摘要基于反传神经网络，本文提出了一种模拟电路故障诊断的新方法。这一方法较好地解决了单一硬故障字典法在计茸机内存和速度要求以及处理容差和噪声方面存在的问题，为模拟电路的故障诊断在线应用提供了一种新的可行途径。

    关键词故障诊断，模糊集，模拟电路，反传神经网络己1.生. 一巨〔二刀故障的检测和诊断在许多领域已经变得越来越重要。模拟电路的故障诊断研究方兴未艾，人们已经提出了许多检测和诊断技术川。根据电路模拟是在测试前进行，还是在测试后进行，可把故障诊断法分为测试前模拟和测试后模拟两种。由于测试后模拟法一般在测试后需要较大量的运算，很难实现在线应用;测试前模拟法由于测试后仅需少量计算，可望应用于在线故障诊断。测试前模拟法需要预先编辑“故障字典”，故又称为故障字典法。故障字典法是把故障字典贮存在自动测试设备中，占用内存较大;另外，为了判断具体故障需要与故障字典中的故障样本进行比较，这需要一定的时间;而且故障字典法容错性差，很难适应实际电路中存在的容差和干扰。从理论上讲，故障诊断就是对电路的状态进行模式识别。我们可以将电路的正常状态以及所有列入故障表的状态看作是以某些节点电压为特征的模式，然后，根据实测的电压对电路现行状态进行识别。

    为此，本文提出了基于神经网络的模拟电路故障诊断法。这一方法较好地克服了现有故障字典法存在的问题，为模拟电路在线故障诊断提供了一种新途径。 1反传神经网络人工神经网络具有并行处理、自学习、高容错性等特点，具有在高度复杂情况下处理收稿日期:1993年3月24日16北京动力经济学院学报1993哪非线性间题的能力，因而在非线性间题领域受到了越来越多的重视和应用。人工神经网玻’ 取决于它的网络拓扑结构、神经元(即节点)激活函数和学习规则。目前已提出了50多种人工神经网络，但反传(Bp:BaekPropegation)神经网络和Hopfield神经网络是目前用得最普遍的两种。BP神经网络可用于模式识别、联想记忆等问题，而HoPfield神经网络主要用于组合优化等问题。

     为此本文选用了BP神经网络。一种典型的BP神经网络如图l所示，图中给出了一个二层网络。它有一个输入层和一个输出层，它们的神经元个数分别取决于实际间题的输入和输出要求;它还有一个(可以是多个)隐层，隐层的层数和每一层的神经元数一般与实际问题的非线性程度等有关。隐层和输出层由一些简单的处理单元—神经元组成，每个神经元由权、阐值两个变量以及激活函数来描述。文献[4〕已经证明:一个具有合适的隐层激活函数、合适的隐层神经元数，以及合适的输出层激活函数的BP神经网络能以随意精度近似一个任意函数和导数。

特别注意：本站部分信息由网络收集整理.如有错误，请联系我们修改,谢谢！