基于信息融合的非線性模擬電路故障診斷研究.pdf

1、隨著近代電路學的發(fā)展，模擬電路的故障診斷越來越成為學者們關注的焦點之一，從上個世紀60年代初開始到發(fā)展成為如今網絡理論中公認的第三個分支只用了很短的時間。而其中很大一部分模擬電路的信號是非線性的，這就使得非線性模擬電路的故障診斷成為故障診斷理論中極為重要的組成部分，到目前為止已經針對非線性模擬電路的故障診斷方法做了大量的研究。然而，隨著集成化技術的不斷發(fā)展，應用電路已經進入了高集成化時代，電路系統(tǒng)的規(guī)模越來越大，可及節(jié)點卻越來越少，致使

2、有些電路故障的某種特征相似，用單一的特征已經很難分辨。
　　本文針對非線性模擬電路的故障診斷中單來源特征不夠充分的難題，采用了基于雙Wiener核的信息智能優(yōu)化融合的故障診斷方法，該方法首先利用高斯白噪聲作為激勵，采樣后利用離散Wiener核獲取方法獲得電路和電源的兩個Wiener核，再基于改進的粒子群退火算法，將特征選擇提取和融合有機結合為一個優(yōu)化問題，以電路各狀態(tài)矢量的集總歐氏距離作為目標函數(shù)進行優(yōu)化，最后提出了基于集總歐式距

3、離權重分配的信息融合方法，使不同信息有機融合，并利用BP神經網絡完成智能診斷。
　　在進行理論研究的同時，本文還設計了基于ATmega128單片機的模擬電路故障診斷系統(tǒng)，其硬件主要包括高斯白噪聲發(fā)生和診斷兩大部分。同時設計了應用于診斷的上位機軟件，可以實現(xiàn)獲取電路和電源的Wiener核、兩個Wiener核的特征選擇提取和優(yōu)化融合以及神經網絡訓練學習等功能。利用已設計完成的系統(tǒng)，對電路故障進行了實際測量，實驗表明可以比較直觀的診斷出