[发明专利]采用统一空间特征的模拟电路遗传神经网络诊断系统

摘要

采用统一空间特征的模拟电路遗传神经网络诊断系统，其特征在于，包括以下步骤：测量各元件对测量端口的转移阻抗；由单故障空间特征计算双故障和多故障空间特征；设计神经网络分类器，两个输入端以及跟故障模式数目相当的输出端个数，隐层神经元的个数h由公式决定，其中n为输入端数目，m为输出端数目；故障空间特征，并对其进行归一化、中心化预处理；将计算好的故障空间特征作为神经网络的输入向量，对网络进行训练。本发明测前模拟次数少，对于一个含有n个元件的电路，只需要模拟n次即可得到电路的单故障、双故障和多故障特征；特征参数的个数少，计算简单，适用于实时环境，可以用于单故障和多故障的同时识别。

主权项

1.一种采用统一空间特征的模拟电路遗传神经网络诊断系统，其特征在于，包括以下步骤：(1)测量各元件所有测量端口的转移阻抗，获得各故障元件的单故障空间特征、双故障空间特征和多故障空间特征，其中，双故障空间特征和多故障空间特征由单故障空间特征计算得到；对于一个含有n个元件的电路，只需要模拟n次，即得到该电路的单故障、双故障以及多故障的所有空间特征；(2)设计神经网络分类器，输入神经元的数目和空间特征的数目相等，输出神经元个数和故障模式数目相当，隐层神经元的个数h由公式决定，其中，n为输入端数目，m为输出端数目；(3)对各故障空间特征进行归一化和中心化预处理，得到测前统一空间特征；(4)将归一化和中心化预处理后的样本作为其输入样本输入神经网络，利用遗传算法对该网络进行训练；当网络训练误差达到目标误差并稳定时，训练结束，作为诊断用；(5)当电路真正发生故障时，测出各测量端口的电压，然后根据各测量端口的电压，计算各故障空间特征值；(6)将步骤(5)中的各故障空间特征值进行预处理后，作为样本向量输入训练好的神经网络，则网络的输出就是电路故障元件的代码。