电子线路故障诊断的研究开题报告.docx
- 文档编号:28575369
- 上传时间:2023-07-19
- 格式:DOCX
- 页数:9
- 大小:51.04KB
电子线路故障诊断的研究开题报告.docx
《电子线路故障诊断的研究开题报告.docx》由会员分享,可在线阅读,更多相关《电子线路故障诊断的研究开题报告.docx(9页珍藏版)》请在冰豆网上搜索。
电子线路故障诊断的研究开题报告
湖南工学院毕业设计(论文)开题报告
题 目
电子线路故障诊断的研究
学生姓名
张三
班级
电子0902班
专业
电子信息工程
一、选题背景和意义
自上个世纪六十年代以来,模拟电路的测试和故障诊断一直是一个研究的热门课题。
前几年有文献报道,虽然在电子设备中数字电路超过80%,但80%以上的故障都来自模拟电路,且目前超过60%的集成电路设计中包含数字和模拟的混合信号电路。
测试混合信号电路的常用策略为:
首先分别测试模拟和数字器件;然后是系统功能测试以检测器件间的相互关系。
在混合信号电路中,虽然模拟部分仅占5%的芯片面积,但其测试成本却占总测试成本的95%。
模拟电路测试一直是困扰着集成电路路工业中的一个“瓶颈”问题.因此,模拟电路测试和故障诊断方法研究至关重要.与数字电路相比,模拟电路测试和诊断原理与方法研究的进展缓慢,主要是由于以下原因:
1)时间和电压的连续特性使得模拟电路比数字电路更易受故障的影响,区分故障情况和无故障情况需要多种测试方法;
2)模拟电路中的元件参数具有很大的离散性,即具有容差,是实施正确诊断的最大困难;
3)模拟电路中广泛存在非线性问题和反馈回路,增加了故障诊断难度;
4)模拟电路中输入和输出间的关系复杂并且难于模型化.在数字电路测试中得到成功应用的故障模型并不适用于模拟电路测试。
模拟电路测试至今尚缺乏有效与通用的故障模型;
5)实际的模拟电路中可测电压的节点数很有限,导致可用于故障诊断的信息量不充分,造成故障定位的不确定性和模糊性;
6)测试设备和输入激励信号的精度对测试结果的影响至关重要;
7)模拟电路对环境变化极其敏感,其输出响应不仅易受由制造工艺偏差所引起的元件参数变化的影响,而且易受噪声和热效应等外界环境因素的影响;
8)由于需要采用不同的方法来测试电路的多种性能参数,因此模拟功能测试比较昂贵和费时。
此外,测试过程中所需的额外硬件开销较大.
随着电子技术的飞速发展,电子电路集成化程度和制版工艺的日益提高,网络的功能化和模块化趋势日益明显,元件的密集度不断增加,而相对应的维修和故障检测与诊断却进展缓慢。
原有诊断理论和方法已难以胜任工程诊断的需求,而现代电子系统对网络运行的可靠性提出了更严格的要求,故模拟电路故障的自动诊断已成为一个急需解决的问题.
