模擬電路的融合智能故障診斷探究

王幫強(qiáng)

對(duì)模擬電路的故障進(jìn)行診斷是在20世紀(jì)60年代最開始出現(xiàn)的,直到20世紀(jì)70年代,已經(jīng)有了豐富的理論基礎(chǔ)。但是由于模擬電路出現(xiàn)的故障的元件參數(shù)的非線性、離散性和多樣性的原因,因此模擬電路的故障診斷理論還有待于進(jìn)一步的發(fā)展。直到20世紀(jì)90年代,因?yàn)橹悄芗夹g(shù)的不斷發(fā)展和深入,模糊理論、神經(jīng)網(wǎng)絡(luò)理論等對(duì)模擬電路進(jìn)行診斷的方式開始出現(xiàn),數(shù)據(jù)融合的技術(shù)成為處理智能信息技術(shù)核心工具。

1融合診斷模型

要使模擬電路的可測(cè)試性得到提高,就應(yīng)該通過增加測(cè)試信息、測(cè)試節(jié)點(diǎn)和優(yōu)選激勵(lì)等方式實(shí)現(xiàn)。從理論的角度上來說,假如模擬電路具有十分理想的拓?fù)浣Y(jié)構(gòu),那么只需要選擇數(shù)量較少的測(cè)試點(diǎn)就可以對(duì)較多的故障進(jìn)行診斷。但是從可測(cè)試性的角度出發(fā),我國(guó)目前在實(shí)際電路之中,普遍存在著拓?fù)湫圆焕硐氲默F(xiàn)象,因此,在進(jìn)行測(cè)試的過程之中,應(yīng)該選擇較多數(shù)量的可測(cè)試點(diǎn),盡量避免子網(wǎng)絡(luò)或至路故障無法預(yù)測(cè)的情況。為了對(duì)測(cè)試點(diǎn)不夠的現(xiàn)象進(jìn)行彌補(bǔ),可以進(jìn)行優(yōu)選激勵(lì),在頻域分析的基礎(chǔ)之上,可以選擇多種能夠?qū)收咸卣鬟M(jìn)行反應(yīng)的測(cè)試頻率,使用這些頻率的交流信號(hào)對(duì)模擬電路的故障特征進(jìn)行提取。在時(shí)域分析的基礎(chǔ)之上,可以使用噪聲信號(hào)的方式對(duì)被測(cè)試的電路進(jìn)行激勵(lì),最終使在激勵(lì)信號(hào)之中存在的頻率成分大于被測(cè)試的電路的帶寬,同時(shí)保證在激勵(lì)信號(hào)之中存在的頻率成分有足夠的幅度。對(duì)測(cè)試信息的數(shù)量進(jìn)行增加,是使模擬電路的可測(cè)試性得到提高的有效方式,我國(guó)目前針對(duì)模擬故障進(jìn)行的故障診斷一般通過抽取和測(cè)量節(jié)點(diǎn)的電壓,對(duì)故障的特征進(jìn)行提取,雖然節(jié)點(diǎn)的數(shù)量受到一定限制,尤其是在大規(guī)模和超大規(guī)模的集成電路之中,存在著選擇的節(jié)點(diǎn)在總節(jié)點(diǎn)之中所占比例較低的現(xiàn)象。

在選擇了適合的測(cè)試方法之后,應(yīng)該對(duì)各種測(cè)試的數(shù)據(jù)采取規(guī)范化的處理方式,最終得到各種輸入特征的數(shù)據(jù),之后再輸入神經(jīng)網(wǎng)絡(luò),對(duì)模擬電路的故障情況進(jìn)行初級(jí)的診斷。但是BP網(wǎng)絡(luò)大多使用梯度下降的搜索式的計(jì)算方式,因此對(duì)初始權(quán)向量的變化十分敏感,很容易對(duì)極小的故障進(jìn)行不適當(dāng)?shù)姆磻?yīng)。和以往的搜索方式相比,遺傳算法的魯棒性更強(qiáng),而且不受到函數(shù)連續(xù)性和可微性的影響,很容易在全局的范圍之中得到最優(yōu)性的診斷。

