基于小波包的分析神经网络模拟电路故障诊断方法的研究
图书分类号TP391密级非密UDC 注 1_硕士学位论文基于小波包分析神经网络的模拟电路故障诊断方法研究秦新红指导教师（姓名、职称）姚竹亭教授申请学位级别专业名称工学硕士模式识别与智能系统论文提交日期2012年6月4日论文答辩日期2012年5月31 日学位授予日期_年_月_日论文评阅人夏路易教授李国勇教授潘宏侠教授答辩委员会主席郑海起教授2012 年 6 月 4 日注 1：注明国际十进分类法 UDC的分类原 创 性 声 明本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定，其中包括：学校有权保管、并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交流为目的，复制赠送和交换学位论文；学校可以公布学位论文的全部或部分内容（保密学位论文在解密后遵守此规定）。签名：日期：导师签名：日期：基于小波包分析神经网络的模拟电路故障诊断方法研究摘要模拟电路因其固有的特殊性，模拟电路的故障诊断技术的发展较数字电路来说相对缓慢，针对模拟电路的故障诊断技术的研究向来都是电路系统故障诊断研究领域的难点和热点。随着微电子技术的发展，集成电路大量运用到电路系统中去，使得针对模数混合电路的检测和诊断也呈现出许多优于传统的诊断方法。将神经网络及其改进算法引入故障诊断领域，为模拟电路故障的诊断开辟了新的道路。小波包分析通过自适应地确定信号在不同频段的分辨率实现了信号在高频和低频的同步分解；神经网络的优势在于其较强的非线性映射、自学习、自适应和容错性等能力。鉴于二者的优势，本文对小波包和神经网络相结合的诊断方法在模拟电路故障诊断领域的应用做了探讨，并对实例电路做了仿真分析，达到了预期的诊断效果。本文的主要工作如下：首先，在对模拟电路故障诊断的常用方法进行分析和比较的基础上，着重介绍了神经网络和小波变换、小波包分析的一般理论，并完成了基于小波包的神经网络结构设计。然后，通过实例电路对基于小波包变换的“能量故障”诊断方法进行了研究，并将其应用于模拟电路故障信息提取中，从而达到简化网络结构，加速网络训练，降低网络复杂度，准确定位故障的目的。最后，通过实例电路仿真实验验证小波包神经网络拥有比 BP 神经网络更好的预测性能，此算法可以有效地进行模拟电路故障诊断的自动检测。关键词：小波包，模拟电路，神经网络，故障诊断，特征提取Study on Fault Diagnosis in Analog Circuits Based onWavelet Packet Analysis and Neural networksABSTRACTBecause of the analog circuits inherent particularity, the development of its faultdiagnosis technology is relatively slower than digital circuit, and the research field of theanalog circuit fault diagnosis is all along the challenge and hot focus in electrical circuitsystems fault diagnosis. Along with the development of microelectronics technology,integrated circuits have been largely used into circuit systems, and some new methods ofdiagnosis which are superior to the traditional methods have been applied in hybrid circuits.Neural Network and its optimized algorithms have been introduced into fault diagnosis fields,and created a new situation for the study of the analog circuits fault diagnosis.Wavelet packet analysis can adaptively determine the signals resolutions in differentfrequency bands, and signals synchronized segregation from the high frequency to low canbe realized; Neural Networks advantages are its strong nonlinear mapping, self-learning,adaptive and fault tolerant abilities and so on. In view of both advantages, this paper combinesthe wavelet packet and neural network algorithm to deal with the problems in analog circuitfault diagnosis field and makes some simulation analysis to the circuit examples, which meetsthe desired diagnostic targets. The main tasks of this paper are as follows:Firstly, on the basis of the analysis and comparison of the commonly used methodsapplied to the analog circuit fault diagnosis, this paper details the general theories of NeuralNetwork, wavelet and wavelet packet analysis, and completes Neural Network structuresdesign which is based on wavelet packet.Secondly, through an example of circuit, a diagnostic method of “energy-fault” which isbased on wavelet packet is studied and applied into the fault information extraction for analogcircuit, and thus to simplify network structure, accelerate network training, reduce thenetwork complexity and locate the accurate position of the faults.Finally, an example simulation experiment is performed to demonstrate that WaveletPacket Neural Network has advantages over BP Neural Network in forecasting performance,and this algorithm can effectively do automatic fault diagnosis for the analog circuits.Key Words: Wavelet Packet，Analog Circuits，Neural Networks，Fault Diagnosis，FeatureExtraction中北大学学位论文目录第一章 绪论.11.1 研究的背景和意义 . 11.2 国内外研究概况 . 21.3 本文的主要内容及工作安排 . 51.3.1 本文的主要内容. 51.3.2 本文的工作安排. 5第二章 模拟电路故障诊断基本理论研究 .