人工神经网络(ANN)方法已经在许多领域获得成功的运用,它的理论研究和应用,已经成为许多研究者十分重视的发展方向。
神经网络的主要特点体现在其具有信息处理的并行性、分布式的信息存储、自组织和自适应性、具有很强的学习和联想功能以及容错性等。
通过对神经网络的研究,将会为探索更加完善的智能计算机系统和相应的人工智能技术开辟新的途径。
学习和掌握人工神经网络的基本概念、原理、设计和利用神经计算的原理解决应用中的问题,是很有意义的.在处理许多模式识别问题中,如手写体识别、语音识别等,由于神经网络具有联想记忆、大规模并行分布处理、分布式存储、较强的鲁棒性、自适应学习、实时计算和便于硬件实现等特点,因而能对数据进行快速处理,显示了突出的优势。
所以,为了实现模拟电路故障诊断的自动化、智能化,在降低检测成本的同时,有效地进行故障诊断,开展基于神经网络的模拟电路故障诊断方法研究是一项非常有意义的工作。
二、项目概述
本文主要进行的是基于模拟电路的故障诊断的研究。
模拟电路故障诊断起源于20世纪60年代,模拟电路故障诊断理论的研究是从网络元件参数可解性开始的。
1960年,R。
S.Be--rkowitz首先提出了关于模拟电路诊断的可解性分析,得到了无源线性集总电路的元件可解性的必要条件,从而拉开了模拟电路故障诊断理论研究的序幕。
此后十年发展缓慢,20世纪70年代提出了各种不同的故障诊断原理和方法,这一时期的重要成果是早期的故障字典法和参数辨识法。
1979年IEEE为此出版了模拟电路故障诊断专辑,促使该领域研究得到进一步发展。
但是这些方法要求测试点较多,计算量大而难于付诸实际应用。
到了80年代一种新的故障诊断方法──故障验证法的出现给诊断领域注入了新的活力,研究者们从故障诊断的实际出发,从求解全部元件值转移到诊断部分元件,以确定故障区域或故障元件,并分成故障定位和故障元件求值两部分。
1985年,J.W。
Bandler和A.E。
Salama对模拟电路故障诊断理论做了比较系统的论述,发表了重要的综述文献[1],形成了模拟电路故障理论。
90年代初,人工神经网络技术也开始应用于模拟电路故障诊断,利用神经网络来完成故障的分类和故障字典的自动查询,但是迄今为止没有形成一种系统的诊断方法。
我国在模拟电路故障诊断方面的研究是从1980年开始的,发展比较迅速,相继出版了周玉芬、赵国南、唐人亨、杨士元、何怡刚、朱大奇等一些专家模拟电路故障诊断方面的专著。
近年来发表了一系列关于应用神经网络进行模拟电路故障诊断的学术论文。
至今世界上发表过上千篇的论文来研究模拟电路故障诊断课题,提出了六大类诊断方法:
故障字典法、参数辨识法、故障证实法、逼近法、人工智能法、神经网络法.现在已经奠定了模拟电路故障诊断的基础,但离工业化实用还存在一定的距离。
目前,国内外提出了如下的神经网络诊断方法:
(1)常规神经网络方法。
神经网络山于具有分类、辨识和推理能力,适用于模拟电路故障诊断。
E.F。
Cabral通过应用多层感知机分析电路直流(DC)响应特征,检测和辨识故障元件。
M.A。
EI-Gamal将用规则集合表述的训练集映射为基于规则连接的神经网络,提出基于知识的诊断方法,但模拟电路领域知识获取和规则提取是难点。
A。
Fanni讨论了三种故障特征提取技术(傅立叶变换、小波变换和主元分析)对基于神经网络诊断方法的影响。
A。
I。
N--issar提出一种模拟电路软故障诊断方法:
将片一上白噪声发生器作为激励源,应用神经网络进行响应分析,取得了一定的诊断效果.
M。
Catelani应用径向基函数神经网络分别对元件级和子系统级软故障进行故障诊断。
M.A.EI—Gamal组合矢量学习机神经网络和聚类算法诊断模拟电路多个硬故障。
其它神经网络的故障诊断应用还包括:
贝叶斯神经网络、时延神经网络、概率神经网络和模糊神经网络。
(2)小波变换预处理方法.M.Amimian分别从仿真和实际电路角度,对模拟电路的脉冲响应信号进行小波变换,并继续对小波系数进行主元分析和归一化处理,提取5个故障特征作为神经网络的输入,实现了模拟电路的故障诊断。
S。
Contu利用小波分析对所获得的电压信息进行压缩,将对应每一故障模式的原始故障信息的300个采样点压缩为51个点作为故障特征,简化了神经网络结构。
但还未见有该方法应用在电源电流测试中,实现基于神经网络的电路故障诊断。
(3)电源电流测试。
S。
Yu分别用正弦和斜坡信号诊断CMOS运算放大器的门极氧化短路故障,从电源电流提取故障特征作为BP网络输入,故障诊断正确率达83%(正弦信号)和67%(斜坡信号);若应用正弦信号出现故障误诊断,则继续用斜坡信号诊断,正确率达100%。
但该方法存在耗时和诊断故障单一的缺点。
M。
R。
Ashouri在文献的基础上考虑元件容差影响,提取电源电流波形曲线的有效点,应用Kohonen神经网络实现:
了模拟电路的故障诊断。
V。
Stopjakova采用脉冲激励,提取电源电流特征,输入BP神经网络实现模拟电路的硬故障诊断.