2遺傳BP網(wǎng)絡(luò)的故障分類器

因?yàn)锽P網(wǎng)絡(luò)具有外推力受限的特點(diǎn),因此,如果將模擬電路在標(biāo)稱狀態(tài)之中的故障情況作為整體的訓(xùn)練樣本,很難與容差的情況相適應(yīng),最終使診斷的準(zhǔn)確率大幅度的降低。同時(shí),一旦模擬電路之中,某一個(gè)元件產(chǎn)生軟故障時(shí),其電路的測(cè)量時(shí)會(huì)和該電路在發(fā)生硬故障時(shí)的測(cè)量值有很大的差別,因?yàn)樵谟补收咸卣骰A(chǔ)上建立的網(wǎng)絡(luò)很難在對(duì)軟故障進(jìn)行診斷的過程中使用。在一般的情況之中,如果在模擬電路之中的元件參數(shù)和正態(tài)分布相符合,依據(jù)統(tǒng)計(jì)學(xué)的相關(guān)原理,這些線性組合依然是正態(tài)分布之中的隨機(jī)變量。對(duì)于模擬電路的硬故障來說,對(duì)有故障的電路進(jìn)行實(shí)際測(cè)量之中得到的特征向量,可以將這種狀態(tài)作為訓(xùn)練的樣本,使用神經(jīng)網(wǎng)絡(luò)本身存在的容錯(cuò)性特征,在進(jìn)行分類的過程之中,可以將在一定范圍之中的樣點(diǎn)歸類為訓(xùn)練樣本集。對(duì)于模擬電路的軟故障來說,在對(duì)故障進(jìn)行定位的過程之中,容差的擾動(dòng)效應(yīng)和特征參量的模成反比,因此,如果軟故障的故容比較大,則很容易對(duì)故障進(jìn)行定位,如果軟故障的故容比較小,則很難對(duì)故障的定位進(jìn)行分辨。因此,可以使用Monte -Carlo法隨機(jī)的選擇出數(shù)量較多的測(cè)試樣本,再在隨機(jī)樣本之中選擇出受到容差影響較大的樣本,組成訓(xùn)練樣本集。

BP網(wǎng)絡(luò)的遺傳算法優(yōu)化,是使用遺傳算法能夠進(jìn)行全局性搜索的特征,尋找最佳的網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)連接權(quán)。在BP網(wǎng)絡(luò)較好的分類效果性能之中,對(duì)節(jié)點(diǎn)的連接權(quán)和數(shù)量進(jìn)行優(yōu)化。

3模糊診斷融合

使用模糊積分對(duì)多種分類器進(jìn)行融合的過程之中,模糊測(cè)度會(huì)對(duì)融合函數(shù)的形成產(chǎn)生影響,因此,應(yīng)該選擇適合的模糊測(cè)度值,提高數(shù)據(jù)融合的分類性能。對(duì)于診斷系統(tǒng)來說,模糊密度值是對(duì)模擬電路進(jìn)行故障診斷的重要依據(jù),因此應(yīng)該通過模糊診斷器的使用,對(duì)單獨(dú)的遺傳神經(jīng)網(wǎng)絡(luò)進(jìn)行檢驗(yàn),提高故障識(shí)別的準(zhǔn)確性。

4結(jié)語(yǔ)

本文綜合了模糊技術(shù)、遺傳算法和神經(jīng)網(wǎng)絡(luò)技術(shù),在各種測(cè)試信息的基礎(chǔ)之上取得診斷電路受到各種故障損害的可能性,在對(duì)每一種神經(jīng)網(wǎng)絡(luò)的輸出信息的重要性進(jìn)行考慮,在進(jìn)行決策融合的過程之中使用模糊積分融合的方式,并對(duì)診斷方式的魯棒性、快速性和準(zhǔn)確性進(jìn)行了驗(yàn)證。

參考文獻(xiàn)

[1] 劉汝杰,袁保宗,庸曉芳.用遺傳算法實(shí)現(xiàn)模糊測(cè)度賦值的一種多分類器融合算法[J]．電子學(xué)報(bào),2002,30(1):145～147.

[2] 何平,楊保華,王牟本.利模糊數(shù)據(jù)融合技術(shù)在系統(tǒng)故障診斷中的應(yīng)用[J]．電機(jī)與控制學(xué)報(bào),2004,30(1):51～55．

[3] 清泉,楊奇遜,揚(yáng)以涵．基于故障測(cè)度概念與證據(jù)理論的配電網(wǎng)單相接地故障多判據(jù)融合[J]．中國(guó)電機(jī)工程學(xué)報(bào),2003,23(12):7～11．

[4] 旋惠昌．基于MsF技術(shù)的汽輪發(fā)電機(jī)狀態(tài)估計(jì)[J]．中國(guó)電機(jī)工程學(xué)報(bào),2002,22(11):49,152．