電子電路故障診斷的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合探討

徐順 張娟

摘 要：模擬電路故障元件診斷具有一定程度的不確定性，針對這一問題，文章提出了將BP網(wǎng)絡(luò)引入到融合數(shù)據(jù)中來解決其不確定性的方法。本文主要從電子電路故障診斷系統(tǒng)的組成及其與神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的原理出發(fā)，對模擬電路故障進行了分析和診斷，最后提出了包括多級信息融合等在內(nèi)的基于信息融合和神經(jīng)網(wǎng)絡(luò)的故障診斷方法，希望通過文章的論述，能夠為電子電路故障診斷與神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)的融合提供參考。

關(guān)鍵詞：電子電路；故障診斷；神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合；探討

引言：一直以來，行業(yè)內(nèi)對電子電路故障進行診斷所應用的都是線路切割法。在電路元件出現(xiàn)問題時，其性能必將受到影響，嚴重時甚至會導致信號無法輸出，而此時，與其相連的元件也必定會受到影響，此時如果應用直接測試的方法對電子電路故障進行測試，很難保證其效果的準確性，因此，利用線路切割法便成為了行業(yè)內(nèi)的一個主要手段，這也方法具有其局限性，即其應用過程十分麻煩，因此，必須提出一系列的措施對電子電路故障的診斷方法進行優(yōu)化。

一、系統(tǒng)的組成及融合原理

文章支持將電子電路故障診斷與神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)相融合。這一系統(tǒng)得以運行的原理如下：首先，工作人員需要利用相關(guān)儀器探測出需要被診斷的各元件的電壓信號與溫度信號，繼而便可以利用模糊集理論對上述兩種信號進行分析。通常情況下，針對不同的傳感器，工作人員需要用不同的隸屬值來對其元件發(fā)生故障的可能性進行描述，此時可能出現(xiàn)以下兩種情況：一是鑒于元件與其連接元件之間的互相影響，在利用一種傳感器來對故障進行判斷使，很可能會出現(xiàn)判斷誤差；二是兩種傳感器在對同一種元件進行判斷時，會出現(xiàn)隸屬值不一致的狀況，通常其誤差都不會太大，但在少數(shù)情況下，其誤差值也可能會出現(xiàn)較大的差距，這會極大的增加工作人員對電子電路故障的判斷難度，因此，必須實施相應的措施對這一問題進行解決。將電子電路故障的診斷與神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)相結(jié)合能夠有效的解決上述問題，兩者的結(jié)合是基于應用模糊集與BP網(wǎng)絡(luò)的結(jié)合而實現(xiàn)的，通過對BP網(wǎng)絡(luò)的應用，隸屬值之間的差距會得到有效的縮小，這對于故障的判斷與解決十分有利。

二、模擬電路故障分析與診斷

一般而言，工程技術(shù)領(lǐng)域?qū)δM電路故障的診斷通常需要通過對所接受的信號的判斷來得出裝備是否存在或即將出現(xiàn)故障，對不同設(shè)備故障的判斷需要應用不同的故障診斷方法，總的來說，所有故障診斷方法可以分為以下兩類：首先是常規(guī)的故障診斷方法。其次是現(xiàn)代化的故障診斷方法。相對于前者來說，后者主要對故障的診斷主要是在對模糊理論應用的基礎(chǔ)上實現(xiàn)的，在技術(shù)上較為先進。以下文章主要從信息融合才故障診斷中的應用以及神經(jīng)網(wǎng)絡(luò)的故障診斷中的應用兩點出發(fā)分析了有關(guān)模擬電路故障分析與診斷的問題。

（一）信息融合在故障診斷中的應用

所謂的信息融合主要指的是通過機器來模擬人腦處理信息的過程的一種形式框架，信息融合實現(xiàn)故障診斷主要是依靠數(shù)學理論與技術(shù)工具的結(jié)合來完成的，通過對這一手段的應用，工作人員可以從中得到很多準確性較高的信息，這對于故障的診斷與解決都具有著十分重要的參考價值。信息融合這一故障診斷方法的優(yōu)點是能夠通過對人腦處理信息過程的模擬來充分的對種種信息進行綜合分析與利用，從而找出其中的種種聯(lián)系，相對于其他故障診斷方法來說，這一方法在準確性方面十分突出。除此之外，這一故障診斷方式還具有能夠同時對多維信息進行采集的優(yōu)勢，這就極大的增強了系統(tǒng)的性能，在減少了信息模糊性的同時增加了其可信度。信息融合的故障診斷方式在具體應用中需要根據(jù)與其他診斷方式的配合才能完成，這樣才能使各診斷方式的優(yōu)點能夠得以融合，缺點能夠相互彌補，以使故障診斷效果達到最好。