(4)模糊技术应用。
D。
Grzechca选用二和梯形模糊成员函数,分别对模拟电路阶跃响应测试数据进行模糊预处理后,输入多层感知机实现故障分类。
A。
Torralba采用模糊神经元一高斯函数作为神经网络隐层激励函数,通过BP算法进行网络学习和参数调节,实现对两个CMOS模拟运算放大器的故障诊断。
M.Catelani比较了模糊方法和径向基函数神经网络的故障诊断效果,得出基于“IF-THEN"规则的模糊系统分类效果更好的结论。
这种方法主要存在两个不足:
一是模糊成员函数选取没有具体指导原则;二是模糊规则提取不易实现。
(5)大规模模拟电路故障诊断.目前大规模模拟集成电路的故障诊断方法包括:
撕裂法、层级法和符号法。
而利用神经网络开展的工作却十分有限。
仅Somayajula利用层级法分析电路,提取每一层AC响应电压波形有效点作为Kohonen神经网络输入,实现了对滤波器电路的故障诊断。
但不足亦很明显:
分层时,要求每一层都有测试点;电路规模复杂时,导致Kohonen神经网络结构复杂。
三、总体方案设计:
本设计所研究的方法主要基于模式识别原理。
模式识别系统包括设计与实现两部分,设计是指用一定数量的样本(称为训练集合式学习集合)进行分类器设计;而实现则是指用所设计的分类器对待识别的样本进行分类决策。
一般的模式识别系统如图3-1所示,它包括以下几个部分:
图3—1模式识别系统的构成
模拟电路故障诊断系统是一个特殊的模式识别系统,物理设备是模拟电路识别分类的状态,是一组故障元件,分类器在模拟电路神经网络故障诊断系统中就是一个神经网络。
从实际电路(可测节点数有限,元件参数有容差)测试角度而言,一个好的诊断方法应该对故障的定位正确率高,测后计算量小,所需测试点少,对容差和测量误差鲁棒性好以及可测软故障等。
而参数辨识法不受容差影响,但往往因信息不足而无法应用,且测后的计算量也非常大.又故障证实法只需少量的可测端口,但却被容差问题困扰,故障诊断的测后计算量急剧增加。
故障字典法需要测试点少,适合于各种类型电路,因而可以较好应用于实际的模拟电路故障诊断,但字典包含的状态多,测后在字典中查找故障的计算量也是一个不可忽视的问题。
而具有高度并行信息处理能力的人工神经网络能够充分发挥神经网络的优势──分类、辨识和推理能力。
正是此种优势,国内外兴起了将人工神经网络应用于模拟电路故障诊断的研究热潮。
基于模式识别的模拟电路故障诊断属于测前模拟法中(SBT)的范畴,其结构框图大致如下:
图3-2基于模式识别的诊断模拟电路方法
(1)测试信号
测试信号的选择目前还没有一个通用的方法,一般是根据电路的特点及对电路的了解来进行的。
常用有直流检测和交流检测.直流检测时,为电路在输入节点处加上直流电压,电路工作在稳定的直流工作状态。
交流检测时,可以选择丰富的交流信号作为测试信号,比如白噪声信号,脉冲信号,三角波信号,正弦信号等等。
(2)选择故障集
故障集的选择也没有一个通用的法则,一般由有经验的工程师来选择一些电路中常发生的故障。
故障通常会选择两类,因故障和软故障。
硬故障即选择器件的开路和短路。
而软故障由于是一个连续量,所以也没有一个统一的认识,一般国际上流行选择器件参数值超出标称值的50%、30%等。
(3)选择测试点
对于直流测试,可以选择电路中的可及节点来测量电压。
对于交流测试,一般只选择电路的输出端测量,但有时也可能选择多个节点.这些测试节点一般都会由电路的设计者预留出来,以方便日常的测试与维护.
