基于神经网络匹配度的模拟电路故障诊断

目 录
第一章 绪论 1
1.1 研究背景 1
1.2 模拟电路故障诊断方法分类 1
1.3 研究现状 3
第二章 神经网络在模拟电路故障诊断中的应用 4
2.1 神经网络概述 4
2.2 BP神经网络 7
2.3 基于神经网络的模拟电路故障诊断方法 9
2.4 MATLAB神经网络工具箱 10
第三章 仿真实例及诊断网络训练 12
3.1 电路模型 12
3.2 故障设置 12
3.3 BP神经网络训练 13
3.4 故障诊断步骤 14
第四章 故障诊断结果与讨论 17
4.1 BP神经网络的仿真结果 17
4.2 诊断结果分析与讨论 20
第五章 总结与展望 22
5.1 总结 22
5.2 展望 22
参考文献 23
附录1 24
第三章 仿真实例及诊断网络训练
3.1 电路模型
本文采用高通滤波器作为模拟电路故障诊断的一个实例，借助MATLAB中的Simulink组件来搭建电路模型，如图3.1所示。
滤波器是一种能使有用频率信号通过而同时抑制或衰减无用频率信号，从而实现频率选择的信号处理电路。高通滤波器在电力系统中的应用十分广泛，允许输入信号中高于某频率的信号通过，而衰减或抑制小于此频率的信号。[16]图3.1中为RC有源高通滤波器，采用一2伏交流电压源，根据同相比例放大器原理，当频率增大时，ω增大，容抗减小，输出电压增大，因此高频率才有输出。

图 3.1 电路仿真模型
由于在Simulink中，运算放大器的输出不能直接与Scope相连接，因此需要用到以下元件：
•Solver Configuration：仿真电路求解器，可设置仿真信息：算法、精度等。
•Voltage sensor：理想的电压传感器，将测量到的电压值按比例转换为物理信号。
•PS-Simulink Converter：将物理信号转换为Simulink中所需的输出信号。

3.2故障设置
选取故障元件时，可通过改变某一电阻或电容值后观察输出电压波形的改变，经比较后选择对输出电压波形影响较大的元件，本文选择，作为故障元件。
实验中假定电阻的容差为5%，电容的容差为10%，那么当R<47.5k或R>52.5kΩ时，代表电阻出现软故障,当<2.7nF或>3.3nF时代表电容出现软故障。其中，当元件值为0或∞时，代表其出现硬故障。
本文中分别设置了三种故障：偏大，短路及偏大，并且令它们的值分别为：,。
为了更直观地判别故障模式，用“0-1”来表示元件的正常与故障，即0为正常，1为故障。