郝俊壽　丁艷會(huì)

摘 要：以現(xiàn)代測試技術(shù)、信號(hào)處理、信息融合等理論為基礎(chǔ)，以神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用為主線，詳細(xì)討論BP神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用和故障特征提取方法。采用多頻組合法建立了故障樣本集。對(duì)選定的待測電路在元件存在容差的條件下，仿真驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于模擬電路故障診斷的可行性。

關(guān)鍵詞：故障診斷；模擬電路；BP神經(jīng)網(wǎng)絡(luò)；故障特征提取

中圖分類號(hào)：TP183文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004 373X(2009)02 142 03

Research of Analog Circuit Fault Diagnosis Based on BP Neural Network

HAO Junshou,DING Yanhui

(Inner Mongolia Electronic Information Vocational Technology College,Huhhot,010011,China)

Abstract：Based on the application of BP neural network in analog circuit fault diagnosis and the fault features extraction are discussed in detail.The fault sample set is established by using the multi－frequency combination method.Academic foundation is modern test technology,signal processing,information fusion and testability analysis,etc.The analog circuit soft fault diagnosis is realized to select test electric circuit by using BP neural network under the components existence tolerance condition.

Keywords：fault diagnosis；analog circuit；BP neural network；fault features extraction

0 引 言

隨著電子工業(yè)的發(fā)展，電子設(shè)備越來越復(fù)雜，其中的模擬器件和電路不可缺少。理論分析和實(shí)際應(yīng)用表明，這些設(shè)備中的模擬電路比數(shù)字電路更容易發(fā)生故障。對(duì)這種設(shè)備的維護(hù)和保養(yǎng)十分復(fù)雜，需耗費(fèi)大量的精力和財(cái)力。另外，隨著超大規(guī)模模擬電路的發(fā)展和電子器件復(fù)雜性的提高，傳統(tǒng)的人工故障診斷方法已經(jīng)無法滿足要求，這就迫使科技人員進(jìn)一步探索新的測試?yán)碚摵头椒?，研制新的測試設(shè)備以適應(yīng)社會(huì)的需求。

1 BP網(wǎng)絡(luò)簡介

1.1 BP網(wǎng)絡(luò)模型

圖1為一個(gè)三層前饋網(wǎng)絡(luò)模型，由輸入層、輸出層和隱層3部分組成。根據(jù)需要，可以有多個(gè)隱層。每一層的每個(gè)神經(jīng)元（結(jié)點(diǎn)）的輸出經(jīng)連接權(quán)值加權(quán)求和作為下一層每個(gè)神經(jīng)元的輸入，層與層之間沒有反饋。

1.2 BP網(wǎng)絡(luò)用于故障診斷的基本思想

BP網(wǎng)絡(luò)用于模擬電路故障診斷的基本思想為：確定了電路的待測狀態(tài)集后，求電路處于其中一種狀態(tài)時(shí)的響應(yīng)（通常是測試點(diǎn)的電壓）必要的預(yù)處理，作為對(duì)應(yīng)狀態(tài)類的一個(gè)特征。對(duì)狀態(tài)集中的每一類狀態(tài)，都按上述方法獲取大量特征，并從中篩選出具有代表性的特征構(gòu)造訓(xùn)練樣本集。然后，用這些樣本訓(xùn)練與所求問題相對(duì)應(yīng)規(guī)模的BP網(wǎng)絡(luò)。BP網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)應(yīng)與特征向量的維數(shù)相同。輸出節(jié)點(diǎn)的維數(shù)等于待測故障狀態(tài)的類別數(shù)。在訓(xùn)練時(shí)，把狀態(tài)特征輸入到BP網(wǎng)絡(luò)的輸入節(jié)點(diǎn)，要求網(wǎng)絡(luò)的輸出能正確指出電路狀態(tài)所屬類別。在做實(shí)際電路診斷時(shí)，對(duì)被測電路施加與產(chǎn)生樣本時(shí)相同的激勵(lì)和工作條件，取得相應(yīng)特征，將此特征輸入到已訓(xùn)練好的BP網(wǎng)絡(luò)。由BP網(wǎng)絡(luò)的輸出判斷電路中是否有故障；如有，則定位故障。

圖1 BP網(wǎng)絡(luò)結(jié)構(gòu)

為了從最大程度上隔離和識(shí)別故障，采用多頻測試的方法。這時(shí)，從哪些頻率點(diǎn)提取故障特征成為首要問題，測試頻率選擇的好壞直接影響到對(duì)故障的分辨能力和診斷效果及樣本選擇。