（二）神經(jīng)網(wǎng)絡(luò)在故障診斷中的應用

與信息融合的診斷方式原理類似，神經(jīng)網(wǎng)絡(luò)的故障診斷方式也是對人腦中的功能的模擬，不同的是，前者是對人腦處理信息方式的模擬，而后者則是對人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與功能的模擬，相對于前者來說，后者能夠?qū)崿F(xiàn)一個高度并行的動態(tài)系統(tǒng)?？偟膩碚f，在對這一故障診斷方法的應用過程中，系統(tǒng)會將對故障反應最為敏感的信號以神經(jīng)網(wǎng)絡(luò)的形式輸出，以得到故障模擬訓練樣本來完成網(wǎng)絡(luò)訓練，在此之后，便可以通過征兆集到非線性的映射來得出識別結(jié)果。神經(jīng)網(wǎng)絡(luò)的故障診斷方式利用了對故障特征的輸入與輸出的手段使故障診斷的過程變得更加簡單方便，較以往相比屬于一大進步。

三、基于信息融合和神經(jīng)網(wǎng)絡(luò)的故障診斷方法

（一）多級信息融合

多級信息融合主要包括數(shù)據(jù)級融合、特征級融合以及決策級融合三方面內(nèi)容，分別如圖：

（數(shù)據(jù)級融合）

（特征級融合）

（決策級融合）

首先，對于數(shù)據(jù)級融合來講，其主要原理是通過對原始觀測數(shù)據(jù)層中種種數(shù)據(jù)的直接分析來實現(xiàn)融合的。相對于其他融合手段來講，數(shù)據(jù)級融合層次較低，但其也具有一定的優(yōu)點，主要表現(xiàn)在能夠保持盡可能多的現(xiàn)場數(shù)據(jù)方面，這就使得其對信息的獲得更夠更加方便，但由于數(shù)據(jù)級融合在實時性方面存在漏洞，因此其對故障的診斷的準確性也就得不到保證。

其次，相對于數(shù)據(jù)級融合來講，特征級融合在層次方面得到了一定程度的上升，但卻仍處于中間位置。特征級融合的主要原理是通過對原始數(shù)據(jù)的特征的提取及分析來實現(xiàn)融合的。對于已經(jīng)提取到的信息，數(shù)據(jù)級融合的方法能夠從時間和空間兩個角度來對其進行分析與綜合，從而使分析的結(jié)果能夠更加全面準確，總的來說，數(shù)據(jù)級融合的優(yōu)點是能夠最大程度的實現(xiàn)對實時信息的處理，因此在實時性方面是能夠得到保證的。

最后，相對于前兩者來說，決策級融合方式是融合過程中的最高級別，其主要原理是通過對各個目標屬性的決策來實現(xiàn)決策結(jié)果的相互融合，并根據(jù)最后的融合結(jié)果來實現(xiàn)統(tǒng)一的解決，想要對這一融合方式進行利用，就一定要準確分析數(shù)據(jù)級融合與特征級融合所提取出的數(shù)據(jù)特征，這是做好決策級融合的基礎(chǔ)。

（二）融合診斷算法

D—S合成法是融合診斷過程中的主要算法，它是通過給定的同一識別框架上的信度函數(shù)的合成來完成的，需要注意的是，上述信度函數(shù)需要擁有不同的證據(jù)。以下文章主要以兩個信度函數(shù)的組合為例來對組合規(guī)則進行了闡述：

首先，工作人員需要對兩個信任函數(shù)及焦原進行設(shè)定，又設(shè)：

合成之后的可信度分配函數(shù)如下：

通過對上述兩個函數(shù)的運算可以得出可信度函數(shù)為：

通過對后兩個函數(shù)的運算可以得出D—S融合前各模塊的基本可信度分配，通過對前兩個函數(shù)的運算可以得出融合后各故障的基本可信度分配，將兩者結(jié)合，便可以實現(xiàn)對故障的判斷。

（三）診斷流程

具體診斷流程如圖所示：

對于圖中的信息融合部分來說，可以對數(shù)據(jù)級融合、特征級融合及決策級融合進行自由選擇，通過對流程圖中各流程的實施，在對故障進行判斷時可以根據(jù)以下規(guī)則得出D—S診斷結(jié)果：

首先，要保證判定故障模式具有基本可信度分配。

其次，上述基本可信度分配必須大于不確定性基本可信度分配。

再次，判定故障類型基本可信度分配與其他基本可信度分配需要大于某一門閥。

最后，不確定性基本可信度分配要小于某一門閥。

結(jié)束語：

綜上所述，傳統(tǒng)的對電子電路故障進行診斷的方式由于其固有的缺陷已經(jīng)無法適應目前時代的發(fā)展，因此，將電子電路故障診斷與神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)相融合已經(jīng)成為了目前行業(yè)內(nèi)發(fā)展的一個主要趨勢，通過對兩者的融合，故障診斷結(jié)果在準確性及實時性方面都得到了有效的提高，由此可見，這一融合過程十分必要。

參考文獻

[1] 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].東南大學學報（自然科學版），2001（12）.

[2] 龍伯華； 譚陽紅； 許慧； 孫磊.基于量子神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷[J].電工技術(shù)學報，2009（10）.

[3] 王承； 孫秀斌.基于神經(jīng)網(wǎng)絡(luò)信息融合技術(shù)的模擬電路故障診斷[J].電路與系統(tǒng)學報，2007（10）.

作者簡介：徐順，男，漢族，云南省宣威市，云南工商學院教師，研究方向：電子電路。