(4)特征提取
特征提取就是对故障症状信息进行转换,得到最能反映故障特征的本质特征。
特征提取为模拟电路故障诊断的核心问题之一,提取出合适的特征能极大的提高故障诊断的准确率。
(5)分类器
分类器是模式识别系统的核心之一,其功能就是完成从输入模式到输出类别之间的映射.构建合适的分类器才能保证诊断的准确性,但是分类器的构建也是一个难点。
本设计系统的组成:
(1)绘制电路原理图和指定故障集
本设计利用multisum软件设计电路图来仿真电路工作情况。
指定故障集即由电路专家根据经验指出电路中哪些故障可能经常发生,这些故障就形成一个故障集。
指定的故障集必须要覆盖到平时可能出现的绝大部分故障。
(2)故障仿真
本步骤就是进行测前模拟,即使用仿真工具对电路原理图加上相应的故障,然后仿真。
(3)获得测量数据集,组成训练集和测试集
对于直流测试来说,可以测量各可及节点的电压值,按照顺序组成测量向量。
对于交流测试来说,可以用频率扫描法测量在某个频率时电路节点电压,也可以采集某节点的时域波形数据,然后进行傅立叶变换或者小波变换等转换,采集出表征电路故障的特征向量。
对于采集出来的数据,每个故障的一定比例被随机取出来,组成一个训练集,余下的部分组成测试集.训练集和测试集的比例选择在2:
1。
(4)对训练样本集进行预处理
预处理的目的有两个:
更好的表达故障的特征和降低数据的维度.归一化就是一个更好表达故障特征的方法。
因为电路各个节点的电压可能不再一个数量级上,这样的话电压高的节点在训练神经网络时就会因为对网络的影响大而占优势。
对于使用欧式距离而不是闵氏距离的网络来说,归一化在消除这种影响上就显得特别重要。
降低数据的维度可以减小神经网络的规模,这对于网络的存储和训练来说都可以减小开销,对于大规模的电路来说尤为重要.本方案采用主成分分析这种常用的降维方法。
(5)训练神经网络
作为本方案使用的分类器,神经网络必须经过训练才能进行故障诊断。
需要根据电路的复杂程度、故障类别的多少、训练样本的多少等因素决定网络的结构.一般说来,电路中的元件数越多,需要越多的隐神经元节点数、隐层数.每层的神经元个数、神经元激活函数、初始权值的选择均会影响到学习速率、运算的复杂度和神经网络分类的有效性。
迄今为止,在设计BP神经网络的结构上还没有完全绝对的规则可以依循,大多还是由经验决定.构建好的神经网络就可以进行训练了,经过网络的不断调整,最终达到一个稳定的状态.
(6)测试数据的预处理
在训练数据预处理的时候,各种算法会按照一定的规则对数据进行处理,然后才能形成一定的格式送入神经网络训练。
同理测试数据也必须按照这个规则进行处理才能送入神经网络,否则它就具有不同的意义而无法被审计网络接受了。
(7)对测试样本进行预测
将待测试的样本输入神经网络分类器中,得出分类结果。
如果期望输出与实际输出一致,表明故障诊断结果正确,反之则不正确。
统计分类正确率,依次来验证网络的泛化性能是否达到指定的要求,否则需要重新调整网络的结构和参数再次训练。
如此反复多次,直到性能满足要求,则方案训练完毕。
本课题研究的内容概括如下:
(1)研究人工神经网络的类型和学习规则,并着重对BP神经网络进行学习研究.