1.3 BP故障特征提取

提取故障特征是模擬電路故障診斷的關(guān)鍵，也是構(gòu)造樣本集的基礎(chǔ)。

基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷系統(tǒng)，主要包括兩個(gè)過程:學(xué)習(xí)(訓(xùn)練)過程，診斷(測試)過程。其中每個(gè)過程都包括數(shù)據(jù)預(yù)處理和特征提取2部分。整個(gè)故障診斷系統(tǒng)的過程如圖2所示。

圖2 故障診斷過程原理圖

如何有效提取優(yōu)質(zhì)的模擬電路故障特征，是進(jìn)行電路故障診斷和測試的難點(diǎn)所在。在設(shè)計(jì)模擬電路故障診斷系統(tǒng)時(shí)，能夠快速、有效地提取反映電路的故障信息的特征是進(jìn)行故障診斷的關(guān)鍵所在。

通常，從待測模擬電路響應(yīng)的波形曲線獲得原始數(shù)據(jù)。通過對(duì)原始數(shù)據(jù)進(jìn)行采樣，可將原始數(shù)據(jù)映射成樣本空間的點(diǎn)。模擬電路故障診斷的過程是把癥狀空間的向量映射到故障空間，即實(shí)現(xiàn)故障特征空間X到分類(識(shí)別)空間Y的映射F，F(xiàn):X→Y。一般，首先要對(duì)映射到樣本空間的輸入數(shù)據(jù)進(jìn)行預(yù)處理，通過刪除數(shù)據(jù)中的無用信息得到一類故障模式，即由樣本空間映射到數(shù)據(jù)空間。

在數(shù)據(jù)空間的基礎(chǔ)上，通過特定的變換處理，提取數(shù)據(jù)中的不變特征，形成不變故障模式空間。在提取了故障模式的不變特征之后，根據(jù)診斷的需要和問題的特性，往往還需要對(duì)所選擇的模式特征矢量進(jìn)行量化壓縮變換，在盡可能保持信息量基本不丟失的前提下，在降維空間內(nèi)選擇有用的特征，以利于高效實(shí)現(xiàn)模擬電路的故障診斷。并且由所獲得的降維空間，提取原始樣本集的特征信息以形成特征空間。一般的特征提取過程可用圖3表示。

圖3 特征提取示意圖

1.4 BP網(wǎng)絡(luò)的輸入層、隱層和輸出層節(jié)點(diǎn)個(gè)數(shù)的確定

這里設(shè)所選的測試節(jié)點(diǎn)數(shù)為m，測試頻率數(shù)為l，則：

（1） BP網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)為n1=ml；

（2） 確定最佳隱節(jié)點(diǎn)數(shù)的一個(gè)常用方法被稱為“試湊法”，可先設(shè)置較少的隱節(jié)點(diǎn)訓(xùn)練網(wǎng)絡(luò)，然后逐步增加隱節(jié)點(diǎn)數(shù)，用同一樣本集進(jìn)行訓(xùn)練，從中確定網(wǎng)絡(luò)誤差最小時(shí)對(duì)應(yīng)的隱節(jié)點(diǎn)數(shù)；

（3） 將故障狀態(tài)進(jìn)行二進(jìn)制編碼，二進(jìn)制碼值最大的那個(gè)數(shù)據(jù)的位數(shù)m就是輸出層神經(jīng)元節(jié)點(diǎn)的個(gè)數(shù)。

1.5 多頻組合法

多頻測試是用不同頻率(測試頻率點(diǎn)集)的正弦信號(hào)激勵(lì)待測電路，通過觀測預(yù)先選定測試節(jié)點(diǎn)的輸出信號(hào)幅值，亦即故障電路與正常電路、不同故障電路之間的輸出幅值差異，實(shí)現(xiàn)模擬電路的故障診斷。多頻測試矢量即為測試頻率點(diǎn)的集合。

對(duì)給定的可及點(diǎn)，測試頻率的選取原理仍按電路的對(duì)數(shù)幅頻特性來劃分特征空間。

頻率選取原則:如果某些幅頻特性曲線在一個(gè)頻率點(diǎn)上密集，落入同一模糊集，則應(yīng)在這些特性曲線較為分散的頻率上選擇其他測試頻率。

1.6 仿真實(shí)例

1.6.1 待測電路

待測電路如圖4所示。

圖4 待測電路

1.6.2 故障類別假定

以圖4中容差為±5%的電阻R1=10 kΩ為例，闡明故障診斷的思路。

(1) 當(dāng)電阻在R1∈［9.5,10.5］時(shí)，電阻是正常的容差變化范圍；

(2) 當(dāng)電阻R1＜9.5 kΩ時(shí)，發(fā)生軟故障，用員硎菊庵旨跣∏榭觶其極限情況為R1＝0此時(shí)轉(zhuǎn)化為硬故障，即短路故障。

