基于嵌入式系统的BP神经网络及其在模拟电路故障诊断中的应用精Word格式.docx
- 文档编号:14987579
- 上传时间:2022-10-26
- 格式:DOCX
- 页数:11
- 大小:320.48KB
基于嵌入式系统的BP神经网络及其在模拟电路故障诊断中的应用精Word格式.docx
《基于嵌入式系统的BP神经网络及其在模拟电路故障诊断中的应用精Word格式.docx》由会员分享,可在线阅读,更多相关《基于嵌入式系统的BP神经网络及其在模拟电路故障诊断中的应用精Word格式.docx(11页珍藏版)》请在冰豆网上搜索。
实验结果表明,基于嵌入式系统的BP神经网络能够有效及时地诊断出模拟电路的故障。
关键词:
BP神经网络;
嵌入式;
模拟电路;
故障诊断中图分类号:
TN7
07文献标志码:
A
BP neural network based on embedded systems and its app
lication indiagnosis of fault analog
circuitsZHAO Dezan, XING Jun, WA
NG Zhisen(School of Information Science and Technology,Dalian Polytechnic University
Dalian 116034,ChinaAbstract:
BP neural network based on embedded system was proposed for diagnosing
fault analo
gcircuits.T
he problem
in the chip selection,system architecture,diagnosis processes,trainingalgorithms was studied.STM32was chosen as the core chip
and the added momentum of
ba
ck-propagation algorithm was use
d as training strat
egy,the structure and operation o
f processsystem was determined.The experiments were carried out for validation of fault dia
gnosis of linearand nonlinear analog circuits of t
he des
igned systems.The results showed that the BP neural networkbased on embedded system could diagnose analog circuit fault effectively
and timely.Key
words:
BP neural network;
embedded system;
analog circuit;
fault detection收稿日期:
2014-12-
23.基金项目:
国家自然科学基金资助项目(61374154.
作者简介:
赵德赞(1990-
男,硕士研究生;
通信作者:
邢军(1972-
男,副教授.0 引 言
自20世纪60年代以来,很多模拟电路故障诊断技术及理论被提出,如参数辨识法、故障字典法、逼近法、故障验证法等
[1]
。
专家系统、模糊理
论和神经网络被逐渐应用于模拟电路故障诊断中去,同时,将小波分析、遗传算法、支持向量机[2-
3]及信息融合技术等应用于模拟电路故障诊断的研究,也为模拟电路诊断中所存在的元件容差与非
线性、电路的模糊性等难题提供了途径[4-
5]。
其中,神经网络具有高度的并行处理、联想记忆[
6]
、自组织、自学习以及强非线性映射能力,因此在故
障诊断方面具有很大的潜在优势和应用前景[
7]
BP神经网络[8]
是目前应用最广泛的神经网络结构之一,具有理论成熟、易硬件实现等特点。
目前实现BP神经网络用于故障检测有两种方式,一种是在PC机上进行软件检测,
另一种是使用嵌入式系统进行硬件实现[
9]
软件检测缺少检测的实时性,不适用于实时性要求高的场合,因此本文采用基于嵌入式系统的方案进行实现。
BP神经网络作为模拟电路故障诊断存在输
入数据多,网络规模大,训练时间长,易陷入局部
最优的缺点[
10-
11],限制了该神经网络在模拟电路故障诊断中的应用。
为了解决这些缺点,很多用于模拟电路故障诊断的改进BP算法被提
出[12-
14]。