(2)研究基于神经网络的诊断系统。
(3)学习模拟电路故障诊断的主要几种方法,研究各种方法的优缺点,并简述了模式识别的方法,阐述了基本的基于模式识别的模拟电路诊断方法。
(4)针对领域当前的发展趋势,提出一套基于神经网络的实用化模拟电路故障诊断系统。
该方案涵盖进行工业化模拟电路故障诊断所需要解决的包括训练数据获取、数据预处理技术及神经网络结构的选择等各个方面.
(5)采用MATLAB软件对所设计系统进行仿真研究.
四、设计进程安排
1、课题选择及调研.第2~3周
2、书写开题报告.第4周
3、收集、研究原始资料,明确所要达到的目标。
第5周
4、进行设计。
第6~9周
5、对设计进行调试改进。
第10~11周
6、进行总体设计的验证和总结。
第12周
7、整理文档,为毕业答辩准备。
第13~14周
8、毕业答辩。
第15周
五、设计参考文献
[1]TimoSorsa,HeikkiN。
Koivo,HannuKoivisto。
NeuralNetworkinProcessFaultDiagnosis[J].IEEETrans。
onSystems,Man,andCybernetics,1991,21(4):
815—825.
[2]S.A.S.Somayajula,E.Sanchez—Sinencio,etal.Analogfaultdiagnosisbasedonrampingpowersupplycurrentsignatureclusters[J]。
IEEETransactionsonCircuitsandSystems11:
An——alogandDigitalSignalProcessing,43,1996,703—712。
[3]王晓峰,王立梅,康锐。
电子线路的故障诊断和测试点的选择[J]。
电子产品可靠性与环境试验,2001,(4):
2-7。
[4]袁慧梅,李锦萍.模拟电路故障诊断新方法[J]。
航空精密制造技术,2002,
(2):
20~23.
[5]杜鑫,唐大全,杨应成.机载设备自动测试与故障诊断技术的发展[J]。
计算机测量与控制,2003,11
(1):
5—8.
[6]陈树越,余红英,刘广璞。
BP网络算法及其在故障诊断中的应用述评[J]。
振动、测试与诊断,2001,21
(2):
100-107.
[7]韩明红,韩捷,关惠玲。
多层前馈神经网络研究——单位BP算法[J]。
振动、测试与诊断,2001,21
(1):
30-35。
[8]孙增圻,等。
智能控制理论及技术[M]。
北京:
清华大学出版社;南宁:
广西科学技术出版社,1997。
46
[9]唐人亨。
模拟电子系统的自动故障诊断[M]。
北京:
高等教育出版社,1991。
[10]何怡刚,罗先觉等.基于神经网络的线性电路故障诊断非线性L1范数优化方法[J]。
电子测量与仪器学报,12
(1),1998,18—22。
[11]朱大奇,于盛林。
电子电路故障诊断的神经网络数据融合算法[J].东南大学学报(自然科学版),31(6),2001,87—90.
[12]尉乃红,杨士元等。
基于BP网络的线性电路故障诊断[J]。
计算机学报,20(4),1997,360—366.
[13]李杏梅,张友纯.大规模电路故障诊断BP神经网络新方法[J].自动化与仪器仪表,(6),2002.56-58。
[14]谢宏,何怡刚等.小波神经网络在模拟电路故障诊断中的应用研究[J]。
湖南大学学报
(自然科学版),31(4),2004,38-40.
[15]李楠。
基于模拟系统响应的小波变换故障诊断方法的仿真研究[J].计算机仿真18(6),2001,7—13.
[16]陈晓娟,王树勋,戴逸松。
一种基于网络撕裂的模拟电路故障定位法[J]。
中国电机工程学报。
25,2005,170—173。
[17]S。
S。
Somayajula.Aneuralnetworkapproachtohierarchicalanalogfaultdiagnosis[J]。
ProceedingsofIEEESystemsReadinessTechnologyConference,1993,699—706.
[18]谭阳红,何怡刚等。
大规模电路故障诊断神经网络方法[J]。
电路与系统学报,6(4),2001,25—28。
指导教师批阅意见
指导教师(签名):
年月日
- 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:
- 电子线路 故障诊断 研究 开题 报告