(3) 當(dāng)電阻R1＞10.5 kΩ時(shí)，發(fā)生軟故障，用馴硎菊庵衷齟笄榭觶極限情況為R1＝∞，此時(shí)轉(zhuǎn)化為硬故障，即開路故障。

由此可見軟故障是一個(gè)連續(xù)變化的值，要實(shí)現(xiàn)其故障診斷非常復(fù)雜，目前，國際上對(duì)軟故障診斷比較熱衷，但通常都是對(duì)某一定點(diǎn)的軟故障進(jìn)行診斷，如鄖榭觶琑1＝5 kΩ,或者亞榭觶琑1＝15 kΩ。

1.6.3 故障特征提取

考慮到當(dāng)電路發(fā)生故障時(shí),各測試點(diǎn)電壓會(huì)有所變化,這種變化表征了此故障的特征?；谶@一想法，利用各元件故障時(shí)在各測試點(diǎn)上施加不同頻率的正弦信號(hào)產(chǎn)生的電壓作為原始數(shù)據(jù)。

對(duì)圖4電路，在電路輸入端施加3 V的正弦激勵(lì)，測試頻率分別取10 kHz,16 kHz,20 kHz,32 kHz，取V璫為測試點(diǎn)。從測試點(diǎn)提取輸出波形的電壓值，作為故障特征信息。將一個(gè)測試點(diǎn)4個(gè)頻率的故障信息進(jìn)行融合，形成對(duì)應(yīng)故障模式的4維故障特征向量：X=［x1,x2,…,x4］T其中x璱為第i個(gè)測試頻率下獲得的測量值。

1.6.4 樣本集構(gòu)造

為了驗(yàn)證測試向量對(duì)故障元件的實(shí)際診斷效果，在電路輸入端施加3 V 的正弦激勵(lì)，測試頻率分別取10kHz,16 kHz,20 kHz,32 kHz（被測電路截止頻率是15.9 kHz,四種頻率優(yōu)選是應(yīng)用Multisim2001進(jìn)行靈敏度分析得到的），取V璫為測試點(diǎn)，各待測元件的故障值：R璱(i=1,2,…,6)為±50%；C璲(j=1,2)為±50%。將故障分為兩類：R璱,R璱裕籆璲?，C璲裕共計(jì)有19種故障模式（設(shè)定實(shí)驗(yàn)電路存在故障）。故障模式用二進(jìn)制編碼法來表征，如：00001表示R1怨收,00010表示R1壓收?。烙肞Spice 4.02程序?qū)﹄娐吩跇?biāo)稱值及各元件在故障情況下進(jìn)行仿真。所得數(shù)據(jù)見表1（這里只列出1組部分代表性數(shù)據(jù)）。

為了加快神經(jīng)網(wǎng)絡(luò)的收斂速度，需要對(duì)數(shù)據(jù)進(jìn)行尺度變化，這里采用均方根方法對(duì)數(shù)據(jù)預(yù)處理。

從圖4可以看到，電路中共有9個(gè)元件，所以其軟故障加正常狀態(tài)共有19種。使用蒙特卡羅分析，電阻在5%的容差下和電容在10%的容差下，對(duì)每一個(gè)故障模式進(jìn)行100次Monte－Carlo分析，其中70次為訓(xùn)練樣本，構(gòu)成訓(xùn)練樣本集；30次為測試樣本，構(gòu)成測試樣本集。對(duì)其進(jìn)行預(yù)處理，所得數(shù)據(jù)見表1，這里僅列出其中1組部分?jǐn)?shù)據(jù)。

2 診斷結(jié)果

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對(duì)實(shí)驗(yàn)電路進(jìn)行故障診斷，整個(gè)設(shè)計(jì)與訓(xùn)練過程在Matlab 6.5仿真環(huán)境下進(jìn)行。

將訓(xùn)練樣本集序列輸入神經(jīng)網(wǎng)絡(luò)，均方誤差設(shè)定為0.02，經(jīng)多次調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)選為4－11－5,學(xué)習(xí)速度為0.3，動(dòng)量因子0.3，網(wǎng)絡(luò)經(jīng)過179 163次訓(xùn)練調(diào)整后達(dá)到期望的均方誤差。誤差變化曲線圖如圖5所示。