文献[15-
16]提出采用小波分析技术进
行数据的预处理,大幅度减少了网络规模,提高了收敛速度和故障检测准确率。
在众多的算法中,
加入动量项的BP算法[17]
比传统的BP算法具有
收敛速度快,不容易陷入局部最优且容易硬件实现的特点,因此本文采用加入动量项的改进BP算法进行训练的方案,构建了基于嵌入式的BP神经网络故障诊断系统。
1 用B
P算法进行故障诊断的理论及原理分析
故障诊断问题的实质是分类问题[18]
而BP
网络可以有效解决分类问题,这是BP网络可以用于模拟电路故障诊断的基本依据。
1.1 B
P网络用于故障诊断的基本流程使用BP网络进行故障诊断,首先建立故障字典,将此故障字典让神经网络记忆,然后根据神经网络的模糊性和记忆性,对电路的各种状态进行记忆和推理,即当输入新的状态参量时推理出电路此时的状态。
1.2 故障诊断的四个假设
本文进行模拟电路故障诊断基于4个假设:
(1
发生故障的都是元器件,线路不发生故障。
即电路的状态由元器件决定。
(2元器件的发生为硬故障,即元件的状态为短路、断路、正常3种状态。
(3
模拟电路发生的故障为单故障即只有一个元器件发生故障。
(4
一个元器件占据一条支路。
1.3 加入动量项的BP神经网络
BP神经网络的基本结构如图1所示
图1 BP神经网络结构图
Fig
.1 Chart of BP neural network标准调整公式如公式(1
所示:
Δω(n=η
δy(1式(1中:
Δω(n为新的权值调整量,δ为局域梯度,η为学习率,y为上一层输出信号。
而在添加动量项的算法中权值ω的调整公式为
Δω(n=(1-αη
δy+αΔω(n-1(2式(2中:
α为动量因子,通常为正数,Δω(n-1为上一次权值调整量。
与标准的BP算法相比,更新权值时多了一个因子αΔω(n-1,它表示本次权值的更新方向和幅度不仅与本次计算所得的梯度有关,还与上一次更新的方向和幅度有关,这一因式的加入,使权值的更新具有一定的惯性,且具有了一定的抗震荡和加快收敛的能力。
2 神经网络嵌入式系统的设计
2.1 系统的结构框图
系统由PC离线训练模块、
模数转换模块、数据处理模块及显示模块组成[
19]
系统的结构图如图2所示
图2 检测系统的结构图
.2 Structure of system模数转换模块的功能是把故障电路中的电压信号转换为数字信号,在BP网络芯片将数字量转化为模拟值进行处理和运算,然后将运算的结果在显示模块进行显示。
显示模块可以是LED灯显示,
也可以是液晶显示屏显示。
故障诊断流程如图3表示
图3 系统故障诊断流程图
Fig.3 Flow chart of system to diag
nose fault首先构造模拟电路故障字典,在PC机上进行网络训练,然后将所得到的权值存储进入BP网络芯片,最后数据输入BP网络芯片进行数据
85
大 连 工 业 大 学 学 报
第35卷
处理后显示输出的结果。
2.2 B
P网络芯片的选择BP神经网络是多层的,
包括输入层、输出层和若干隐层,一般神经网络3层即可解决大多数的问题,本文采用单隐层的神经网络。
设输入层为i个节点,
隐藏层为j个节点,输出为k个节点,则权值有i×
j×
k个。
设权值的类型为单精度浮点型,则根据每个单精度浮点型数值占用32位即4个字节,则要求BP处理芯片的RAM大小至少是4×
i×
k字节。
本文采用带有STM
32F103RBT6芯片开发板,可以满足BP网络移植到嵌入式芯片的要求。
2.3 改进B
P算法的选择传统的BP算法具有收敛速度慢和易陷入局部极小点的缺点,针对这些缺点,很多BP算法的改进方案被提出。
无论国内国外,大部分基于BP神经网络进行故障诊断的论文都研究如何改进BP算法提高收敛速度的问题。
本文认为对于故
障诊断研究BP算法收敛的速度是没有必要的。
因为对于特定的电路,故障诊断采用的训练方法一般是离线训练,无论是什么类型改进的BP算
法,最终目的都是要使误差函数达到最小即可,然后使用训练后得到的权值。
换句话说,效果和训练的速度关系不大,只和最终的误差有关,重要的是数据的完整性和诊断精度。
因此,本文只是使用传统的附加动量项的改进BP算法,达到所需要的精度,实现了对电路的故障诊断。
2.4 离线训练样本的获取
采用Multisi
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 嵌入式 系统 BP 神经网络 及其 模拟 电路 故障诊断 中的 应用
![提示](https://static.bdocx.com/images/bang_tan.gif)