极小和具有较好的泛化性能等特点。采用这种基于粒子群优化的模拟电路故障诊断的BP神经网络法，能够明显地减少算法中迭代的次数和提高网路收敛精度，提高了诊断的速度和精度。

主权项

1.一种基于粒子群算法的模拟电路故障诊断神经网络方法，即给待测电路施加激励，在电路的测试节点测量激励响应信号；将测量的响应信号作小波包变换消噪处理后提取候选故障特征信号，然后进行正交主元分析和归一化处理以提取故障特征信息，再将故障特征信息作为样本输入经过粒子群算法优化后的神经网络进行故障分类。具体步骤如下：1)对待测电路进行灵敏度分析，确定电路的测试节点；2)针对典型故障情况，在样本提取节点采样信号，对采样信号进行小波包变换消噪处理，提取各频带内信号的能量特征作为候选特征向量；3)对所提取的候选特征向量进行主元分析和归一化处理，得到故障特征向量；4)将故障特征向量作为训练样本输入经过粒子群算法优化后的BP神经网络中，训练样本训练BP神经网络，使其误差平方和小于期望误差，并将训练后的网络权值、阈值及误差存于存储器中；5)将被测电路实际测量信号进行小波包变换，提取故障特征向量，输入训练好的BP神经网络，BP神经网络的输出即为故障类型。