為檢驗(yàn)經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的故障診斷能力，分別使用訓(xùn)練樣本集和測試樣本集對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試，對(duì)應(yīng)測試樣本的神經(jīng)網(wǎng)絡(luò)的輸出如表1所示。

對(duì)被測電路采用蒙特卡羅分析得到100組數(shù)據(jù)，其中70組數(shù)據(jù)作為訓(xùn)練樣本集，30組數(shù)據(jù)作為測試樣本集。從表1可知，其測試結(jié)果正確率達(dá)100%。故障診斷正確率較高。證明所選擇的測試矢量對(duì)電路故障診斷是行之有效。

表1 測試樣本的神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果

故障類別神經(jīng)網(wǎng)絡(luò)輸出近似后的二進(jìn)制碼

正常0.002 70.003 30.000 00.000 00.000 000000

R1偏小0.000 00.006 40.000 00.018 30.999 900001

R1偏大0.008 20.000 10.000 00.985 10.011 800010

R2偏小0.000 10.012 70.023 60.985 20.987 000011

R2偏大0.012 10.000 00.991 90.001 10.000 300100

R3偏小0.009 00.014 80.993 40.000 01.000 000101

R3偏大0.036 80.000 90.950 80.967 60.008 300110

R4偏小0.000 50.000 00.983 40.999 81.000 000111

R4偏大0.012 10.979 40.000 00.013 00.000 001000

R5偏小0.000 01.000 00.010 30.012 50.985 401001

R5偏大0.000 00.999 90.006 00.987 70.000 101010

R6偏小0.005 90.997 50.023 40.999 90.964 301011

R6偏大0.000 01.000 00.981 80.002 00.025 001100

R7偏小0.000 01.000 01.000 00.000 60.979 501101

R7偏大0.000 01.000 00.981 21.000 00.032 001110

C1偏小0.000 00.984 11.000 00.990 31.000 001111

C1偏大0.961 70.000 10.048 20.031 00.003 010000

C2偏小0.986 10.000 00.007 00.013 00.997 310001

C2偏大0.984 20.017 40.000 00.998 30.015 210010

圖5 誤差變化曲線圖

3 結(jié) 語

討論了BP神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用和故障特征提取方法；采用多頻組合法建立了故障樣本集；并且在Matlab下仿真驗(yàn)證了結(jié)果的可行性。

參考文獻(xiàn)

［1］何怡剛，梁戈超.模擬電路故障診斷的BP神經(jīng)網(wǎng)絡(luò)方法［J］.湖南大學(xué)學(xué)報(bào):自然科學(xué)版,2003,30(5):35－39.

［2］尉乃紅,楊士元,童詩白.基于BP網(wǎng)絡(luò)的線性電路故障診斷［J］.計(jì)算機(jī)學(xué)報(bào),1997,20(4）:360－366.

［3］張聚偉.基于BP算法的模擬電路故障診斷系統(tǒng)的DSP實(shí)現(xiàn)［D］.呼和浩特:內(nèi)蒙古工業(yè)大學(xué),2005.

［4］劉玉萍,趙健.神經(jīng)網(wǎng)絡(luò)在模擬系統(tǒng)故障定位中的應(yīng)用［J］.南昌航空工業(yè)學(xué)院學(xué)報(bào),2000,14(2):19－21.

［5］和曉鋒，劉橋.采用BP網(wǎng)絡(luò)建立模擬電路故障診斷交流字典方法［J］.貴州大學(xué)學(xué)報(bào)，2003，20(3):287－290.

［6］朱大奇,于盛林.電子電路故障診斷的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合算法［J］.東南大學(xué)學(xué)報(bào):自然科學(xué)版,2001,31(6):87－90.

［7］袁慧梅,李錦萍.模擬電路故障診斷新方法［J］.航空精密制造技術(shù)，2002,38(2):20－23.

［8］馬野，李楠.模擬電路的一種故障智能診斷方法與仿真［J］.自動(dòng)化技術(shù)與應(yīng)用,2001,3(2):12－15.

［9］李潤梅,李春明.基于可測性分析容差網(wǎng)絡(luò)測試點(diǎn)選擇［J］.電子測量技術(shù),2002(2):25－26.

［10］崔莼,羅先覺.模擬電路單一故障的模糊神經(jīng)網(wǎng)絡(luò)診斷方法［J］.系統(tǒng)工程與電子技術(shù),1997,3(6):50－55.

作者簡介 郝俊壽 男，1975年出生，山西太原人，講師。研究方向?yàn)槟M電路的故障診斷。